DeepMind ընկերությունը, որը հայտնի է արհեստական ինտելեկտի ոլորտում իր զարգացումներով և նեյրոնային ցանցերի կառուցմամբ, որոնք ունակ են խաղալու համակարգչային և սեղանի խաղեր մարդկային մակարդակով, ներկայացրել է AlphaCode նախագիծը, որը մշակում է մեքենայական ուսուցման համակարգ՝ կոդ ստեղծելու համար, որը կարող է մասնակցել: Codeforces հարթակում ծրագրավորման մրցույթներում և ցույց տալ միջին արդյունք: Մշակման հիմնական առանձնահատկությունը Python-ում կամ C++-ում կոդ ստեղծելու ունակությունն է՝ որպես մուտքագրում անգլերեն լեզվով խնդրի հայտարարություն ունեցող տեքստ:
Համակարգը փորձարկելու համար ընտրվել են 10 նոր Codeforces մրցույթներ՝ ավելի քան 5000 մասնակիցներով, որոնք անցկացվել են մեքենայական ուսուցման մոդելի վերապատրաստման ավարտից հետո։ Առաջադրանքների կատարման արդյունքները թույլ տվեցին AlphaCode համակարգին մտնել այս մրցույթների վարկանիշի մոտավորապես միջինը (54.3%): AlphaСode-ի կանխատեսված ընդհանուր վարկանիշը կազմել է 1238 միավոր, որն ապահովում է լավագույն 28% մուտքը Codeforces-ի բոլոր մասնակիցների շրջանում, ովքեր վերջին 6 ամսվա ընթացքում առնվազն մեկ անգամ մասնակցել են մրցույթների: Նշվում է, որ նախագիծը դեռ մշակման սկզբնական փուլում է, և ապագայում նախատեսվում է բարելավել գեներացված կոդի որակը, ինչպես նաև զարգացնել AlphaCode համակարգերը, որոնք օգնում են կոդ գրելը կամ հավելվածների մշակման գործիքներ, որոնք կարող են օգտագործվում է ծրագրավորման հմտություններ չունեցող մարդկանց կողմից:
Նախագիծն օգտագործում է Տրանսֆորմեր նեյրոնային ցանցի ճարտարապետությունը՝ նմուշառման և զտման տեխնիկայի հետ համատեղ՝ բնական լեզվով տեքստին համապատասխանող տարբեր անկանխատեսելի կոդի տարբերակներ ստեղծելու համար: Զտումից, կլաստերավորումից և դասակարգումից հետո ամենաօպտիմալ աշխատանքային ծածկագիրը վերացվում է ընտրանքների ստեղծվող հոսքից, որն այնուհետև ստուգվում է ճիշտ արդյունքի հասնելու համար (յուրաքանչյուր մրցութային առաջադրանք ցույց է տալիս մուտքային տվյալների օրինակ և այս օրինակին համապատասխան արդյունք , որը պետք է ձեռք բերել ծրագիրը կատարելուց հետո):
Մեքենայի ուսուցման համակարգը կոպիտ կերպով վարժեցնելու համար մենք օգտագործեցինք կոդերի բազա, որը հասանելի է հանրային GitHub-ի պահոցներում: Նախնական մոդելը պատրաստելուց հետո իրականացվեց օպտիմալացման փուլ՝ հիմնված Codeforces, CodeChef, HackerEarth, AtCoder և Aizu մրցույթների մասնակիցների կողմից առաջադրված խնդիրների օրինակներով և լուծումներով կոդի հավաքածուի վրա: Ընդհանուր առմամբ, ուսուցման համար օգտագործվել է 715 ԳԲ կոդ GitHub-ից և տիպիկ մրցութային խնդիրների լուծման ավելի քան մեկ միլիոն օրինակ: Նախքան կոդերի ստեղծմանն անցնելը, առաջադրանքի տեքստն անցել է նորմալացման փուլ, որի ընթացքում վերացվել է ամեն անհարկի, և մնացել են միայն էական մասեր։
Source: opennet.ru