ডিপমাইন্ড, কৃত্রিম বুদ্ধিমত্তার ক্ষেত্রে উন্নয়নের জন্য পরিচিত এবং মানব স্তরে কম্পিউটার এবং বোর্ড গেম খেলতে সক্ষম নিউরাল নেটওয়ার্ক তৈরি করা, সম্প্রতি উন্মোচন করা হয়েছে আলফাকোড প্রকল্প যা বর্ণনা করে কিভাবে কোড তৈরির জন্য একটি মেশিন লার্নিং সিস্টেম যে আপনি কোডফোর্স প্ল্যাটফর্মে প্রোগ্রামিং প্রতিযোগিতায় অংশগ্রহণ করতে পারেন এবং গড় ফলাফল প্রদর্শন করতে পারেন।
এতে প্রকল্পের কথা উল্লেখ করা হয় "ট্রান্সফরমার" নিউরাল নেটওয়ার্ক আর্কিটেকচার ব্যবহার করে অন্যান্য নমুনা এবং ফিল্টারিং পদ্ধতির সাথে সংমিশ্রণে প্রাকৃতিক ভাষার পাঠ্যের সাথে সম্পর্কিত বিভিন্ন অপ্রত্যাশিত কোড বৈকল্পিক তৈরি করতে।
পদ্ধতি এটি কিভাবে কাজ করে আলফা কোড ফিল্টারিং, গ্রুপিং এবং বাছাইয়ের উপর ভিত্তি করে, তারপরে এটি তৈরি করা বিকল্পগুলির স্ট্রীম থেকে সর্বাধিক সর্বোত্তম কার্যকরী কোড নির্বাচন করতে এগিয়ে যায়, যা সঠিক ফলাফল প্রাপ্ত হয়েছে কিনা তা নিশ্চিত করার জন্য পরীক্ষা করা হয় (প্রতিযোগিতার প্রতিটি কাজে, এর একটি উদাহরণ ইনপুট ডেটা এবং একটি সংশ্লিষ্ট ফলাফল) এই উদাহরণে, যা প্রোগ্রামটি কার্যকর করার পরে প্রাপ্ত করা উচিত)।
আমরা আলফাকোডের বিশদ বিবরণ দিই, যা অভূতপূর্ব স্কেলে কোড তৈরি করতে ট্রান্সফরমার-ভিত্তিক ভাষা মডেল ব্যবহার করে, তারপর বুদ্ধিমানের সাথে প্রতিশ্রুতিশীল প্রোগ্রামগুলির একটি ছোট সেট ফিল্টার করে।
আমরা Codeforces-এ হোস্ট করা প্রতিযোগিতাগুলি ব্যবহার করে আমাদের কর্মক্ষমতা যাচাই করি, একটি জনপ্রিয় প্ল্যাটফর্ম যা নিয়মিত প্রতিযোগিতার আয়োজন করে যা সারা বিশ্ব থেকে হাজার হাজার প্রবেশকারীদের আকর্ষণ করে যারা তাদের কোডিং দক্ষতা পরীক্ষা করতে আসে। আমরা মূল্যায়নের জন্য 10টি সাম্প্রতিক প্রতিযোগিতা নির্বাচন করেছি, প্রতিটি আমাদের প্রশিক্ষণের ডেটার চেয়ে নতুন। AlphaCode গড় প্রতিযোগীর সাথে মোটামুটি সমান ছিল, প্রথমবারের মতো একটি AI কোড জেনারেশন সিস্টেম প্রোগ্রামিং প্রতিযোগিতায় পারফরম্যান্সের একটি প্রতিযোগিতামূলক স্তরে পৌঁছেছে।
আনুমানিক সিস্টেম প্রশিক্ষণের জন্য মেশিন লার্নিং, এটা হাইলাইট করা হয়েছে যে পাবলিক গিটহাব রিপোজিটরিতে উপলব্ধ বেস কোড ব্যবহার করা হয়েছিল. প্রাথমিক মডেল প্রস্তুত করার পর, কোডফোর্স, কোডশেফ, হ্যাকারআর্থ, অ্যাটকোডার এবং আইজু প্রতিযোগিতার অংশগ্রহণকারীদের প্রস্তাবিত সমস্যা এবং সমাধানের উদাহরণ সহ কোডের সংগ্রহের উপর ভিত্তি করে একটি অপ্টিমাইজেশান পর্ব করা হয়েছিল।
মোট, আলফাকোড গঠনের জন্য 715 GB GitHub কোড ব্যবহার করা হয়েছে এবং প্রতিযোগিতার সাধারণ সমস্যার সমাধানের এক মিলিয়নেরও বেশি উদাহরণ। কোড জেনারেশনে এগিয়ে যাওয়ার আগে, টাস্কের টেক্সটটি একটি স্বাভাবিকীকরণ পর্বের মধ্য দিয়ে গিয়েছিল, যেখানে অপ্রয়োজনীয় সবকিছু বাদ দেওয়া হয়েছিল এবং শুধুমাত্র উল্লেখযোগ্য অংশগুলি অবশিষ্ট ছিল।
সিস্টেমটি পরীক্ষা করার জন্য, 10 টিরও বেশি অংশগ্রহণকারীদের সাথে 5.000টি নতুন কোডফোর্স প্রতিযোগিতা নির্বাচন করা হয়েছিল, যা মেশিন লার্নিং মডেলের প্রশিক্ষণ শেষ করার পরে অনুষ্ঠিত হয়েছিল।
আমি নিরাপদে বলতে পারি যে AlphaCode-এর ফলাফল আমার প্রত্যাশা ছাড়িয়ে গেছে। আমি সন্দিহান ছিলাম কারণ এমনকি সাধারণ প্রতিযোগিতামূলক সমস্যাগুলির মধ্যেও, এটি প্রায়শই কেবল অ্যালগরিদম বাস্তবায়নের জন্য নয়, এটি উদ্ভাবনের জন্যও (এবং এটি সবচেয়ে কঠিন অংশ) প্রয়োজন। আলফাকোড একটি প্রতিশ্রুতিশীল নতুন প্রতিযোগীর স্তরে পারফর্ম করতে পেরেছে। আমি কি আসতে হবে তা দেখতে অপেক্ষা করতে পারি না!
মাইক মির্জায়ানভ
কোডফোর্সেসের প্রতিষ্ঠাতা
অ্যাসাইনমেন্টের ফলাফল অনুমোদিত আলফাকোড সিস্টেম প্রবেশ করার জন্য প্রায় মাঝখানে এই প্রতিযোগিতার যোগ্যতা (54,3%)। AlphaCode-এর পূর্বাভাসিত সামগ্রিক স্কোর ছিল 1238 পয়েন্ট, যা গত 28 মাসে অন্তত একবার প্রতিযোগিতায় অংশগ্রহণকারী সমস্ত Codeforces অংশগ্রহণকারীদের মধ্যে শীর্ষ 6%-এ প্রবেশের নিশ্চয়তা দেয়।
এটি লক্ষ করা উচিত যে এটি লক্ষ্য করা যায় যে প্রকল্পটি এখনও বিকাশের প্রাথমিক পর্যায়ে রয়েছে এবং ভবিষ্যতে এটি তৈরি করা কোডের গুণমান উন্নত করার পাশাপাশি কোড লিখতে সহায়তা করে এমন সিস্টেমগুলির দিকে আলফাকোড বিকাশের পরিকল্পনা করা হয়েছে, বা অ্যাপ্লিকেশন ডেভেলপমেন্ট টুল যা প্রোগ্রামিং দক্ষতা ছাড়া মানুষ ব্যবহার করতে পারেন।
পরিশেষে আপনি যদি এটি সম্পর্কে আরও জানতে আগ্রহী হন, আপনার জানা উচিত যে একটি মূল উন্নয়ন বৈশিষ্ট্য হল পাইথন বা C++ এ কোড তৈরি করার ক্ষমতা, টেক্সট ইনপুট হিসাবে ইংরেজিতে সমস্যার একটি বিবৃতি নেওয়া।
আপনি বিস্তারিত চেক করতে পারেন নীচের লিঙ্কে।