IBM ha presentato l'iniziativa CodeNet, volta a fornire ai ricercatori un insieme di dati per sperimentare l'applicazione di metodi di apprendimento automatico nella creazione di traduttori da un linguaggio di programmazione a un altro, nonch\u00e9 generatori e analizzatori di codice. CodeNet include una collezione di 14 milioni di esempi di codice che risolvono 4053 tipiche problematiche di programmazione. In totale, la collezione comprende circa 500 milioni di righe di codice e copre 55 linguaggi di programmazione, sia linguaggi moderni come C++, Java, Python e Go, sia linguaggi obsoleti, tra cui COBOL, Pascal e FORTRAN. I risultati del progetto sono distribuiti con licenza Apache 2.0, e i set di dati sono previsti per essere resi disponibili come patrimonio pubblico. <\/p>\n
Gli esempi sono corredati di annotazioni e implementano algoritmi identici in diversi linguaggi di programmazione. Si presume che il set proposto supporter\u00e0 l'addestramento dei sistemi di machine learning e promuover\u00e0 innovazioni nel campo della traduzione e dell'analisi automatica del codice, analogamente a come il database di immagini annotate ImageNet ha aiutato nello sviluppo dei sistemi di riconoscimento delle immagini e di visione artificiale. Tra le principali fonti per la formazione della collezione figurano diverse competizioni di \u043f\u0440\u043e\u0433\u0440\u0430\u043c\u043c\u0438\u0440\u043e\u0432\u0430\u043d\u0438\u0435. <\/p>\n
A differenza dei traduttori tradizionali, basati su regole di trasformazione, i sistemi di machine learning possono cogliere e considerare il contesto dell'uso del codice. Nella conversione da un linguaggio di programmazione a un altro, il contesto \u00e8 altrettanto importante quanto nella traduzione da una lingua umana a un'altra. \u00c8 proprio la mancanza di considerazione del contesto che ostacola la conversione di codice da linguaggi obsoleti, come il COBOL. <\/p>\n
La disponibilit\u00e0 di un'ampia base di implementazioni di algoritmi in vari linguaggi faciliter\u00e0 la creazione di sistemi universali di machine learning, che invece di una traduzione diretta tra linguaggi specifici, manipoleranno una rappresentazione pi\u00f9 astratta del codice, indipendente dai linguaggi di programmazione specifici. Un sistema del genere potrebbe funzionare come un traduttore, convertendo il codice ricevuto in una delle lingue supportate nella sua rappresentazione astratta interna, da cui poi pu\u00f2 essere generato codice in molteplici linguaggi. <\/p>\n
Inoltre, il sistema sar\u00e0 in grado di eseguire trasformazioni bidirezionali. Ad esempio, nelle banche e nelle istituzioni governative continuano ad essere utilizzati progetti in COBOL, un linguaggio obsoleto. Un traduttore basato su un sistema di machine learning sar\u00e0 in grado di trasformare il codice COBOL in un formato in linguaggio Java, e, se necessario, tradurre un frammento in Java di nuovo nel codice COBOL. <\/p>\n
Oltre alla traduzione tra lingue, le applicazioni di CodeNet includono la creazione di sistemi intelligenti per la ricerca del codice e l'automazione dell'identificazione di cloni, oltre allo sviluppo di ottimizzatori e sistemi di correzione automatica del codice. In particolare, gli esempi presentati in CodeNet sono dotati di metadati che descrivono i risultati del test delle prestazioni, la dimensione finale del programma, il consumo di memoria e uno stato che consente di distinguere il codice corretto da quello errato (per distinguere il codice corretto da quello non corretto, sono stati inclusi nella raccolta esempi con errori, la cui percentuale \u00e8 pari al 29,5%). Il sistema di apprendimento automatico pu\u00f2 considerare questi metadati per generare il codice pi\u00f9 ottimale o per identificare eventuali regressioni nel codice analizzato (il sistema pu\u00f2 comprendere che l'algoritmo fornito nel codice non \u00e8 implementato in modo ottimale o contiene errori). \u041a\u043e\u043c\u043f\u0430\u043d\u0438\u044f IBM \u043f\u0440\u0435\u0434\u0441\u0442\u0430\u0432\u0438\u043b\u0430 \u0438\u043d\u0438\u0446\u0438\u0430\u0442\u0438\u0432\u0443 CodeNet, \u043d\u0430\u0446\u0435\u043b\u0435\u043d\u043d\u0443\u044e \u043d\u0430 \u043f\u0440\u0435\u0434\u043e\u0441\u0442\u0430\u0432\u043b\u0435\u043d\u0438\u0435 \u0438\u0441\u0441\u043b\u0435\u0434\u043e\u0432\u0430\u0442\u0435\u043b\u044f\u043c \u043d\u0430\u0431\u043e\u0440\u0430 \u0434\u0430\u043d\u043d\u044b\u0445, \u043f\u043e\u0437\u0432\u043e\u043b\u044f\u044e\u0449\u0438\u0445 \u044d\u043a\u0441\u043f\u0435\u0440\u0438\u043c\u0435\u043d\u0442\u0438\u0440\u043e\u0432\u0430\u0442\u044c \u0441 \u043f\u0440\u0438\u043c\u0435\u043d\u0435\u043d\u0438\u0435\u043c \u043c\u0435\u0442\u043e\u0434\u043e\u0432 \u043c\u0430\u0448\u0438\u043d\u043d\u043e\u0433\u043e \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u044f \u0434\u043b\u044f \u0441\u043e\u0437\u0434\u0430\u043d\u0438\u044f \u0442\u0440\u0430\u043d\u0441\u043b\u044f\u0442\u043e\u0440\u043e\u0432 \u0438\u0437 \u043e\u0434\u043d\u043e\u0433\u043e \u044f\u0437\u044b\u043a\u0430 \u043f\u0440\u043e\u0433\u0440\u0430\u043c\u043c\u0438\u0440\u043e\u0432\u0430\u043d\u0438\u044f \u0432 \u0434\u0440\u0443\u0433\u043e\u0439, \u0430 \u0442\u0430\u043a\u0436\u0435 \u0433\u0435\u043d\u0435\u0440\u0430\u0442\u043e\u0440\u043e\u0432 \u0438 \u0430\u043d\u0430\u043b\u0438\u0437\u0430\u0442\u043e\u0440\u043e\u0432 \u043a\u043e\u0434\u0430. CodeNet \u0432\u043a\u043b\u044e\u0447\u0430\u0435\u0442 \u043a\u043e\u043b\u043b\u0435\u043a\u0446\u0438\u044e \u0438\u0437 14 \u043c\u0438\u043b\u043b\u0438\u043e\u043d\u043e\u0432 \u043f\u0440\u0438\u043c\u0435\u0440\u043e\u0432 \u043a\u043e\u0434\u0430, \u0440\u0435\u0448\u0430\u044e\u0449\u0438\u0445 4053 \u0442\u0438\u043f\u043e\u0432\u044b\u0445 \u043f\u0440\u043e\u0431\u043b\u0435\u043c \u043f\u0440\u043e\u0433\u0440\u0430\u043c\u043c\u0438\u0440\u043e\u0432\u0430\u043d\u0438\u044f. \u0412 \u0441\u0443\u043c\u043c\u0435 \u043a\u043e\u043b\u043b\u0435\u043a\u0446\u0438\u044f \u043d\u0430\u0441\u0447\u0438\u0442\u044b\u0432\u0430\u0435\u0442 \u043e\u043a\u043e\u043b\u043e 500 \u043c\u043b\u043d \u0441\u0442\u0440\u043e\u043a \u043a\u043e\u0434\u0430 […]<\/p>\n","protected":false,"gt_translate_keys":[{"key":"rendered","format":"html"}]},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[702],"tags":[],"class_list":["post-100141","post","type-post","status-publish","format-standard","hentry","category-news"],"aioseo_notices":[],"aioseo_head":"\n\t\t\n\t\n\t\n\t\n\t\n\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\n","aioseo_head_json":{"title":"\ud83e\udd47IBM ha aperto CodeNet per sistemi di apprendimento automatico che traducono e verificano il codice | ProHoster","description":"IBM ha presentato l'iniziativa CodeNet, mirata a fornire ai ricercatori un set di dati per sperimentare l'uso di metodi di machine learning per la creazione di traduttori da una lingua all'altra.","canonical_url":"https:\/\/prohoster.info\/it\/blog\/news\/ibm-otkryl-codenet-dlya-sistem-mashinnogo-obucheniya-transliruyushhih-i-proveryayushhih-kod","robots":"max-image-preview:large","keywords":"","webmasterTools":{"miscellaneous":""},"schema":null,"og:locale":"it_IT","og:site_name":"ProHoster | \u041a\u0443\u043f\u0438\u0442\u044c \u043d\u0430\u0434\u0435\u0436\u043d\u044b\u0439 \u0445\u043e\u0441\u0442\u0438\u043d\u0433 \u0434\u043b\u044f \u0441\u0430\u0439\u0442\u043e\u0432 \u0441 \u0437\u0430\u0449\u0438\u0442\u043e\u0439 \u043e\u0442 DDoS, VPS VDS \u0441\u0435\u0440\u0432\u0435\u0440\u044b","og:type":"article","og:title":"\ud83e\udd47IBM \u043e\u0442\u043a\u0440\u044b\u043b CodeNet \u0434\u043b\u044f \u0441\u0438\u0441\u0442\u0435\u043c \u043c\u0430\u0448\u0438\u043d\u043d\u043e\u0433\u043e \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u044f, \u0442\u0440\u0430\u043d\u0441\u043b\u0438\u0440\u0443\u044e\u0449\u0438\u0445 \u0438 \u043f\u0440\u043e\u0432\u0435\u0440\u044f\u044e\u0449\u0438\u0445 \u043a\u043e\u0434 | ProHoster","og:description":"\u041a\u043e\u043c\u043f\u0430\u043d\u0438\u044f IBM \u043f\u0440\u0435\u0434\u0441\u0442\u0430\u0432\u0438\u043b\u0430 \u0438\u043d\u0438\u0446\u0438\u0430\u0442\u0438\u0432\u0443 CodeNet, \u043d\u0430\u0446\u0435\u043b\u0435\u043d\u043d\u0443\u044e \u043d\u0430 \u043f\u0440\u0435\u0434\u043e\u0441\u0442\u0430\u0432\u043b\u0435\u043d\u0438\u0435 \u0438\u0441\u0441\u043b\u0435\u0434\u043e\u0432\u0430\u0442\u0435\u043b\u044f\u043c \u043d\u0430\u0431\u043e\u0440\u0430 \u0434\u0430\u043d\u043d\u044b\u0445, \u043f\u043e\u0437\u0432\u043e\u043b\u044f\u044e\u0449\u0438\u0445 \u044d\u043a\u0441\u043f\u0435\u0440\u0438\u043c\u0435\u043d\u0442\u0438\u0440\u043e\u0432\u0430\u0442\u044c \u0441 \u043f\u0440\u0438\u043c\u0435\u043d\u0435\u043d\u0438\u0435\u043c \u043c\u0435\u0442\u043e\u0434\u043e\u0432 \u043c\u0430\u0448\u0438\u043d\u043d\u043e\u0433\u043e \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u044f \u0434\u043b\u044f \u0441\u043e\u0437\u0434\u0430\u043d\u0438\u044f \u0442\u0440\u0430\u043d\u0441\u043b\u044f\u0442\u043e\u0440\u043e\u0432 \u0438\u0437 \u043e\u0434\u043d\u043e\u0433\u043e.","og:url":"https:\/\/prohoster.info\/it\/blog\/news\/ibm-otkryl-codenet-dlya-sistem-mashinnogo-obucheniya-transliruyushhih-i-proveryayushhih-kod","og:image":"https:\/\/prohoster.info\/wp-content\/uploads\/2021\/11\/logo-350.jpg","og:image:secure_url":"https:\/\/prohoster.info\/wp-content\/uploads\/2021\/11\/logo-350.jpg","og:image:width":350,"og:image:height":350,"article:published_time":"2021-05-11T20:22:44+00:00","article:modified_time":"2021-05-11T20:22:44+00:00","article:publisher":"https:\/\/www.facebook.com\/prohoster","article:author":"https:\/\/www.facebook.com\/prohoster"},"aioseo_meta_data":{"post_id":"100141","title":null,"description":null,"keywords":null,"keyphrases":null,"primary_term":null,"canonical_url":null,"og_title":null,"og_description":null,"og_object_type":"default","og_image_type":"default","og_image_url":null,"og_image_width":null,"og_image_height":null,"og_image_custom_url":null,"og_image_custom_fields":null,"og_video":null,"og_custom_url":null,"og_article_section":null,"og_article_tags":null,"twitter_use_og":false,"twitter_card":"default","twitter_image_type":"default","twitter_image_url":null,"twitter_image_custom_url":null,"twitter_image_custom_fields":null,"twitter_title":null,"twitter_description":null,"schema":{"blockGraphs":[],"customGraphs":[],"default":{"data":{"Article":[],"Course":[],"Dataset":[],"FAQPage":[],"Movie":[],"Person":[],"Product":[],"ProductReview":[],"Car":[],"Recipe":[],"Service":[],"SoftwareApplication":[],"WebPage":[]},"graphName":"","isEnabled":true},"graphs":[]},"schema_type":null,"schema_type_options":null,"pillar_content":false,"robots_default":true,"robots_noindex":false,"robots_noarchive":false,"robots_nosnippet":false,"robots_nofollow":false,"robots_noimageindex":false,"robots_noodp":false,"robots_notranslate":false,"robots_max_snippet":null,"robots_max_videopreview":null,"robots_max_imagepreview":"large","priority":null,"frequency":null,"local_seo":null,"seo_analyzer_scan_date":null,"breadcrumb_settings":null,"limit_modified_date":false,"reviewed_by":null,"ai":null,"created":"2021-05-11 22:29:58","updated":"2022-09-28 07:50:50","focus_keyword":null,"additional_keywords":null,"truseo_locale":null},"gt_translate_keys":[{"key":"link","format":"url"}],"_links":{"self":[{"href":"https:\/\/prohoster.info\/it\/wp-json\/wp\/v2\/posts\/100141","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/prohoster.info\/it\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/prohoster.info\/it\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/prohoster.info\/it\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/prohoster.info\/it\/wp-json\/wp\/v2\/comments?post=100141"}],"version-history":[{"count":0,"href":"https:\/\/prohoster.info\/it\/wp-json\/wp\/v2\/posts\/100141\/revisions"}],"wp:attachment":[{"href":"https:\/\/prohoster.info\/it\/wp-json\/wp\/v2\/media?parent=100141"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/prohoster.info\/it\/wp-json\/wp\/v2\/categories?post=100141"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/prohoster.info\/it\/wp-json\/wp\/v2\/tags?post=100141"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}
\n
Fonte: opennet.ru<\/a> <\/p>","protected":false,"gt_translate_keys":[{"key":"rendered","format":"html"}]},"excerpt":{"rendered":"