अल्फा कोड, कोड जनरेशन AI

डीपमाइंड, आर्टिफिशियल इंटेलिजन्सच्या क्षेत्रातील प्रगतीसाठी ओळखले जाते आणि मानवी स्तरावर संगणक आणि बोर्ड गेम खेळण्यास सक्षम न्यूरल नेटवर्क तयार करणे, अलीकडेच अनावरण केले गेले अल्फाकोड प्रकल्प जे कसे वर्णन करते कोड निर्मितीसाठी मशीन शिक्षण प्रणाली की तुम्ही Codeforces प्लॅटफॉर्मवर प्रोग्रामिंग स्पर्धांमध्ये भाग घेऊ शकता आणि सरासरी निकाल प्रदर्शित करू शकता.

प्रकल्पाचा उल्लेख आहे "ट्रान्सफॉर्मर" न्यूरल नेटवर्क आर्किटेक्चर वापरते नैसर्गिक भाषेतील मजकुराशी संबंधित विविध अप्रत्याशित कोड रूपे निर्माण करण्यासाठी इतर सॅम्पलिंग आणि फिल्टरिंग पद्धतींच्या संयोजनात.

ते कसे कार्य करते पद्धत अल्फा कोड फिल्टरिंग, ग्रुपिंग आणि सॉर्टिंग यावर आधारित आहे, त्यानंतर ते पर्यायांच्या व्युत्पन्न प्रवाहातून सर्वात इष्टतम कार्य कोड निवडण्यासाठी पुढे जाते, जे नंतर योग्य परिणाम प्राप्त झाले आहे याची खात्री करण्यासाठी तपासले जाते (स्पर्धेच्या प्रत्येक कार्यामध्ये, याचे उदाहरण इनपुट डेटा आणि संबंधित परिणाम) या उदाहरणासाठी, जे प्रोग्रामच्या अंमलबजावणीनंतर प्राप्त केले जावे).

आम्ही अल्फाकोडचे तपशीलवार वर्णन करतो, जे अभूतपूर्व प्रमाणात कोड निर्माण करण्यासाठी ट्रान्सफॉर्मर-आधारित भाषा मॉडेल्स वापरतात, नंतर हुशारीने आशादायक प्रोग्राम्सचा एक छोटा संच फिल्टर करते.

आम्ही Codeforces वर आयोजित केलेल्या स्पर्धांचा वापर करून आमचे कार्यप्रदर्शन प्रमाणित करतो, एक लोकप्रिय व्यासपीठ जे नियमित स्पर्धांचे आयोजन करते ज्यात जगभरातून हजारो प्रवेशकर्ते आकर्षित होतात जे त्यांच्या कोडिंग कौशल्याची चाचणी घेण्यासाठी येतात. आम्ही मूल्यमापनासाठी अलीकडील 10 स्पर्धा निवडल्या, त्या प्रत्येक आमच्या प्रशिक्षण डेटापेक्षा नवीन आहेत. AlphaCode सरासरी स्पर्धकाच्या बरोबरीने होते, जे पहिल्यांदाच एआय कोड जनरेशन सिस्टमने प्रोग्रामिंग स्पर्धांमध्ये कामगिरीच्या स्पर्धात्मक पातळीवर पोहोचल्याचे चिन्हांकित केले.

अंदाजे सिस्टम प्रशिक्षणासाठी मशीन लर्निंग, हे हायलाइट केले आहे की सार्वजनिक GitHub भांडारांमध्ये उपलब्ध बेस कोड वापरला गेला होता. प्रारंभिक मॉडेल तयार केल्यानंतर, कोडफोर्सेस, कोडशेफ, हॅकरअर्थ, एटकोडर आणि आयझू स्पर्धांमधील सहभागींना ऑफर केलेल्या समस्या आणि उपायांच्या उदाहरणांसह कोडच्या संकलनावर आधारित ऑप्टिमायझेशन टप्पा पार पाडला गेला.

एकूण, अल्फाकोडच्या निर्मितीसाठी 715 GB GitHub कोड वापरला आणि स्पर्धेच्या ठराविक समस्यांच्या निराकरणाची दशलक्षाहून अधिक उदाहरणे. कोड जनरेशनवर जाण्यापूर्वी, कार्याचा मजकूर सामान्यीकरणाच्या टप्प्यातून गेला, ज्यामध्ये अनावश्यक सर्वकाही वगळण्यात आले आणि केवळ महत्त्वपूर्ण भाग राहिले.

प्रणालीची चाचणी घेण्यासाठी, 10 हून अधिक सहभागींसह 5.000 नवीन Codeforces स्पर्धा निवडल्या गेल्या, ज्या मशीन लर्निंग मॉडेलचे प्रशिक्षण पूर्ण केल्यानंतर आयोजित केल्या गेल्या.

मी सुरक्षितपणे म्हणू शकतो की अल्फाकोडचे परिणाम माझ्या अपेक्षांपेक्षा जास्त आहेत. मी साशंक होतो कारण अगदी साध्या स्पर्धात्मक समस्यांमध्येही, अनेकदा केवळ अल्गोरिदम लागू करणे आवश्यक नसते, तर त्याचा शोध लावणे (आणि हा सर्वात कठीण भाग आहे). AlphaCode एक आशादायक नवीन प्रतिस्पर्ध्याच्या स्तरावर कामगिरी करण्यात व्यवस्थापित झाले. मी काय येणार आहे हे पाहण्यासाठी प्रतीक्षा करू शकत नाही!

माइक मिर्झायानोव्ह

कोडफोर्सेसचे संस्थापक

असाइनमेंटचे परिणाम अनुमत आहेत अल्फाकोड प्रणाली प्रविष्ट करण्यासाठी अंदाजे या स्पर्धांच्या पात्रतेच्या मध्यभागी (54,3%). अल्फाकोडचा अंदाजानुसार एकूण स्कोअर १२३८ गुणांचा होता, ज्याने मागील ६ महिन्यांत किमान एकदा स्पर्धांमध्ये भाग घेतलेल्या सर्व Codeforces सहभागींमध्ये टॉप २८% मध्ये प्रवेशाची हमी दिली होती.

हे लक्षात घेतले पाहिजे की प्रकल्प अद्याप विकासाच्या सुरुवातीच्या टप्प्यात आहे आणि भविष्यात व्युत्पन्न केलेल्या कोडची गुणवत्ता सुधारण्यासाठी तसेच कोड लिहिण्यास मदत करणार्‍या सिस्टमसाठी अल्फा कोड विकसित करण्याचे नियोजित आहे, किंवा अॅप्लिकेशन डेव्हलपमेंट टूल्स जे प्रोग्रामिंग कौशल्य नसलेले लोक वापरू शकतात.

शेवटी आपल्याला त्याबद्दल अधिक जाणून घेण्यात स्वारस्य असल्यास, तुम्हाला माहित असले पाहिजे की मुख्य विकास वैशिष्ट्य म्हणजे पायथन किंवा C++ मध्ये कोड व्युत्पन्न करण्याची क्षमता, मजकूर इनपुट म्हणून इंग्रजीमध्ये समस्येचे विधान.

तुम्ही तपशील तपासू शकता पुढील लिंकवर


टिप्पणी करणारे सर्वप्रथम व्हा

आपली टिप्पणी द्या

आपला ई-मेल पत्ता प्रकाशित केला जाणार नाही. आवश्यक फील्ड चिन्हांकित केले आहेत *

*

*

  1. डेटा जबाबदार: मिगुएल Áन्गल गॅटन
  2. डेटाचा उद्देशः नियंत्रण स्पॅम, टिप्पणी व्यवस्थापन.
  3. कायदे: आपली संमती
  4. डेटा संप्रेषण: कायदेशीर बंधन वगळता डेटा तृतीय पक्षास कळविला जाणार नाही.
  5. डेटा संग्रहण: ओकेन्टस नेटवर्क (EU) द्वारा होस्ट केलेला डेटाबेस
  6. अधिकारः कोणत्याही वेळी आपण आपली माहिती मर्यादित, पुनर्प्राप्त आणि हटवू शकता.