DeepMind, cunoscut pentru evoluțiile sale în domeniul inteligenței artificiale și construirea de rețele neuronale capabile să joace jocuri pe calculator și de societate la nivel uman, recent dezvăluite proiectul AlphaCode care descrie cum un sistem de învățare automată pentru generarea de cod că poți participa la competiții de programare pe platforma Codeforces și să demonstrezi un rezultat mediu.
Se mentioneaza ca proiectul folosește arhitectura rețelei neuronale „Transformer”. în combinație cu alte metode de eșantionare și filtrare pentru a genera diverse variante de cod imprevizibile corespunzătoare textului în limbaj natural.
Metoda cum funcționează Cod alfa se bazează pe filtrare, grupare și sortare, după care se procedează apoi la selectarea celui mai optim cod de lucru din fluxul de opțiuni generat, care este apoi verificat pentru a se asigura că se obține rezultatul corect (în fiecare sarcină a competiției, un exemplu de date de intrare și un rezultat corespunzător) la acest exemplu, care ar trebui obținut după execuția programului).
Detaliem AlphaCode, care utilizează modele de limbaj bazate pe transformatoare pentru a genera cod la o scară fără precedent, apoi filtrează în mod inteligent un set mic de programe promițătoare.
Ne validăm performanța folosind competiții găzduite pe Codeforces, o platformă populară care găzduiește competiții regulate care atrag zeci de mii de participanți din întreaga lume care vin să-și testeze abilitățile de codificare. Am selectat 10 concursuri recente pentru evaluare, fiecare mai nou decât datele noastre de antrenament. AlphaCode a fost aproximativ la nivelul concurentului mediu, marcând pentru prima dată când un sistem de generare de coduri AI a atins un nivel competitiv de performanță în competițiile de programare.
Pentru instruirea aproximativă a sistemului învățare automată, se evidențiază că a fost folosit codul de bază disponibil în depozitele publice GitHub. După pregătirea modelului inițial, s-a realizat o fază de optimizare pe baza unei colecții de cod cu exemple de probleme și soluții oferite participanților la concursurile Codeforces, CodeChef, HackerEarth, AtCoder și Aizu.
În total, pentru formarea AlphaCode 715 GB de cod GitHub utilizat și mai mult de un milion de exemple de soluții la probleme tipice ale concurenței. Înainte de a trece la generarea codului, textul sarcinii a trecut printr-o fază de normalizare, în care a fost exclus tot ceea ce era de prisos și au rămas doar părțile semnificative.
Pentru a testa sistemul, au fost selectate 10 noi concursuri Codeforces cu peste 5.000 de participanți, desfășurate după finalizarea instruirii modelului de învățare automată.
Pot spune cu siguranță că rezultatele AlphaCode mi-au depășit așteptările. Eram sceptic pentru că, chiar și în probleme simple de concurență, adesea se cere nu numai implementarea algoritmului, ci și (și aceasta este partea cea mai grea) inventarea lui. AlphaCode a reușit să performeze la nivelul unui nou concurent promițător. Abia aștept să văd ce urmează!
MIKE MIRZAYANOV
FONDATORUL CODEFORCES
Rezultatele sarcinilor permise pentru ca sistemul AlphaCode să intre aproximativ la mijlocul calificării acestor concursuri (54,3%). Scorul general estimat al AlphaCode a fost de 1238 de puncte, garantând intrarea în Top 28% dintre toți participanții Codeforces care au participat la competiții cel puțin o dată în ultimele 6 luni.
De remarcat faptul că se observă că proiectul se află încă în stadiul inițial de dezvoltare și că în viitor este planificată îmbunătățirea calității codului generat, precum și dezvoltarea AlphaСode către sisteme care ajută la scrierea codului, sau instrumente de dezvoltare de aplicații pe care le pot folosi persoanele fără abilități de programare.
În cele din urmă dacă sunteți interesat să aflați mai multe despre asta, ar trebui să știți că o caracteristică cheie de dezvoltare este capacitatea de a genera cod în Python sau C++, luând ca introducere de text o declarație a problemei în limba engleză.
Puteți verifica detaliile În următorul link.