AIは現在、コード構造の壁に阻まれている

研究の理由

• プロンプトや .cursorrules のような方法以外に、コードの構造をAIが理解するための文脈として活用できるかに関する研究と試みを扱っている。
• 現在、ほとんどのAIモデルが提供するcontextサイズは非常に小さく、バイブコーディングに多くの不便をもたらしている。AIが活用できる別のcontextとしてコード構造を利用できるなら、大きな改善を実現できるという仮説。

テスト

• 同じ実装だが構造の異なる2つのコードが提示される。
  • 1つ目のコードは、構造を気にせず目的志向で書かれたコード。
  • 2つ目のコードは、1つ目のコードから構造の一部だけを改善したコード。
• 2つのコードはいずれも100% AIが書いたコード。
• 同じAIに対してベースとなるコードだけを変えて提供し、同じ命令を与えてコードを修正させる。

テスト結果

• 1つ目のコードの修正結果では、既存の構造のないコードに継ぎ足すような形でAIが機能を追加した。その後に続く修正によって、既存機能が非常に簡単に壊れてしまう。
• 2つ目のコードの修正結果では、AIが 既存の構造を尊重 し、同じ構成・構造・パターンでコードを修正した。その後に続くコード修正でも既存機能が壊れにくい。

結論

• AIは既存のコード構造を理解しており、良い構造の上では堅牢で品質の高いコードを生み出す。

---

個人的な感想

• 非常に興味深い研究であり、AI開発の発展にとって意義のあるテーマだと思う。
• 文章自体は長くないが、伝えようとしている目標の環境説明が多い。
• 肝心のテスト内容は、読む人が直接試してみないと理解しにくい。テストとその結果、そしてその意味に焦点を当てて文章が書かれていれば、はるかに良かったのではないかと思う。