Gli ingegneri di Facebook hanno pubblicato un transcompilatore , che utilizza tecniche di apprendimento automatico per trasformare il codice sorgente da un linguaggio di programmazione di alto livello a un altro. Attualmente viene fornito il supporto per la traduzione del codice tra Java, C++ e Python. Ad esempio, TransCoder ti consente di convertire il codice sorgente Java in codice Python e il codice Python in codice sorgente Java. Gli sviluppi del progetto vengono messi in pratica sulla creazione di una rete neurale per un'efficiente transcompilazione automatica del codice e concesso in licenza con licenza Creative Commons Attribution-NonCommercial 4.0 solo per uso non commerciale.
L'implementazione del sistema di machine learning è basata su Pytorch. Sono disponibili per il download due modelli già pronti: per tradurre C++ in Java, Java in C++ e Java in Python e per la trasmissione
Da C++ a Python, da Python a C++ e da Python a Java. Per addestrare i modelli, abbiamo utilizzato i codici sorgente dei progetti pubblicati su GitHub. Se lo si desidera, è possibile creare modelli di traduzione per altri linguaggi di programmazione. Per verificare la qualità della trasmissione è stata preparata una raccolta di unit test, nonché una suite di test che comprende 852 funzioni parallele.
Si sostiene che in termini di precisione di conversione, TransCoder è significativamente superiore ai traduttori commerciali che utilizzano metodi basati su regole di conversione e nel processo di lavoro consente di fare a meno della valutazione di esperti nella lingua di partenza e di destinazione. La maggior parte degli errori che si verificano durante il funzionamento del modello possono essere eliminati aggiungendo semplici restrizioni al decodificatore per garantire che le funzioni generate siano sintatticamente corrette.
I ricercatori hanno proposto una nuova architettura di rete neurale “Transformer” per la modellazione di sequenze, in cui la ricorrenza è sostituita da “"(modello seq2seq con attenzione), che consente di eliminare alcune dipendenze nel grafico computazionale e parallelizzare ciò che prima non era suscettibile di parallelizzazione. Tutte le lingue supportate utilizzano un unico modello comune, addestrato utilizzando tre principi: inizializzazione, modellazione del linguaggio e traduzione inversa.
Fonte: opennet.ru