DeepMind, terkenal dengan perkembangannya dalam bidang kecerdasan buatan dan membina rangkaian saraf yang mampu bermain komputer dan permainan papan di peringkat manusia, baru-baru ini diumumkan projek AlphaCode yang menerangkan bagaimana sistem pembelajaran mesin untuk penjanaan kod bahawa anda boleh menyertai pertandingan pengaturcaraan pada platform Codeforces dan menunjukkan keputusan purata.
Disebutkan bahawa projek itu menggunakan seni bina rangkaian saraf "Transformer". dalam kombinasi dengan kaedah pensampelan dan penapisan lain untuk menjana pelbagai variasi kod yang tidak dapat diramalkan sepadan dengan teks bahasa semula jadi.
Kaedah bagaimana ia berfungsi AlphaСode adalah berdasarkan penapisan, pengelompokan dan pengisihan, kemudiannya ia kemudiannya memilih kod kerja yang paling optimum daripada aliran pilihan yang dijana, yang kemudiannya diperiksa untuk memastikan keputusan yang betul diperolehi (dalam setiap tugasan pertandingan, contoh data input dan hasil yang sepadan) kepada contoh ini, yang sepatutnya diperolehi selepas pelaksanaan program).
Kami memperincikan AlphaCode, yang menggunakan model bahasa berasaskan pengubah untuk menjana kod pada skala yang belum pernah berlaku sebelum ini, kemudian menapis keluar set kecil program yang menjanjikan dengan bijak.
Kami mengesahkan prestasi kami menggunakan pertandingan yang dihoskan di Codeforces, platform popular yang menganjurkan pertandingan biasa yang menarik puluhan ribu peserta dari seluruh dunia yang datang untuk menguji kemahiran pengekodan mereka. Kami memilih 10 pertandingan baru-baru ini untuk penilaian, setiap satu lebih baharu daripada data latihan kami. AlphaCode secara kasarnya setaraf dengan pesaing purata, menandakan kali pertama sistem penjanaan kod AI mencapai tahap prestasi yang kompetitif dalam pertandingan pengaturcaraan.
Untuk latihan sistem anggaran pembelajaran mesin, ia diserlahkan bahawa kod asas yang tersedia dalam repositori GitHub awam telah digunakan. Selepas menyediakan model awal, fasa pengoptimuman telah dijalankan berdasarkan koleksi kod dengan contoh masalah dan penyelesaian yang ditawarkan kepada peserta pertandingan Codeforces, CodeChef, HackerEarth, AtCoder dan Aizu.
Secara keseluruhan, untuk pembentukan AlphaCode 715 GB kod GitHub digunakan dan lebih daripada sejuta contoh penyelesaian kepada masalah biasa persaingan. Sebelum meneruskan penjanaan kod, teks tugasan melalui fasa normalisasi, di mana segala-galanya yang berlebihan telah dikecualikan dan hanya bahagian penting yang tinggal.
Untuk menguji sistem, 10 pertandingan Codeforces baharu dengan lebih 5.000 peserta telah dipilih, diadakan selepas melengkapkan latihan model pembelajaran mesin.
Saya dengan selamat boleh mengatakan bahawa hasil AlphaCode melebihi jangkaan saya. Saya ragu-ragu kerana walaupun dalam masalah persaingan yang mudah, ia sering diperlukan bukan sahaja untuk melaksanakan algoritma, tetapi juga (dan ini adalah bahagian yang paling sukar) untuk menciptanya. AlphaCode berjaya menunjukkan prestasi pada tahap pesaing baharu yang menjanjikan. Saya tidak sabar untuk melihat apa yang akan datang!
MIKE MIRZAYANOV
PENGASAS CODEFORCES
Hasil tugasan dibenarkan untuk sistem AlphaCode masuk kira-kira di tengah-tengah kelayakan pertandingan ini (54,3%). Skor keseluruhan yang diramalkan AlphaCode ialah 1238 mata, menjamin kemasukan ke 28% Teratas dalam kalangan semua peserta Codeforces yang menyertai pertandingan sekurang-kurangnya sekali dalam tempoh 6 bulan yang lalu.
Perlu diingatkan bahawa projek itu masih dalam peringkat awal pembangunan dan pada masa akan datang ia dirancang untuk meningkatkan kualiti kod yang dihasilkan, serta membangunkan AlphaСode ke arah sistem yang membantu menulis kod, atau alat pembangunan aplikasi yang boleh digunakan oleh orang yang tidak mempunyai kemahiran pengaturcaraan.
Akhirnya sekiranya anda berminat untuk mengetahui lebih lanjut mengenainya, anda harus tahu bahawa ciri pembangunan utama ialah keupayaan untuk menjana kod dalam Python atau C++, mengambil sebagai input teks pernyataan masalah dalam bahasa Inggeris.
Anda boleh menyemak butiran Dalam pautan berikut.