ChatGPT ile Yapay Zeka Tarafından Yazılmış Kod Nasıl Tespit Edilir

Günümüz dünyasında, giderek daha fazla geliştirici kod yazmak için ChatGPT gibi yapay zeka araçlarını kullanıyor.

Bu kılavuz, yapay zeka tarafından yazılmış kodun işaretlerini ve kodun ChatGPT veya benzer yapay zeka araçları tarafından oluşturulup oluşturulmadığını nasıl kontrol edeceğinizi anlamanıza yardımcı olacaktır.

İşte bazı kodların yapay zeka tarafından yazılıp yazılmadığını kontrol etmek istediğinizde kopyalayıp ChatGPT ile kullanabileceğiniz basit bir komut istemi:

Yapay Zeka Tarafından Oluşturulan Kodun Yaygın İşaretleri

1. Aşırı Jenerik Değişken İsimleri

Yapay zeka modelleri genellikle 'data', 'result' veya 'temp' gibi çok temel değişken adları kullanır. İnsan geliştiriciler genellikle değişkenin gerçekte ne içerdiğini yansıtan daha spesifik isimler seçerler. Örneğin:

İnsan tarafından yazılmış kod kullanabilir:

monthly_sales_total = calculate_sales(january_data)

Yapay zeka tarafından oluşturulan kod kullanabilirken:

sonuç = hesapla(veri)

2. Tutarlı Biçimlendirme Kalıpları

ChatGPT çok tutarlı biçimlendirme ile kod yazma eğilimindedir. Bu iyi gibi görünse de aslında bir ipucu olabilir. İnsanlar genellikle stil kılavuzlarını takip etseler bile kodlama stillerinde küçük farklılıklar gösterirler. Yapay zeka tarafından üretilen kod, biçimlendirmesi açısından genellikle "fazla mükemmel" görünür.

3. Temel Hata İşleme

Yapay zeka modelleri genellikle çok basit hata işleme uygular. Genellikle belirli hata türleri veya ayrıntılı hata mesajları olmadan temel try-catch bloklarını kullanırlar. İnsan geliştiriciler genellikle gerçek dünya sorunlarıyla ilgili deneyimlerine dayanarak daha ayrıntılı hata işleme içerirler.

Yapay zeka tarafından oluşturulan hata işleme örneği:

Deneyin:
    # bir şeyler yap
hariç:
    print("Bir hata oluştu")

İnsan eliyle yazılmış hata işleme örneği:

Deneyin:
    # bir şeyler yap
FileNotFoundError dışında:
    logger.error("Config file missing at path: %s", config_path)
    raise ConfigurationError("Missing required config file")
except PermissionError:
    logger.error("No permission to access file: %s", config_path)
    raise AccessDeniedError("Yapılandırma dosyasına erişilemiyor")

4. Standart Çözümler

ChatGPT, daha iyi alternatifler olsa bile, genellikle bir soruna en yaygın veya standart çözümü sunar. Yaratıcı veya duruma özel çözümler yerine iyi bilinen tasarım modellerini ve ortak kütüphane işlevlerini kullanma eğilimindedir.

5. Sınırlı Yorumlar

YZ tarafından üretilen kod genellikle ya çok basit yorumlar ya da çok fazla belirgin yorum içerir. İnsan geliştiriciler genellikle karmaşık mantığın arkasındaki "neden "i açıklayan yorumlar yazarken, yapay zeka koddan zaten anlaşılan "ne" hakkında yorum yapma eğilimindedir.

Yapay zeka tarafından oluşturulan yorumlara örnek:

# Dizi boyunca döngü
for i in range(len(dizi)):
    # Mevcut sayıyı toplama ekleyin
    toplam += dizi[i]

İnsan tarafından yazılmış yorumlara örnek:

# Başlık satırının sayılmasını önlemek için ilk öğeyi atla
# Arka plan için PROJ-123 numaralı bilete bakın
for i in range(1, len(dizi)):
    sum += dizi[i]

ChatGPT Kodundaki Yaygın Kalıplar

1. Boilerplate Ağır

ChatGPT çok sayıda şablon kod eklemeyi sever. Basit örnekler için bile genellikle eksiksiz sınıf yapıları ve içe aktarma deyimleri oluşturur. Bu, kodun daha profesyonel görünmesini sağlayabilir, ancak aynı zamanda daha standartlaştırılmış ve özel ihtiyaçlara daha az özelleştirilmiş olabilir.

2. Öngörülebilir Yapı

Yapay zeka tarafından üretilen kod, işlevleri ve sınıfları yapılandırma biçiminde genellikle çok öngörülebilir kalıpları izler. Örneğin, sınıf değişkenlerini her zaman aynı sıraya koyabilir veya yöntemleri belirli bir şekilde düzenleyebilir.

3. Gelişmiş Özelliklerin Sınırlı Kullanımı

ChatGPT temel dil özelliklerine bağlı kalma ve daha karmaşık veya yeni dil özelliklerinden kaçınma eğilimindedir. Bunun nedeni eski kod tabanları ve yaygın kalıplar üzerinde eğitilmiş olmasıdır. Örneğin, Python'da mors operatörleri veya desen eşleştirme gibi en yeni özellikleri kullanmayabilir.

Teknik Tespit Yöntemleri

Gelişmiş tespit sistemleri, YZ tarafından yazılan kodu tanımlamak için karmaşıklık ölçümlerini kullanır. YZ modelleri daha öngörülebilir kod kalıpları üretme eğiliminde olduğundan, düşük çapraşıklık puanları genellikle YZ üretimine işaret eder.

Tespitin etkinliği kod uzunluğuna göre değişir. Çalışmalar, tespit doğruluğunun daha uzun kod örnekleriyle arttığını ve güvenilir analiz için genellikle en az 100 belirteç gerektirdiğini göstermektedir.

Tespit için En İyi Uygulamalar

1. Kapsamlı Analiz
Kodun birden fazla yönünü inceleyin:

• Örüntü tanıma
• Sözdizimi analizi
• Mantık hataları ve tutarsızlıklar
• Dokümantasyon tarzı

2. Bağlam Değerlendirmesi

Tespit doğruluğu farklı diller ve çerçeveler arasında değişiklik gösterebileceğinden, kodu analiz ederken programlama dilini ve proje bağlamını göz önünde bulundurun.

Kodun Yapay Zeka Tarafından Oluşturulup Oluşturulmadığı Nasıl Test Edilir?

1. Belgeleri Kontrol Edin

Kodun nasıl belgelendiğine bakın. Yapay zeka tarafından oluşturulan belgeler genellikle şunları içerir:

• Çok genel açıklamalar
• Gerçek dünya bağlamı eksik
• İş mantığına veya belirli kullanım durumlarına referans yok
• Mükemmel ama sığ biçimlendirme

2. Karmaşıklık Kalıplarını Arayın

Yapay zeka tarafından üretilen kod genellikle bu kalıpları gösterir:

• Karmaşık sorunlar için aşırı basitleştirilmiş çözümler
• Eksik uç durum işleme
• Temel güvenlik hususları
• Özel çözümler yerine standart kütüphane kullanımı

3. Test Hata Durumları

Kodu kırmayı deneyin:

• Beklenmedik girdilerin sağlanması
• Uç durumların test edilmesi
• Hata işlemeyi kontrol etme
• Null veya tanımsız değerleri nasıl işlediğine bakma

Yapay zeka tarafından üretilen kod, bu durumlarla başa çıkarken genellikle beklenmedik şekillerde başarısız olur.

Yapay Zeka Tarafından Oluşturulan Kodu Kullanırken En İyi Uygulamalar

1. Her Zaman Gözden Geçirin ve Değiştirin

Yapay zeka tarafından oluşturulan kodla çalışırken, önce kontrol etmeden asla kullanmayın. Kodu okumak ve ne yaptığını anlamak için zaman ayırın.

Bu temel değişken adlarını projeniz için anlamlı olanlarla değiştirerek başlayın. Gözden geçirirken, kodun hataları nasıl ele aldığına bakın ve gereken yerlerde iyileştirin - daha sonra sorunları izlemenize yardımcı olacak net hata mesajları ekleyin.

İyi yorumlar çok önemlidir - kodun sadece ne yaptığını değil, neden bu şekilde çalıştığını açıklayan yorumlar yazın.

Her durumda çalıştığından emin olmak için kodu farklı girdi türleriyle test etmeyi unutmayın. En önemlisi, yapay zeka sizin durumunuzu tam olarak bilmediği için kodu özel iş ihtiyaçlarınıza uyacak şekilde uyarlayın.

2. Yapay Zekayı Başlangıç Noktası Olarak Kullanın

Yapay zeka tarafından oluşturulan kodu kaba bir taslak veya taslak olarak düşünün. Size başlamak için iyi bir yer sağlar, ancak bunun üzerine inşa etmeniz gerekir.

Yapay zeka araçlarından gelen kod genellikle çok temel hata işleme özelliğine sahiptir, bu nedenle belirli hata kontrolleri ve yardımcı hata mesajları ekleyerek kodu geliştirmeniz gerekir.

Güvenlik sorunlarına dikkatlice bakmak için zaman ayırın ve gereken yerlerde ekstra koruma ekleyin. Yapay zekanın size genel amaçlı kod verdiğini, ancak projenizin özel çözümlere ihtiyacı olduğunu unutmayın.

Kod gerçek dünyada çalıştığında neler olduğunu izleyebilmek için uygun günlük kaydı ekleyin ve her şeyin doğru çalışıp çalışmadığını izlemek için yollar ayarlayın.

3. Yapay Zeka Kullanımını Belgeleyin

Yapay zeka tarafından oluşturulan kodla çalışırken iyi dokümantasyon çok önemlidir. Açıkça işaretlemek için YZ tarafından oluşturulan bölümlerin başına yorumlar ekleyin.

Değişiklik yaptığınızda, neyi neden değiştirdiğinizi yazın - bu, diğer geliştiricilerin (veya gelecekte kendinizin) kodu daha iyi anlamasına yardımcı olur.

Hangi bölümlerin insanlar tarafından yazıldığını ve hangilerinin yapay zekadan geldiğini takip edin. Bu, daha sonra kodun bakımını çok daha kolay hale getirir.

Kodu nasıl test ettiğinizi ve hangi sonuçları aldığınızı yazın, böylece herkes kodun ne yaptığını ve ne kadar güvenilir olduğunu anlar.

Yapay zekanın daha hızlı kod yazmanıza yardımcı olacak bir araç olduğunu unutmayın, ancak özel ihtiyaçlarınız için dikkatli inceleme ve özelleştirmenin yerini almamalıdır. İyi dokümantasyon ve test, insan tarafından yazılan kodda olduğu gibi yapay zeka tarafından oluşturulan kodda da önemlidir.

Bu uygulamaları takip ederek, yüksek kaliteli ve güvenilir kodlar oluştururken yapay zeka kullanımından en iyi sonuçları elde edebilirsiniz.