A cumpagnia DeepMind, cunnisciuta per i so sviluppi in u campu di l'intelligenza artificiale è a custruzzione di rete neurali capaci di ghjucà à l'urdinatore è à i ghjochi di tavulinu à u livellu umanu, hà presentatu u prughjettu AlphaCode, chì sviluppa un sistema di machine learning per a generazione di codice chì pò participà. in cuncorsi di prugrammazione nantu à a piattaforma Codeforces è dimustrà u risultatu mediu. Una funzione chjave di u sviluppu hè a capacità di generà codice in Python o C++, pigliendu cum'è input un testu cù una dichjarazione di prublema in inglese.
Per pruvà u sistema, 10 novi cuncorsi Codeforces cù più di 5000 participanti sò stati selezziunati, tenuti dopu à a fine di a furmazione di u mudellu d'apprendimentu machine. I risultati di cumpiendu i travaglii permettenu à u sistema AlphaCode di entre circa à a mità di a valutazione di sti cumpetizioni (54.3%). A valutazione generale prevista di AlphaСode era 1238 punti, chì assicura l'entrata in u Top 28% trà tutti i participanti di Codeforces chì anu participatu à cuncorsi almenu una volta in l'ultimi mesi 6. Hè nutatu chì u prugettu hè sempre in u stadiu iniziale di u sviluppu è in u futuru hè previstu di migliurà a qualità di u codice generatu, è ancu di sviluppà AlphaCode versu sistemi chì aiutanu à scrive codice, o strumenti di sviluppu di l'applicazione chì ponu esse utilizatu da persone senza capacità di prugrammazione.
U prughjettu usa l'architettura di a rete neurale di Transformer in cumbinazione cù tecniche di campionamentu è filtrazione per generà diverse varianti di codice imprevisible chì currispondenu à u testu di lingua naturale. Dopu a filtrazione, a raggruppamentu è a classificazione, u codice di travagliu più ottimale hè eliminatu da u flussu generatu di opzioni, chì hè poi verificatu per assicurà chì u risultatu currettu hè ottenutu (ogni compitu di cumpetizione indica un esempiu di dati di input è u risultatu chì currisponde à questu esempiu. , chì deve esse acquistatu dopu à eseguisce u prugramma).
Per furmà apprussimatamente u sistema di apprendimentu machine, avemu usatu una basa di codice dispunibule in i repositori publichi di GitHub. Dopu avè preparatu u mudellu iniziale, una fase di ottimisazione hè stata realizata, basatu annantu à una cullizzioni di codice cù esempi di prublemi è suluzioni pruposti da i participanti à i cuncorsi Codeforces, CodeChef, HackerEarth, AtCoder è Aizu. In totale, 715 GB di codice da GitHub è più di un milione di esempi di suluzioni à i prublemi tipici di a cumpetizione sò stati utilizati per a furmazione. Prima di passà à a generazione di codice, u testu di u travagliu hà passatu per una fase di nurmalizazione, durante a quale tuttu ciò chì ùn hè micca necessariu hè statu eliminatu è solu parti significati sò stati lasciati.
Source: opennet.ru