डीपमाइंड, आर्टिफिशियल इंटेलिजेंस के क्षेत्र में अपने विकास के लिए जाना जाता है और मानव स्तर पर कंप्यूटर और बोर्ड गेम खेलने में सक्षम तंत्रिका नेटवर्क का निर्माण, हाल ही में अनावरण किया गया अल्फाकोड परियोजना जो वर्णन करता है कि कैसे कोड जनरेशन के लिए मशीन लर्निंग सिस्टम कि आप कोडफोर्स प्लेटफॉर्म पर प्रोग्रामिंग प्रतियोगिताओं में भाग ले सकते हैं और औसत परिणाम प्रदर्शित कर सकते हैं।
यह उल्लेख किया गया है कि परियोजना "ट्रांसफॉर्मर" तंत्रिका नेटवर्क वास्तुकला का उपयोग करता है प्राकृतिक भाषा पाठ के अनुरूप विभिन्न अप्रत्याशित कोड वेरिएंट उत्पन्न करने के लिए अन्य नमूनाकरण और फ़िल्टरिंग विधियों के संयोजन में।
तरीका यह कैसे काम करता है अल्फा (ओड) फ़िल्टरिंग, ग्रुपिंग और सॉर्टिंग पर आधारित है, जिसके बाद यह विकल्पों की उत्पन्न स्ट्रीम से सबसे इष्टतम कार्य कोड का चयन करने के लिए आगे बढ़ता है, जिसे तब यह सुनिश्चित करने के लिए जांचा जाता है कि सही परिणाम प्राप्त हुआ है (प्रतियोगिता के प्रत्येक कार्य में, का एक उदाहरण इनपुट डेटा और एक संबंधित परिणाम) इस उदाहरण के लिए, जो कार्यक्रम के निष्पादन के बाद प्राप्त किया जाना चाहिए)।
हम अल्फाकोड का विस्तार करते हैं, जो अभूतपूर्व पैमाने पर कोड उत्पन्न करने के लिए ट्रांसफॉर्मर-आधारित भाषा मॉडल का उपयोग करता है, फिर होनहार कार्यक्रमों के एक छोटे से सेट को समझदारी से फ़िल्टर करता है।
हम कोडफोर्स पर आयोजित प्रतियोगिताओं का उपयोग करके अपने प्रदर्शन को मान्य करते हैं, एक लोकप्रिय मंच जो नियमित प्रतियोगिताओं की मेजबानी करता है जो दुनिया भर से हजारों प्रवेशकों को आकर्षित करता है जो अपने कोडिंग कौशल का परीक्षण करने आते हैं। हमने मूल्यांकन के लिए हाल ही में 10 प्रतियोगिताओं का चयन किया, जिनमें से प्रत्येक हमारे प्रशिक्षण डेटा से नई थी। अल्फाकोड औसत प्रतियोगी के साथ लगभग स्तर का था, पहली बार एआई कोड जनरेशन सिस्टम प्रोग्रामिंग प्रतियोगिताओं में प्रदर्शन के प्रतिस्पर्धी स्तर तक पहुंच गया है।
अनुमानित प्रणाली प्रशिक्षण के लिए यंत्र अधिगम, यह हाइलाइट किया गया है कि सार्वजनिक GitHub रिपॉजिटरी में उपलब्ध बेस कोड का उपयोग किया गया था. प्रारंभिक मॉडल तैयार करने के बाद, कोडफोर्स, कोडशेफ, हैकरअर्थ, एटकोडर और आइज़ू प्रतियोगिताओं के प्रतिभागियों को दी जाने वाली समस्याओं और समाधानों के उदाहरणों के साथ कोड के संग्रह के आधार पर एक अनुकूलन चरण किया गया था।
कुल मिलाकर, AlphaCode के गठन के लिए 715 जीबी गिटहब कोड का इस्तेमाल किया गया और प्रतियोगिता की विशिष्ट समस्याओं के समाधान के एक लाख से अधिक उदाहरण। कोड जनरेशन के लिए आगे बढ़ने से पहले, कार्य का पाठ सामान्यीकरण चरण के माध्यम से चला गया, जिसमें सब कुछ फालतू को बाहर रखा गया था और केवल महत्वपूर्ण भाग ही रह गए थे।
सिस्टम का परीक्षण करने के लिए, मशीन लर्निंग मॉडल के प्रशिक्षण को पूरा करने के बाद 10 से अधिक प्रतिभागियों के साथ 5.000 नए कोडफोर्स प्रतियोगिता का चयन किया गया था।
मैं सुरक्षित रूप से कह सकता हूं कि AlphaCode के परिणाम मेरी अपेक्षाओं को पार कर गए। मुझे संदेह था क्योंकि साधारण प्रतिस्पर्धी समस्याओं में भी, अक्सर न केवल एल्गोरिथम को लागू करने की आवश्यकता होती है, बल्कि इसका आविष्कार करने के लिए (और यह सबसे कठिन हिस्सा है)। AlphaCode एक होनहार नए प्रतियोगी के स्तर पर प्रदर्शन करने में कामयाब रहा। मैं यह देखने के लिए इंतजार नहीं कर सकता कि क्या आना है!
माइक मिर्जायानोव
कोडफोर्स के संस्थापक
अनुमत कार्य के परिणाम अल्फाकोड सिस्टम में प्रवेश करने के लिए लगभग इन प्रतियोगिताओं की योग्यता के बीच में (54,3%)। अल्फाकोड का अनुमानित कुल स्कोर 1238 अंक था, जो पिछले 28 महीनों में कम से कम एक बार प्रतियोगिताओं में भाग लेने वाले सभी कोडफोर्स प्रतिभागियों के बीच शीर्ष 6% में प्रवेश की गारंटी देता है।
यह ध्यान दिया जाना चाहिए कि यह देखा गया है कि परियोजना अभी भी विकास के प्रारंभिक चरण में है और भविष्य में इसे उत्पन्न कोड की गुणवत्ता में सुधार करने की योजना है, साथ ही सिस्टम के लिए अल्फा-ओड विकसित करने के लिए जो कोड लिखने में मदद करते हैं, या अनुप्रयोग विकास उपकरण जिनका प्रोग्रामिंग कौशल के बिना लोग उपयोग कर सकते हैं।
अंत में यदि आप इसके बारे में अधिक जानने में रुचि रखते हैं, आपको पता होना चाहिए कि एक प्रमुख विकास विशेषता पायथन या सी ++ में कोड उत्पन्न करने की क्षमता है, पाठ इनपुट के रूप में अंग्रेजी में समस्या का विवरण लेना।
आप विवरण की जांच कर सकते हैं निम्नलिखित लिंक में