## Vertex AIの活用がGitLabとの提携で推進

**2023年5月2日、GitLabとGoogle Cloudは、カスタマイズ可能な生成AIの基盤モデルで、AI支援機能を拡充することを発表しました。**提携によりGoogle Cloudの「Vertex AI」基盤モデルが、GitLabのAIを活用したセキュリティ機能に活用され、脆弱性の特定や修復をより効率的に行えるようになります。

GitLabでは、DevSecOpsのワークフロー効率を10倍向上させるとしています。

両社は、これまで締結していた戦略的パートナーシップを延長しました。GitLabの企業向けDevSecOpsプラットフォームで、AI支援機能の提供がさらに進むと見られます。

【参考】：[GitLab: GitLab and Google Cloud Partner to Expand AI-Assisted Capabilities with Customizable Gen AI Foundation Models](https://about.gitlab.com/press/releases/2023-05-02-gitLab-and-google-cloud-partner-to-expand-ai-assisted-capabilities.html)
【参考】：[Google Cloud: GitLab and Google Cloud Partner to Expand AI-Assisted Capabilities with Customizable Gen AI Foundation Models](https://www.googlecloudpresscorner.com/2023-05-02-GitLab-and-Google-Cloud-Partner-to-Expand-AI-Assisted-Capabilities-with-Customizable-Gen-AI-Foundation-Models)

*Google Cloudは、Googleが提供するクラウドコンピューティングサービスです。*コンピューティング・ストレージのほか、AIと機械学習（ML）やデータ分析などにも力を入れています。AIが組み込まれたクラウドサービス提供のために、必要なサービスを拡張しています。

チームコラボレーションにも注力し、Google Workspaceは企業向けスイート製品としてプロジェクト管理などにも利用されています。

【参考】：[Google Cloud](https://cloud.google.com/?hl=ja)

エンジニアなら知っておくべき！機械学習とディープラーニングの違いとは？

*Vertex AI（バーテクス AI）とは、Google Cloudの機械学習プラットフォームを指します。*企業向けのAIサービスで、機械学習のツールを統合したプラットフォームです。AutoMLとAI Platformを統合しており、モデルのデプロイおよび維持を迅速に行うことができます。企業の導入事例も、確実に増加しています。

【参考】：[Vertex AI](https://cloud.google.com/vertex-ai?hl=ja)
【参考】：[Vertex AI の概要](https://cloud.google.com/vertex-ai/docs/start/introduction-unified-platform?hl=ja)

*GitLab（ギットラボ）は、ソフトウェアリポジトリなどの開発・運用向けサービスを提供しています。*セキュリティを確保するとともに、ソフトウェア開発ライフサイクルのプロセスを自動化し、ソフトウェア開発の生産性向上をに役立てることができます。

生産性向上では、自動化ツールを提供し、セキュリティスキャンの自動化も可能です。GitLabでは、企業向けワークロードを想定し、サービスを提供しています。

【参考】：[About GitLab](https://about.gitlab.com/)

DevSecOpsとは、開発（Development）・セキュリティ（Security）・運用（Operation）からなるソフトウェア開発の手法を指します。従来のDevOpsにセキュリティ手法を統合したものです。ソフトウェア開発のライフサイクルにおいて、セキュリティの考え方を全員が共有しソフトウェアの安全性を高めていきます。

GitLabは、堅牢な CI／CD（継続的インティグレーション／継続的デリバリー）により自動化を推進します。その下でセキュリティコントロールをDevOpsワークフローに組み入れて、DevSecOpsを実現しています。

*GitLabでは、Googleの生成AI基盤 Vertex AIを活用し、顧客の知的財産やプライバシー保護を推進するとしています。*

【参考】：[AI/ML in DevSecOps Series](https://about.gitlab.com/blog/2023/04/24/ai-ml-in-devsecops-series/)

### DevSecOpsでAIを活用するメリット

DevSecOpsでAIを活用するメリットは、数多くあります。ここでは担当別に解説していきます。

・*開発者のメリット*
開発者は、AIによりコードの生成やサジェスト機能などを利用することができます。コード開発が、効率的でかつ品質の高いコード開発が期待できます。コードのレビューや変更管理も効率向上が期待できます。コード全体の整合性を高めて、マージしメンテナンスの維持に役立てることができます。

・*セキュリティ面のメリット*
ソフトウェア開発のライフサイクルを通じて、安全なコードを書けるような環境を提供します。脆弱性の発見や修正を容易にし、開発者のスキル向上にも役立てることができます。また、テスト工程の反復作業を自動化することで、脆弱性や不具合の発見に貢献します。今回の提携でこちらの強化が期待できます。

・*運用面のメリット*
デプロイにおける評価を自動化し、問題の発見を推進するとともに、コードが理解しやすいようにサポートを受けることができます。

・*プロセス全般のメリット*
プロジェクトの会議にAIが加わり、問題のサマリーを作成し支援します。同様に大量のドキュメントから有益な情報を抽出し、役立てることができます。また、ソフトウェア開発ライフサイクルにおける生産性指標に異常がないか、予測し分析結果から問題を解決することが期待できます。

## GitLabのVertex AIを用いた機能提供とメリット

*GitLabでは、Vertex AIの導入により「Built with Google Cloud AI program」を提供し、活用していきます。*Google Cloudの生成AIモデルを活用した機能は、実験的な機能として提供されます。

「Explain this Vulnerability」により、脆弱性に対して自然言語により問題発見と解決方法を提示し、セキュリティ確保に役立てることができます。開発者は、このメリットを得て効率的にセキュリティの維持が可能となります。

すでに実験レベルの機能として発表した、「Explain this Code」「Summarize Issue Comments」「Summarize Merge Request Changes」に加わり、ソフトウェア開発ライフサイクル全体のワークフロー自動化に役立てられます。

【参考】：[GitLab details AI-assisted features in the DevSecOps platform](https://about.gitlab.com/blog/2023/05/03/gitlab-ai-assisted-features/)
【参考】：[GitLab: ML experiment: Explain this source code](https://about.gitlab.com/blog/2023/04/06/explain-this-code/)
【参考】：[GitLab: ML experiment: Summarizing issue comments](https://about.gitlab.com/blog/2023/04/13/summarize-issues/)
【参考】：[ML experiment: Summarize merge request changes](https://about.gitlab.com/blog/2023/04/20/merge-request-changes-summary-ai/)

### GitLabのVertex AI機能の利用料金

*現時点の提供機能は、「Explain this Vulnerability」という実験的な機能となります。*正式版の利用料金に関しては明らかにされていません。GitLabは、無料プランから有料プランまであります。Vertex AIも通常利用においては、マシンタイプやパイプライン実行に応じて費用が発生します。

【参考】：[GitLab: 料金](https://www.gitlab.jp/pricing/)
【参考】：[Google Cloud: Vertex AI の料金](https://cloud.google.com/vertex-ai/pricing?hl=ja)

### GitLabとVertex AIでAIモデルを構築するには

*GitLabでは、構築チュートリアルとしてPythonベースのクレジットカード取引詐欺検出アプリのデモを用意しています。*このデモにより、連携方法を理解することができます。

デモでは、GitLabはアプリケーションのソースコードをホストし、テストとスキャンを自動的に実行します。Pythonコードを実行し、プログラムの実行結果とアウトプットをGoogle Cloud Storageにアップロードし、Vertex AIでエンドポイントを作成します。

手順としては、GitLabとGoogle Cloudを接続し、Vertex AIにデータをアップロードします。GitLabでCI/CDパイプラインを作成し、品質とセキュリティのテストを行います。トレーニングは、Pythonのスクリプトを実行してモデルを学習します。

その後モデルのトレーニングのために、Vertex AIからデータをフェッチし、モデルをトレーニングしてGoogle Cloud Storageに保存します。

【参考】：[GitLab: Train and deploy AI models with GitLab and Google Cloud's Vertex AI](https://about.gitlab.com/blog/2023/06/08/training-and-deploying-ai-models-with-gitlab-and-vertex-ai/)



## GitLabのVertex AI活用は今後さらに強化されます

今回の発表は、GitLabのDevSecOpsにGoogle CloudのVertex AIを提供し、手始めとして「Explain this Vulnerability」機能を実験的に提供するものです。今後のGitLabのAI機能は、Vertex AIを活用するとしており、開発者に役立つ機能が今後も登場すると見られます。**両社の活動は、AI活用として開発者に注目される機能強化となるでしょう。**

今さら聞けない人工知能（AI）の基礎知識｜AI開発の基本を解説！

【2023年版】AI（人工知能）の学習におすすめの本10選！習得のメリットも解説

2023年5月2日、GitLabとGoogle Cloudは、生成AIを活用した提供を強化したことを発表しました。Google Cloudの「Vertex AI」が基盤モデルとして提供されます。ここでは、両社の概要や提供の内容について解説していきます。

GitLabとGoogle Cloudは、提携関係を強化し、AI支援機能を拡充すると発表しました

GitLabに、Google Cloudの「Vertex AI」が基盤モデルとして提供されます

「Explain this Vulnerability」という機能に使用され、脆弱性の特定と修復の効率が高まります

Vertex AIをAI支援に活用！GitLabとGoogle Cloudが提携を強化

## Google ColabのAIコーディング機能

**Googleは2023年5月17日、Google ColabにAIコーディング支援機能を搭載すると発表しました。**AIコーディングには、2023年5月10日開催の「Google I/O 2023」で発表されたPaLM 2ベースの「Codey」が用いられます。

【参考】：[Colaboratory へようこそ](https://colab.research.google.com/?hl=ja)
【参考】：[Google DEVELOPERS: AI-powered coding, free of charge with Colab](https://blog.google/technology/developers/google-colab-ai-coding-features/)

*Google Colabとは、Googleが提供するPythonの対話型コードエディタ兼実行環境です。*ホスト型の Jupyter Notebookサービスとして提供され、使い方は簡単です。ウェブブラウザ上で操作するので、Pythonの環境をインストールせずに利用することができます。

正式名称は、Google Colaboratoryで通称Colabと呼ばれています。

Google管理コンソールから「Google Colab」を設定して、使用したり使えない状態にしたりすることが簡単にできます。このため、Colabを組織や学校でも利用するケースが多く、何百万人もの学生がColabを利用して、Pythonプログラミングや機械学習を学んでいます。

【参考】：[Colaboratory へようこそ](https://colab.research.google.com/?hl=ja)
【参考】：[jupyter](https://jupyter.org/)

Pythonとは？人気の理由と基本知識をわかりやすく解説！

通常Pythonを利用するには、PCなどに環境をセットアップする必要があります。Pythonの得意とする機械学習やデータ分析では関連するライブラリも必要となり、追加セットアップを要します。

*Google Colabでは、ウェブブラウザで操作するため、上記のような煩雑な作業から解放されます。*そのため、機械学習やデータ分析にそのまま利用できるほか、教育用途にも活用することができます。画像生成やAIイラストなどにも応用できます。

さらにCPUなどの追加リソースも提供されますので、環境セットアップの経験がない人でも特別な設定なしに利用することができます。

Google Colabは、Googleアカウントのみで利用可能で、追加料金が発生しません。GPUの利用も無料で提供されますので、まず試してみたい場合には、Colabを使ってみるのが良いでしょう。

【参考】：[Colaboratory へようこそ](https://colab.research.google.com/?hl=ja)

Pythonと機械学習を学んでAI時代に対応できるエンジニアに

Pythonによるデータ分析：入門情報から資格取得まで解説！

*Google Colabの制限事項としては、リソース確保が保証されるわけではない点が挙げられます。*つまり無料で無制限に使用することができず、特にGPUに関しては高価であるためアクセス制限が設けられています。利用時に制限を受けるいわゆる「GPUガチャ」的な状況が生じる場合があります。

無料会員と有料会員では制約条件に違いがあり、商用利用などリソースを多く使用する場合は、「Colab Pro」のプランが推奨されています。データの管理やクッキーの扱いなど、安全性についてもクラウドサービス同様の考慮が必要です。詳細は以下のリンク先の情報をご確認ください。

【参考】：[Google Colaboratory よくある質問](https://research.google.com/colaboratory/faq.html)
【参考】：[Google Colaboratory リソース制限](https://research.google.com/colaboratory/faq.html#resource-limits)
【参考】：[最適な Colab のプランを選択する](http://colab.research.google.com/signup?utm_source=faq&utm_medium=link&utm_campaign=seems_too_good)
【参考】：[Colab 有料サービス追加利用規約](https://research.google.com/colaboratory/intl/ja/tos_v4.html)

## Google Colab搭載のAIコーディング機能とは

AIコーディング機能とは、AIによるコーディング支援の機能を表します。コーディングは、プログラム開発で必要なプログラムコードを作成することです。生成AIは、自然言語の解釈や生成を行うことができます。その特徴をプログラム開発に適用し、コード補完機能や、コード生成機能を実装します。

*Colabでも、これらのコード補完やコード生成の機能を搭載し、コード支援のチャットボットも導入される見込みです。*

【参考】：[Google Cloud Blog: At Google I/O, generative AI gets to work](https://cloud.google.com/blog/products/ai-machine-learning/google-cloud-at-io-2023?hl=en)

*Codeyとは、PaLM 2をベースとするコードモデルを指します。*PaLM 2は、推論・多言語処理・コーディングを強化した大規模言語モデル（LLM）で、CodeyはPaLM 2のコーディング機能を調整したものです。

Colabでの生成AI機能のロールアウトは、今後数ヶ月の間に徐々に展開され米国から他の地域へ拡大を予定しています。

*PaLM 2とは、Googleの開発する次世代の大規模言語モデルを指します。*PaLM 2 では、従来のPaLMと比べて推論機能や多言語処理、コーディング機能が強化されています。Googleは、大規模言語モデルPaLMの最新版であるPaLM 2を、順次自社製品やサービスへの導入を進めています。

【参考】：[PaLM 2](https://ai.google/discover/palm2)
【参考】：[Google Japan Blog: PaLM 2 のご紹介](https://japan.googleblog.com/2023/05/palm-2.html)
【参考】：[Google I/O 2023: Making AI more helpful for everyone](https://blog.google/technology/ai/google-io-2023-keynote-sundar-pichai/)

*CodeyはGoogle Colab向けにチューニングされており、得意とするPythonのコード補完やコード生成に役立てられます。*AIコーディング支援機能は統合されており、チャットボットに相談しながら進めることも可能です。Pythonと機械学習は相性が良く、Google Colabはインターネットから誰でも無償で利用することができます。

CodeyをColabに導入するに当たり、コーディングタスクのパフォーマンス向上のために、外部ソースや高品質なコードの大規模データセットで最適化を図っています。Colabで使用するCodeyのバージョンは、PythonとColabでの使用を前提に大幅なカスタマイズがされています。

### Google ColabのAIコーディング機能の効果

*Google ColabのAIコーディング機能により、プログラム開発のスピードアップ、品質向上を実感することができます。*実際のコード生成に活用できるほか、学習用途としてもColabのメリットを活かして利用することができます。

AI活用によりコードブロックから大規模開発にも利用できるようになります。AIチャットボットによるサポートを受けることもできます。

### Google ColabのAIコーディング機能の展開予定

*Google ColabのAIコーディング機能は、米国のColabユーザから開始し、順次展開を進めていきます。*米国の有料会員から始まり、無料会員へと拡大されていく予定です。

最初のリリースでは、コード生成を主目的に機能が実装されます。対象となるユーザには、ノートブックに新しい「生成」ボタンが表示され、任意のテキストプロンプトを入力することでコードを生成することができます。

有料ユーザにはオートコンプリート機能も合わせて提供されます。機能改善は、順次実施されており、将来的には他の地域へも展開をすると公表されています。

## Google ColabのAIコーディング機能は展開を待つ価値がある

Google ColabのAIコーディング機能は、米国の有料会員から無料会員へと拡大が予定されています。その後は、各地域への展開がされる見込みです。

日本の展開予定はまだ公表されていませんが、プログラム開発の効率向上は開発者のテーマでもあり、迅速なサービス化に欠かせないものです。**コード開発の期間短縮や品質向上を考えると、Google ColabのAIコーディング機能は十分に期待できるものととらえて良いでしょう。**

Googleは2023年5月17日、Google ColabにAIコーディング機能を搭載すると発表しました。機能の実装には、PaLM 2ベースの「Codey」が用いられます。ここでは、搭載されるAIコーディング機能の概要や搭載効果、今後の展開予定を解説します。

Google Colabに追加されるAIコーディング機能は、PaLM 2ベースの「Codey」が用いられます

CodeyはPaLM 2をベースとするコードモデルで、Google Colab向けにチューニングされています

Colabが得意とするPythonのコード補完やコード生成、チャットボット機能が搭載予定です

Google ColabにAIコーディング機能を追加！概要と予定を解説

**GitLabは2023年5月22日、AIを活用したDevSecOpsプラットフォームのGitLab 16をリリースしました。**GitLab 16では、セキュリティ・コンプライアンス・AI/ML・バリューストリーム分析などの機能を搭載し、ソフトウェア開発ライフサイクルの迅速化を可能にするものです。

【参考】：[GitLab Announces AI-Powered DevSecOps Platform With GitLab 16](https://about.gitlab.com/press/releases/2023-05-22-gitlab-16-announces-ai-powered-devsecops-platform.html)

*GitLabとは、GitLab社が提供するソフトウェア開発統合プラットフォームを表します。*GitLabは、社名であり提供するサービス名でもあります。主に、ソフトウェアリポジトリなどの開発・運用向けサービスを提供していますが、企業向けにセキュリティ面のプロセス自動化を推進することを目的としています。

Gitとは？GitHubとの違いやメリットをわかりやすく解説！

*GitLabが提供するサービスである統合プラットフォームは、DevSecOpsのソフトウェア開発ライフサイクルをサポートします。*DevSecOpsとは、従来のDevOpsの開発（Development）・運用（Operation）手法に、セキュリティ（Security）の手法を追加したものです。

ソフトウェア開発のライフサイクルにおいて、セキュリティの考え方を全員が共有しソフトウェアの安全性を確保するとともに、開発プロセスを自動化することで、ソフトウェア開発の生産性向上をに役立てることができます。

*GitLabのサービス提供形態は、（1）「GitLab.com」というGitLabがホストするSaaSを利用する形態、（2）「セルフマネージド」というオンプレミスやクラウドにインストールする形態の、2種類があります。*それぞれ、「Free」「Premium」「Ultimate」の3つの料金プランに対応します。

同一料金プランを比較すると、「GitLab.com」と「セルフマネージド」には大きな提供機能に違いは見当たりません。「GitLab.com」のSaaSのCIの実行時間は、料金プランによって制限が異なります。

【参考】：[GitLab SaaS (GitLab.com) | 機能比較](https://www.gitlab.jp/pricing/gitlab-com/feature-comparison/)
【参考】：[GitLab セルフマネージド | 機能比較](https://www.gitlab.jp/pricing/self-managed/feature-comparison/)

GitLabの料金プランは以下の3通りです。料金プランに応じて機能が追加提供されます。

・*Freeプラン*
無料プランとして提供されます。コミュニティベースのサポートで、通常のアプリケーション開発におけるビルド・デプロイ・実行に対応します。

・*Premiumプラン*
複数のプロジェクトをカバーし、高度なDevOpsサポートが可能です。1ユーザあたり月額29USドルが発生します。

・*Ultimateプラン*
企業が求めるセキュリティ・リスク・コンプライアンスを管理し、ビジネス利用を加速します。1ユーザあたり月額99USドルが発生します。

日本においては、国内正規代理店のクリエーションライン社から日本語の有償サポートを受けることも可能です。

【参考】：[GitLab: 料金](https://www.gitlab.jp/pricing/)
【参考】：[クリエーションライン GitLab 料金](https://www.creationline.com/gitlab/pricing)

*GitLabのリリースは、毎月行われています。*これまでを見ると、過去140ヶ月連続で毎月22日にリリースされています。また、機能はDevSecOpsのライフサイクルごとに、Plan・Create・Verify・Secure・Package・Deploy・Monitor・Governの工程に合わせて開発提供されます。

【参考】：[GitLab releases](https://about.gitlab.com/releases/)

*今後のリリース予定は、7月の16.2から10月の16.5まで明らかにされています。*リリース日は毎月22日です。リリース予定も、Plan・Create・Verify・Secure・Package・Deploy・Monitor・Governの工程に合わせて情報が開示されます。

【参考】：[GitLab upcoming releases](https://about.gitlab.com/upcoming-releases/)

*GitLab 16のリリースには、DevSecOpsプラットフォームの新機能と、GitLabが今後1年を通してリリース予定の機能が含まれます。*GitLab 16では、現行計画する機能に加え、今後登場するAI搭載機能「Refactor This Code」「Resolve This Vulnerability」がリリースに加わります。

現行予定する機能には、コードサジェスト「Code Suggestions」、コード説明「Explain This Code」、脆弱性の説明「Explain This Vulnerability」、バリューストリーム予測「Value Stream Forecasting」、推奨レビュアー「Suggested Reviewers」などが含まれます。

加えて、バリューストリームダッシュボード「Value Stream Dashboards」、集中ポリシー管理「Centralized Policy Management」、「GitLab Dedicated」の一般提供を進めていきます。これにより、GitLabの効率性やセキュリティ・コンプライアンスの更なる向上が期待できます。

リリースされた新機能は、定期的にGitLab SaaS（GitLab.com）に反映されます。セルフマネージドには毎月22日にパッケージが用意されます。

【参考】：[GitLab Announces AI-Powered DevSecOps Platform With GitLab 16](https://about.gitlab.com/press/releases/2023-05-22-gitlab-16-announces-ai-powered-devsecops-platform.html)
【参考】：[GitLab 16.0](https://gitlab.com/gitlab-org/gitlab/-/releases?_gl=1*j73c3a*_ga*MTMzOTEzNDEzNS4xNjg2NTI5Nzcy*_ga_ENFH3X7M5Y*MTY4Njg3NTIzMi4xMC4xLjE2ODY4NzgxNDUuMC4wLjA.)
【参考】：[Available now on GitLab](https://about.gitlab.com/releases/gitlab-com/)

*GitLab 16では、AIを活用した機能追加が今後も予定されています。*「Code Suggestions」では、より良いコードをより速く、より効率的に書くことが可能となります。AIをDevSecOpsプラットフォームに搭載し、セキュリティテストや分析、プロアクティブな脆弱性検出などを可能としていきます。

企業での利用においては、知的財産の保護をAI活用によってより強固にしていきます。

AI搭載の機能には、「Suggested Reviewers」「Explain This Code」「Explain This Vulnerability」「Value Stream Forecasting」などがあります。今後はさらに「Refactor This Code」「Resolve This Vulnerability」の投入を予定しています。

AI活用によって、DevSecOpsライフサイクル全体を通じた生産性向上が期待できます。

【参考】：[GitLab AI‑powered DevSecOps Platform](https://about.gitlab.com/solutions/ai/)

GitLab 16で搭載されるAI機能は、数多くあります。個々の機能を簡単に整理しておきます。

・*Code Suggestions*
AIベースのいわゆるコードサジェスト機能です。入力中にコードの候補を表示することで、より効率的にコードを書くことが可能です。

・*Suggested Reviewers*
マージリクエストをレビューする適切な人を自動的に見つけることができます。これにより、より迅速に、より質の高いレビューを受けることができます。

・*Value Stream Forecasting*
ワークストリームを可視化するツールです。生産性に関する指標を予測し、ソフトウェア開発ライフサイクル全般の異常を特定し、最適化を図ります。

・*Summarize Issue Comments*
長時間の会話から問題の有無を要約します。全員が同じ考えや視点に素早く立ち、作業効率の改善を果たします。

・*Summarize Proposed Merge Request Changes*
要約を作成し、変更の影響を効率的に伝えます。マージ要求の作成者の意図と整合性を持つ行動を速やかに実行できるようにします。

・*Explain This Vulnerability*
開発者がより効率的に脆弱性を修正できるように情報を伝えます。開発者がスキルを向上させることで、より安全なコードを書くことができるようにします。

・*Summarize Merge Request Review*
作者とレビュアーの間でより良い情報の受け渡しを可能にします。マージリクエストの提案を効率的に理解できるように、レビュアーをサポートします。

・*Generate Tests in Merge Requests*
繰り返し作業を自動化することで、バグの早期発見をサポートします。

・*GitLab Chat*
ドキュメントのような大量のテキストデータから、有益な情報を素早く特定するのに有効です。

・*Explain This Code*
ソースコードを説明することで、素早く理解し作業に取り掛かれるようにします。

## GitLab 16のリリースは続きます

GitLabでは、毎月最新版をリリースしており、機能追加や改善を進めています。実験的な機能リリースから正式リリースまで、段階を設けています。提供に向けた計画は開示されており、有効な開発プラットフォームとして重要な役割を持っています。

**GitLab 16は、AIの有効活用によりソフトウェア開発ライフサイクル全体の生産性向上が期待でき、リリース機能を開発工程に活用するのが良いでしょう。**

GitHubとは？メリットや使い方、Gitとの違いも徹底解説！

Git Bashとは？WindowsのLinuxツールを解説！

2023年5月22日、AIを活用したDevSecOpsプラットフォームの「GitLab 16」がリリースされました。AI機能を追加し、ソフトウェア開発ライフサイクルの迅速化を可能にします。ここでは、GitLab 16の概要からリリース内容まで解説していきます。

GitLabは、GitLab社が提供するソフトウェア開発統合プラットフォームです

主に、ソフトウェアリポジトリなどに利用されており、AI機能の追加が進んでいます

今後もAI機能を中心に、毎月22日のリリースを進め、DevSecOps全体の生産性向上に努めます

GitLab 16がリリース！概要からリリース内容まで解説

## 「GitHub Copilot X」が発表された

2023年3月23日、GitHubは「GitHub Copilot X」を発表しました。およそ2年前にリリースした「 GitHub Copilot」を改良し進化させたものです。

具体的には、**OpenAIのGPT-4（Generative Pre-trained Transformer 4）を採用し、チャットと音声機能が組み込まれ、プロジェクトのあらゆる場面でAIが利用可能になります。**

GitHubは、リサーチプロジェクトを「GitHub Next」としてまとめており、「GitHub Copilot X」はそれぞれのプロジェクト単位で公開されます。

【参考】：[GitHub Copilot X：AIを搭載した開発者体験](https://github.blog/jp/2023-03-23-github-copilot-x-the-ai-powered-developer-experience/)
【参考】：[GitHub: Introducing GitHub Copilot X](https://github.com/features/preview/copilot-x)
【参考】：[GitHub: GitHub Next](https://githubnext.com/)

GitHub Copilot Xの「X」は、コードの保管からワークフローの拡張へと製品が広がる用途へ対応する可能性を持つプレースホルダー（仮置きした名称）を意味します。*「X」は適用領域に応じて使い分けできるので、AI自体における開発へのコミットメントを表すものとして用いられています。*

【参考】：[GitHub: Introducing GitHub Copilot X](https://github.com/features/preview/copilot-x)

*GitHub Copilotとは、OpenAIのGPT-3を改良したテキスト生成の言語モデル：「OpenAI Codex」を利用するコード生成・変換を得意とするプログラマー支援ツールを指します。*GitHubとOpenAIにより開発されました。

GitHub Copilotに対して、コードを書いたりコードにさせたいことをコメントとして伝えたりすることで、必要となる候補を提示してくれます。AIを活用したペアプログラミングを行うことができます。また、日本語のコメントも処理できることが確認できています。

【参考】：[GitHub Docs](https://docs.github.com/ja/copilot)
【参考】：[GitHub Copilot](https://github.com/features/copilot/)

AIペアプログラマー「GitHub Copilot」の使い方や導入メリットを徹底解説！

### GitHub Copilot Xを利用するには

GitHub Copilot Xは、テクニカルプレビューとして利用することができます。**利用するには公式サイトでの利用登録が必要です。**その際、ウェイティングリストに登録して利用登録完了を待たなければならないため、いつから使えるのか疑問に思う場合は、すぐにウェイティングリストに登録するのが良いでしょう。

なおウェイティングリストに登録できるのは、GitHub Copilotの有効なサブスクリプションを持つ方に限定されています。

【参考】：[GitHub Copilot X：AIを搭載した開発者体験](https://github.blog/jp/2023-03-23-github-copilot-x-the-ai-powered-developer-experience/)
【参考】：[GitHub: Introducing GitHub Copilot X](https://github.com/features/preview/copilot-x)
【参考】：[Join the GitHub Copilot chat Waitlist](https://github.com/github-copilot/chat_waitlist_signup)

*GitHub Copilot Xは、テクニカルプレビューとして利用が始まったばかりです。*まだサブスクリプションが設定されていません。そもそもGitHub Copilot Xは、そのままGitHub Copilotの製品としての位置付けではなく、将来のビジョンを表現したものと説明されています。

テクニカルプレビューを通じて製品化と提供方法を検討していくとしています。

ベースとなるGitHub Copilotは、2021年6月にテクニカルプレビューが始まり、2022年6月から個人向けサブスクリプションが開始されています。個人向けとビジネス向けがあり、個人向け価格は月当たり10USドル、または年あたり100USドルから選択できます。

学生・教師・オープンソースの保守担当者の場合は、無料サブスクリプションが利用できます。

【参考】：[GitHub Copilot の課金について](https://docs.github.com/ja/billing/managing-billing-for-github-copilot/about-billing-for-github-copilot)
【参考】：[GitHub: Pricing](https://github.com/pricing)

GitHub Copilot Xは、前述の通りテクニカルプレビューとして提供されるため利用登録が必要です。**1つのウェイティングリストに登録するだけではすべてを利用できないため、それぞれ登録が必要です。**

GitHub Copilotの有効なサブスクリプションを持つ方に限定されていますので、先行してGitHub Copilotのサブスクリプションを取得しておくと良いでしょう。

【参考】：[GitHub Copilot X：AIを搭載した開発者体験](https://github.blog/jp/2023-03-23-github-copilot-x-the-ai-powered-developer-experience/)
【参考】：[GitHub: Introducing GitHub Copilot X](https://github.com/features/preview/copilot-x)
【参考】：[GitHub: The latest GitHub previews](https://github.com/features/preview)

ここからは、具体的に提供されるGitHub Copilot Xの各機能について解説していきます。

*「GitHub Copilot Chat」は、開発環境にフォーカスしたチャットインターフェースです。*統合開発環境（IDE）と連携し、コードブロックの分析やユニットテストの生成、バグの修正提案なども可能です。音声ベースのコード支援ツールである「GitHub Copilot Voice」も今後搭載する予定です。

「GitHub Copilot Chat」は、OpenAIとMicrosoftがChatGPTや「新しいBing」で進めた作業をベースに構築されます。そのため、テクニカルプレビューはVS（Visual Studio）またはVSCodeのユーザー向けに提供されます。

【参考】：[GitHub Copilot chatへのウェイティングリスト登録](https://github.com/github-copilot/chat_waitlist_signup/join)
【参考】：[GitHub Copilot Voice](https://githubnext.com/projects/copilot-voice/)
【参考】：[GitHub Copilot Voiceへのウェイティングリスト登録](https://githubnext.com/projects/copilot-voice/)

IDEとは？詳細やメリット、おすすめのIDEを紹介します！

新しいBingのリリース！AIを活用した検索サービスの登場

*「GitHub Copilot for Pull Requests」は、GitHub上のPull Requestに対してAIによる説明を追加する機能です。*使われるAIには、OpenAIの最新のGPT-4が使われています。

「GitHub Copilot for Pull Requests」のプレビューに参加するには、組織の管理者または個人のリポジトリ所有者である必要があります。GitHub Appを通じて、Pull Requestにタグを埋め込むことで、AIによる説明が追加され、管理者やリポジトリオーナーがその提案された説明を確認したり、修正したりすることができます。

【参考】：[Copilot for Pull Requests](https://githubnext.com/projects/copilot-for-pull-requests)
【参考】：[GitHub Copilot for Pull Requestsへのリポジトリ登録](https://copilot4prs.githubnext.com/login)

*「GitHub Copilot for Docs」は、ドキュメントに関する質問についてAIが生成した回答を提供するチャットインターフェースです。*現在は実験的なツールの扱いのため、GitHub、React、Azure、MDNのドキュメントのみがサポートされています。プレビューに必要な前提条件はありません。

【参考】：[GitHub Copilot for Docsへのウェイティングリスト登録](https://githubnext.com/projects/copilot-for-docs)

Reactの将来性はVue超え？できることやメリット・デメリットも解説

クラウドエンジニアを目指す方必見！Azureを分かりやすく紹介！

*「GitHub Copilot for CLI」は、コマンドラインで使用するコマンドの構文や使い方について開発者をサポートするCLI（Command Line Interface）の提案を行います。*プレビューに必要な前提条件はありません。

【参考】：[GitHub Copilot for CLIへのウェイティングリスト登録](https://githubnext.com/projects/copilot-cli/)

## GitHub Copilot Xは開発生産性を高めます

GitHub Copilot Xは、OpenAIのGPT-4を採用しています。GPT-4は、話題の自然言語処理が可能なAIの言語モデルです。日本語の扱いも可能ですので、今後はテキストのキーボード入力のみならず、音声認識を用いたプログラミングも可能になるでしょう。

このように、**今後急速にAI活用が進むと考えられるため、コード開発においても情報のキャッチアップをしておくことをおすすめします。**

ChatGPTとは？今話題のAIチャットボットの概要や仕組みを解説！

ChatGPTの使い方とは？実際に使用するまでの流れを解説！

GitHubは2023年3月23日、「GitHub Copilot X」をテクニカルプレビューとしてリリースしました。「 GitHub Copilot」を進化させて提供を開始します。ここでは、「GitHub Copilot X」を構成するそれぞれの機能を紹介していきます。

GitHubは3月23日、OpenAIのGPT-4を採用した「GitHub Copilot X」を発表しました

機能別にテクニカルプレビューとして提供され、今後の製品化と提供方法が検討されます

GitHubは、「GitHub Next」としてリサーチプロジェクトを定義し、開発生産性を高める予定です

「GitHub Copilot X」が発表！開発者を支える新技術

**Dockerfileとは、Dockerイメージを作成するための手順書を指します。**ファイルはテキスト形式ですので、構文に従い手順を記述していきます。ここでは、概要からDockerイメージのビルドに必要な命令や構文を解説していきます。

【参考】：[Docker ドキュメント日本語化プロジェクト](https://docs.docker.jp/)
【参考】：[Docker](https://www.docker.com/)

*Dockerとは、仮想化実行環境を実現するプラットフォームソリューションを指します。*Dockerの特徴は、実行環境をイメージとして登録できることです。同一のイメージを利用することで、繰り返し行うシステム導入作業が自動化され、システムの複製や管理を効率的に行うことができます。

【参考】：[Docker](https://www.docker.com/)

Dockerとは？使いどころやメリット・デメリットについて解説！

Dockerfileは、Dockerイメージを作成するための手順書ですが、自動化のための設計図とも言えます。*ファイルはテキスト形式ですので、作成や編集管理が簡単です。*ファイルとして保存できるため、問題発生時の対処をスムーズに行うことができます。

Dockerfileはレイヤー化されており、ベースのイメージを用いて追記していくことが可能です。Dockerコンテナ全体から見ると、変更管理もしやすく自動化に適しています。バージョンアップにも対応可能ですので、作成方法を覚えておくのが良いでしょう。

*Docker Composeとは、複数のコンテナを定義し実行するツールを指します。*YAML形式のファイルを用いて、アプリケーションサービスの生成や起動が効率的に行うことができます。

コマンド1つで、本番稼働のワークフローを効率化することが可能です。大規模で複雑な運用を行う場合に、効率的なワークフローを実現します。 

Docker Composeに必要なのは、Dockerfileとdocker-compose.ymlです。Dockerfileとの直接的な違いは、YAMLファイルが追加で必要となる点です。それだけで、ライフサイクルで求められるサービスの生成から起動、管理まで対応します。

【参考】：[Overview of Docker Compose](https://docs.docker.com/compose/)

冒頭にDockerfileの役割を理解するために、*Dockerの運用に関係する一連の流れを整理しておきます。*次の図をご覧ください。

~~【図】：Docker運用におけるイメージの格納から活用まで~~

プラットフォームの記事（7ページ目）