AI駆動のプログラム自動生成―可能性と課題

近年、生成AIは自然言語のプロンプトからソースコードを生成できるまで進化してきました。これにより、従来手作業で行っていた実装の一部が自動化され、開発効率の向上が期待されています。

しかし、実際に開発現場でソースコードの自動生成を行うと「精度」「仕様との乖離」「修正コスト」といった問題が発生することが予想されます。本記事では、特にUIプログラミングやDSL (Domain Specific Language)設計といった領域に焦点を当て、生成AIの課題と可能性を整理します。

自然言語プロンプトの課題

AIによるコード生成は多くの場合、自然言語プロンプトによる仕様記述から始まります。

しかし、自然言語には次のような特性があります。

結果として、仕様の再現度が低いコードが生成されることがあります。

修正を行う場合も、プロンプトの表現を変えて再実行するという試行錯誤が必要になり、効率が低下します。

一方で、自動生成が比較的成功しやすい分野も存在します。その代表例がUIプログラミングです。

自動生成の観点からUIプログラミングには以下の特徴があります。

過去にも「GUIビルダー」と呼ばれる、画面レイアウトを視覚的に組み立てるUI構築支援ツールが登場しました。 Visual BasicやDelphiのフォームデザイナ、NetBeansのGUIビルダーなどがその代表例です。

これらのツールは実用面では限界もありました。たとえば、画面コードとアプリケーション・ロジックの繋ぎ込みまでを完全に自動化することは困難でした。

しかし、生成AIと組み合わせることで、従来困難だった仕様と実装の乖離を減らす新しい可能性が見えてきています。

以下に示すのはUIの自動生成を高精度に実現することに寄与する3つの要素です。

これらの要素間の繋ぎ込みはボイラープレイトの作成を手動で行わなければならない点がネックでしたが、この繋ぎ込み部分を生成AIで自動化できる可能性があります。

UI以外でも、仕様の曖昧さを排除し高精度な生成を行うには、問題領域ごとのDSL(Domain-Specific Language)を導入する手法が有効です。

特にモデル・コンパイラの開発は工数がかかりますが、生成AIがコード骨格や変換ロジックを生成することで、大幅な効率化が期待できます。

DSLとモデル・コンパイラが揃えば、コードの整合性が仕様レベルで担保され、生成結果のブレを防げます。この場合、レビュー対象はプロンプトではなくDSL文書そのものになります。そして、DSL文書の作成、レビューにAIが大いに活用できることはいうまでもありません。

Figure 1. AI駆動開発のスタイル

SimpleModelingでは、DSLのメタ言語としてSmartDoxを採用しています。 SmartDoxはMarkdown, org-mode, Asciidocの機能をミックスしたテキスト・ベースの文法の汎用の技術文書用の文書記述フォーマットです。本サイトの記事の記述にも使用しています。

SmartDoxをDSLのメタ言語として用いる場合、その構造化部分をModelDoxと呼びます。 ModelDoxはSmartDox文書の中核を成すモデル記述部分であり、DSLの基盤を担います。

通常の文書の中に構造を埋め込み、その構造を取り出してモデルのDSLとすることで文芸モデリングを実現しています。 CML(Cozy Modeling Language)はこのModelDoxをDSLのメタ言語とした、オブジェクト・モデル記述用DSLです。

CozyはCMLからScalaなどのソースコードを生成するモデル・コンパイラであり、これにより説明文とコードの同期を保ったまま文芸モデル駆動開発 (LMDD, Literate Model-Driven Development)が可能になります。

Cozyによる文芸モデル駆動開発には、以下の利点があります。

Figure 2. SmartDox/ModelDoxによる文芸モデル駆動開発

生成AIは、適切に構造化された仕様記述と組み合わせることで、プログラムの自動生成において大きな力を発揮します。特にUIやDSLの領域では、モックアップやIDLのような精度の高い仕様、そしてモデル・コンパイラの活用により、従来よりも高精度で保守性の高いコード生成が可能です。

生成AIは万能ではなく、構造化DSLと組み合わせることでこそ、実用的かつ持続可能な運用が可能になると考えられます。

SimpleModelingのように、文章と構造化仕様を統合し、生成AIとモデル駆動開発を組み合わせる文芸モデル駆動のアプローチは、今後の開発スタイルの有力な選択肢となるでしょう。