인공지능 분야의 발전으로 유명한 딥마인드 최근 공개된 인간 수준에서 컴퓨터와 보드 게임을 할 수 있는 신경망 구축 알파코드 프로젝트 방법을 설명하는 코드 생성을 위한 머신 러닝 시스템 Codeforces 플랫폼에서 프로그래밍 대회에 참가하고 평균 결과를 시연할 수 있습니다.
프로젝트라고 언급된다. "Transformer" 신경망 아키텍처 사용 다른 샘플링 및 필터링 방법과 결합하여 자연어 텍스트에 해당하는 예측할 수 없는 다양한 코드 변형을 생성합니다.
작동 방식 알파코드 필터링, 그룹화 및 정렬을 기반으로 생성된 옵션 스트림에서 가장 최적의 작업 코드를 선택하고 올바른 결과가 얻어졌는지 확인합니다(대회의 각 작업에서 이 예제에 입력 데이터 및 해당 결과)를 입력해야 합니다. 이는 프로그램 실행 후에 얻어야 합니다.
우리는 변환기 기반 언어 모델을 사용하여 전례 없는 규모로 코드를 생성한 다음 소수의 유망한 프로그램을 지능적으로 필터링하는 AlphaCode에 대해 자세히 설명합니다.
우리는 코딩 기술을 테스트하기 위해 오는 전 세계 수만 명의 참가자를 유치하는 정기적인 대회를 주최하는 인기 있는 플랫폼인 Codeforces에서 주최하는 대회를 사용하여 성능을 검증합니다. 우리는 평가를 위해 10개의 최근 콘테스트를 선택했으며, 각각은 교육 데이터보다 최신입니다. AlphaCode는 AI 코드 생성 시스템이 프로그래밍 대회에서 처음으로 경쟁 수준의 성능에 도달한 평균적인 경쟁자와 대등한 수준이었습니다.
대략적인 시스템 교육용 기계 학습, 공개 GitHub 리포지토리에서 사용 가능한 기본 코드가 사용되었음을 강조합니다.. 초기 모델을 준비한 후 Codeforces, CodeChef, HackerEarth, AtCoder 및 Aizu 콘테스트 참가자에게 제공되는 문제 및 솔루션의 예와 함께 코드 모음을 기반으로 최적화 단계를 수행했습니다.
전체적으로 AlphaCode의 형성을 위해 715GB의 GitHub 코드 사용 그리고 경쟁의 전형적인 문제에 대한 백만 개 이상의 솔루션 예. 코드 생성을 진행하기 전에 작업 텍스트는 정규화 단계를 거쳤으며, 여기서 불필요한 것은 모두 제외하고 중요한 부분만 남게 되었습니다.
시스템을 테스트하기 위해 10명 이상의 참가자가 참여하는 5.000개의 새로운 Codeforces 대회가 선정되었으며, 기계 학습 모델 교육을 마친 후 개최되었습니다.
AlphaCode의 결과는 내 기대를 뛰어 넘었다고 자신있게 말할 수 있습니다. 단순한 경쟁 문제에서도 알고리즘을 구현하는 것뿐만 아니라 알고리즘을 발명하는 것(이것이 가장 어려운 부분이기도 함)이 필요한 경우가 많기 때문에 회의적이었습니다. AlphaCode는 유망한 새로운 경쟁자 수준에서 수행했습니다. 나는 무엇을 볼 때까지 기다릴 수 없어!
마이크 미르자야노프
코드포스의 설립자
허용된 할당 결과 AlphaCode 시스템이 입력하려면 대략 이러한 역량의 자격 중간에 (54,3%). AlphaCode의 예상 전체 점수는 1238점으로 지난 28개월 동안 대회에 한 번 이상 참가한 모든 Codeforces 참가자 중 상위 6%에 진입하는 것을 보장합니다.
프로젝트는 아직 개발 초기 단계에 있으며 앞으로 생성된 코드의 품질을 개선하고 코드 작성에 도움이 되는 시스템에 대해 AlphaСode를 개발할 계획이라는 점에 유의해야 합니다. 또는 프로그래밍 기술이 없는 사람들이 사용할 수 있는 응용 프로그램 개발 도구.
최종적으로 그것에 대해 더 많이 알고 싶다면, 주요 개발 기능은 영어로 된 문제에 대한 설명을 텍스트 입력으로 사용하여 Python 또는 C++로 코드를 생성하는 기능이라는 것을 알아야 합니다.
상세내역을 확인하실 수 있습니다 다음 링크에서.