DeepMind, e njohur për zhvillimet e saj në fushën e inteligjencës artificiale dhe ndërtimi i rrjeteve nervore të afta për të luajtur lojëra kompjuterike dhe tavoline në nivel njerëzor, të zbuluar së fundmi projekti AlphaCode i cili përshkruan se si një sistem mësimi i makinerive për gjenerimin e kodit që mund të merrni pjesë në garat e programimit në platformën Codeforces dhe të demonstroni një rezultat mesatar.
Përmendet se projekti përdor arkitekturën e rrjetit nervor "Transformer". në kombinim me metoda të tjera të kampionimit dhe filtrimit për të gjeneruar variante të ndryshme kodi të paparashikueshme që korrespondojnë me tekstin e gjuhës natyrore.
Metoda se si funksionon AlfaСode bazohet në filtrimin, grupimin dhe renditjen, ku më pas vazhdon me zgjedhjen e kodit më optimal të punës nga rryma e krijuar e opsioneve, e cila më pas kontrollohet për t'u siguruar që është marrë rezultati i saktë (në secilën detyrë të konkursit, një shembull i të dhënat hyrëse dhe një rezultat përkatës) në këtë shembull, i cili duhet të merret pas ekzekutimit të programit).
Ne detajojmë AlphaCode, i cili përdor modele gjuhësore të bazuara në transformator për të gjeneruar kode në një shkallë të paprecedentë, më pas filtron në mënyrë inteligjente një grup të vogël programesh premtuese.
Ne e vërtetojmë performancën tonë duke përdorur garat e organizuara në Codeforces, një platformë popullore që pret konkurse të rregullta që tërheqin dhjetëra mijëra pjesëmarrës nga e gjithë bota që vijnë për të testuar aftësitë e tyre të kodimit. Ne zgjodhëm 10 konkurse të fundit për vlerësim, secili më i ri se të dhënat tona të trajnimit. AlphaCode ishte afërsisht në nivel me konkurrentin mesatar, duke shënuar herën e parë që një sistem gjenerimi i kodit AI ka arritur një nivel konkurrues të performancës në garat e programimit.
Për trajnimin e përafërt të sistemit mësimi i makinës, theksohet se është përdorur kodi bazë i disponueshëm në magazinat publike të GitHub. Pas përgatitjes së modelit fillestar, u krye një fazë optimizimi bazuar në një koleksion kodesh me shembuj të problemeve dhe zgjidhjeve të ofruara për pjesëmarrësit e konkurseve Codeforces, CodeChef, HackerEarth, AtCoder dhe Aizu.
Në total, për formimin e AlphaCode Përdorur 715 GB kod GitHub dhe më shumë se një milion shembuj zgjidhjesh për problemet tipike të konkurrencës. Para se të vazhdohej me gjenerimin e kodit, teksti i detyrës kaloi një fazë normalizimi, në të cilën gjithçka e tepërt u përjashtua dhe mbetën vetëm pjesët e rëndësishme.
Për të testuar sistemin, u zgjodhën 10 konkurse të reja Codeforces me më shumë se 5.000 pjesëmarrës, të mbajtura pas përfundimit të trajnimit të modelit të mësimit të makinerive.
Mund të them me siguri se rezultatet e AlphaCode i tejkaluan pritjet e mia. Unë isha skeptik sepse edhe në problemet e thjeshta konkurruese, shpesh kërkohet jo vetëm zbatimi i algoritmit, por edhe (dhe kjo është pjesa më e vështirë) për ta shpikur atë. AlphaCode arriti të performojë në nivelin e një konkurrenti të ri premtues. Mezi pres të shoh se çfarë do të vijë!
MIKE MIRZAYANOV
THEMELUESI I CODEFORCES
Rezultatet e detyrave të lejuara për të hyrë në sistemin AlphaCode afërsisht në mes të kualifikimit të këtyre garave (54,3%). Rezultati i përgjithshëm i parashikuar i AlphaCode ishte 1238 pikë, duke garantuar hyrjen në Top 28% midis të gjithë pjesëmarrësve të Codeforces që morën pjesë në gara të paktën një herë në 6 muajt e fundit.
Duhet theksuar se vihet re se projekti është ende në fazën fillestare të zhvillimit dhe se në të ardhmen është planifikuar të përmirësohet cilësia e kodit të gjeneruar, si dhe të zhvillohet AlphaСode drejt sistemeve që ndihmojnë në shkrimin e kodit. ose mjetet e zhvillimit të aplikacioneve që mund t'i përdorin njerëzit pa aftësi programimi.
Më në fund nëse jeni të interesuar të dini më shumë për të, duhet të dini se një veçori kryesore e zhvillimit është aftësia për të gjeneruar kode në Python ose C++, duke marrë si hyrje teksti një deklaratë të problemit në anglisht.
Mund të kontrolloni detajet Në lidhjen vijuese.