DeepMind, mis on tuntud oma tehisintellekti valdkonna arenduste poolest ja hiljuti avalikustatud närvivõrkude ehitamine, mis on võimelised mängima inimtasandil arvuti- ja lauamänge projekt AlphaCode mis kirjeldab, kuidas masinõppesüsteem koodi genereerimiseks et saad Codeforcesi platvormil osaleda programmeerimisvõistlustel ja demonstreerida keskmist tulemust.
Mainitakse, et projekt kasutab "Transformaatori" närvivõrgu arhitektuuri kombineerituna teiste diskreetimis- ja filtreerimismeetoditega erinevate loomuliku keele tekstile vastavate ettearvamatute koodivariantide genereerimiseks.
Meetod, kuidas see töötab Alfakood põhineb filtreerimisel, rühmitamisel ja sortimisel, misjärel valitakse genereeritud valikute voost kõige optimaalsem töötav kood, mida seejärel kontrollitakse, et saada õige tulemus (iga võistluse ülesande juures näide sisendandmed ja vastav tulemus) sellele näitele, mis tuleks saada pärast programmi täitmist).
Me kirjeldame üksikasjalikult AlphaCode'i, mis kasutab trafopõhiseid keelemudeleid koodi loomiseks enneolematus mahus, seejärel filtreerib nutikalt välja väikese hulga paljulubavaid programme.
Kinnitame oma soorituse, kasutades võistlusi, mida korraldatakse Codeforcesis – populaarsel platvormil, mis korraldab regulaarseid võistlusi, mis meelitavad ligi kümneid tuhandeid osalejaid üle maailma, kes tulevad oma kodeerimisoskusi proovile panema. Valisime hindamiseks 10 hiljutist võistlust, millest igaüks on meie koolitusandmetest uuem. AlphaCode oli keskmise konkurendiga ligikaudu samal tasemel, mis tähistab esimest korda, kui AI-koodi genereerimise süsteem on programmeerimisvõistlustel saavutanud konkurentsivõimelise jõudluse.
Ligikaudse süsteemi väljaõppe jaoks masinõpe, rõhutatakse, et kasutati avalikes GitHubi hoidlates saadaolevat baaskoodi. Pärast esialgse mudeli koostamist viidi läbi optimeerimisetapp, mis põhines Codeforcesi, CodeChefi, HackerEarthi, AtCoderi ja Aizu võistlustel osalejatele pakutavate probleemide ja lahenduste näidetega koodikogumi põhjal.
Kokku AlphaCode'i moodustamiseks Kasutatud 715 GB GitHubi koodi ja rohkem kui miljon näidet konkursi tüüpiliste probleemide lahendustest. Enne koodi genereerimisega alustamist läbis ülesande tekst normaliseerimisfaasi, kus kõik üleliigne jäeti välja ja alles jäid vaid olulised osad.
Süsteemi testimiseks valiti välja 10 uut Codeforcesi võistlust enam kui 5.000 osalejaga, mis peeti pärast masinõppemudeli koolituse läbimist.
Võin julgelt öelda, et AlphaCode’i tulemused ületasid mu ootusi. Olin skeptiline, sest isegi lihtsate konkurentsiprobleemide puhul ei nõuta sageli mitte ainult algoritmi rakendamist, vaid ka (ja see on kõige raskem osa) selle leiutamist. AlphaCode suutis esineda paljutõotava uue konkurendi tasemel. Ma ei jõua ära oodata, et näha, mis tulemas on!
MIKE MIRZAYANOV
KOODEKSJÕUDE ASUTAJA
Ülesannete tulemused lubatud AlphaCode süsteemi sisenemiseks umbes nende võistluste kvalifikatsiooni keskel (54,3%). AlphaCode'i prognoositud üldskoor oli 1238 punkti, mis tagab pääsu Top 28% hulka kõigi Codeforcesi osalejate seas, kes osalesid võistlustel viimase 6 kuu jooksul vähemalt korra.
Tuleb märkida, et on täheldatud, et projekt on alles algstaadiumis ja et tulevikus on plaanis parandada genereeritava koodi kvaliteeti, samuti arendada AlphaСode koodi kirjutamist abistavate süsteemide suunas. või rakenduste arendustööriistu, mida saavad kasutada programmeerimisoskusteta inimesed.
Lõpuks kui olete huvitatud sellest rohkem teada saama, peaksite teadma, et peamine arendusfunktsioon on võime genereerida koodi Pythonis või C++ keeles, võttes tekstisisendiks ingliskeelse probleemiavalduse.
Saate üksikasju kontrollida Järgmisel lingil.