DeepMind, dikenal dengan perkembangannya di bidang kecerdasan buatan dan membangun jaringan saraf yang mampu memainkan komputer dan permainan papan di tingkat manusia, baru-baru ini diluncurkan proyek AlphaCode yang menjelaskan bagaimana sistem pembelajaran mesin untuk pembuatan kode bahwa Anda dapat berpartisipasi dalam kompetisi pemrograman di platform Codeforces dan menunjukkan hasil rata-rata.
Disebutkan bahwa proyek menggunakan arsitektur jaringan saraf "Transformer" dalam kombinasi dengan metode pengambilan sampel dan pemfilteran lainnya untuk menghasilkan berbagai varian kode yang tidak dapat diprediksi yang sesuai dengan teks bahasa alami.
Metode cara kerjanya AlfaСode didasarkan pada penyaringan, pengelompokan dan penyortiran, yang kemudian dilanjutkan dengan memilih kode kerja yang paling optimal dari aliran opsi yang dihasilkan, yang kemudian diperiksa untuk memastikan bahwa hasil yang benar diperoleh (dalam setiap tugas kompetisi, contoh input data dan hasil yang sesuai) untuk contoh ini, yang harus diperoleh setelah eksekusi program).
Kami merinci AlphaCode, yang menggunakan model bahasa berbasis transformator untuk menghasilkan kode pada skala yang belum pernah terjadi sebelumnya, kemudian dengan cerdas menyaring sekumpulan kecil program yang menjanjikan.
Kami memvalidasi kinerja kami menggunakan kompetisi yang diselenggarakan di Codeforces, platform populer yang menyelenggarakan kompetisi reguler yang menarik puluhan ribu peserta dari seluruh dunia yang datang untuk menguji keterampilan pengkodean mereka. Kami memilih 10 kontes terbaru untuk evaluasi, masing-masing lebih baru dari data pelatihan kami. AlphaCode secara kasar setara dengan pesaing rata-rata, menandai pertama kalinya sistem pembuatan kode AI mencapai tingkat kinerja yang kompetitif dalam kompetisi pemrograman.
Untuk perkiraan pelatihan sistem pembelajaran mesin, disorot bahwa kode dasar yang tersedia di repositori GitHub publik digunakan. Setelah mempersiapkan model awal, tahap optimasi dilakukan berdasarkan kumpulan kode dengan contoh masalah dan solusi yang ditawarkan kepada peserta kontes Codeforces, CodeChef, HackerEarth, AtCoder dan Aizu.
Secara total, untuk pembentukan AlphaCode 715 GB kode GitHub digunakan dan lebih dari satu juta contoh solusi untuk masalah khas kompetisi. Sebelum melanjutkan ke pembuatan kode, teks tugas melewati fase normalisasi, di mana segala sesuatu yang berlebihan dikeluarkan dan hanya bagian-bagian penting yang tersisa.
Untuk menguji sistem, 10 kontes Codeforces baru dengan lebih dari 5.000 peserta dipilih, diadakan setelah menyelesaikan pelatihan model pembelajaran mesin.
Saya dapat dengan aman mengatakan bahwa hasil AlphaCode melebihi harapan saya. Saya skeptis karena bahkan dalam masalah persaingan sederhana seringkali diperlukan tidak hanya untuk mengimplementasikan algoritme, tetapi juga (dan ini adalah bagian tersulit) untuk menciptakannya. AlphaCode berhasil tampil di level pesaing baru yang menjanjikan. Saya tidak sabar untuk melihat apa yang akan datang!
MIKE MIRZAYANOV
PENDIRI CODEFORCES
Hasil tugas diperbolehkan untuk sistem AlphaCode untuk masuk kira-kira di tengah kualifikasi kompetisi ini (54,3%). Prediksi skor keseluruhan AlphaCode adalah 1238 poin, menjamin masuknya 28% Teratas di antara semua peserta Codeforces yang berpartisipasi dalam kompetisi setidaknya sekali dalam 6 bulan terakhir.
Perlu dicatat bahwa proyek ini masih dalam tahap awal pengembangan dan di masa depan direncanakan untuk meningkatkan kualitas kode yang dihasilkan, serta mengembangkan AlphaСode menuju sistem yang membantu menulis kode, atau alat pengembangan aplikasi yang dapat digunakan oleh orang yang tidak memiliki keterampilan pemrograman.
Akhirnya jika Anda tertarik untuk mengetahui lebih banyak tentangnya, Anda harus tahu bahwa fitur pengembangan utama adalah kemampuan untuk menghasilkan kode dengan Python atau C++, dengan memasukkan pernyataan masalah dalam bahasa Inggris sebagai input teks.
Detailnya bisa cek Di tautan berikut.