IBM פותחת את CodeNet למערכות למידת מכונה שמתרגמות ומאמתות קוד

IBM חשפה את יוזמת ה-CodeNet שלה, שמטרתה לספק לחוקרים מערך נתונים המאפשר להם להתנסות בשימוש בטכניקות למידת מכונה ליצירת מתרגמי שפות תכנות, מחוללי קוד ומנתחים. CodeNet כולל אוסף של 14 מיליון דוגמאות קוד הפותרות 4053 בעיות תכנות נפוצות. בסך הכל, האוסף מכיל כ-500 מיליון שורות קוד ומכסה 55 שפות תכנות, הן שפות מודרניות כמו C++, Java, Python ו-Go, והן שפות מדור קודם כולל COBOL, Pascal ו- FORTRAN. הפיתוחים של הפרויקט מופצים תחת רישיון Apache 2.0, ומערך הנתונים מתוכננים להיות מופצים בצורה של נחלת הכלל.

הדוגמאות מובאות ומיישמות אלגוריתמים זהים בשפות תכנות שונות. הצפי הוא שהסט המוצע יסייע בהכשרת מערכות למידת מכונה ופיתוח חידושים בתחום התרגום וניתוח קוד מכונה, בדומה לאופן שבו מסד הנתונים של התמונות המוערות של ImageNet סייע לפיתוח מערכות זיהוי תבניות וראייה ממוחשבת. תחרויות תכנות שונות מוזכרות כאחד המקורות העיקריים ליצירת אוסף.

בניגוד למתרגמים מסורתיים, המיושמים על סמך כללי תרגום, מערכות למידת מכונה יכולות ללכוד ולקחת בחשבון את ההקשר של השימוש בקוד. בעת המרה משפת תכנות אחת לאחרת, ההקשר חשוב לא פחות כמו בעת תרגום משפה אנושית אחת לאחרת. חוסר ההקשר הזה הוא מה שמונע המרת קוד משפות מדור קודם כמו COBOL.

קיום מסד נתונים גדול של יישומי אלגוריתמים בשפות שונות יעזור ליצור מערכות למידת מכונה אוניברסליות, שבמקום תרגום ישיר בין שפות ספציפיות, מבצעות מניפולציה של ייצוג מופשט יותר של הקוד, ללא תלות בשפות תכנות ספציפיות. מערכת כזו יכולה לשמש כמתרגם, המתרגמת את הקוד המשודר בכל אחת מהשפות הנתמכות לייצוג המופשט הפנימי שלה, שממנו ניתן להפיק קוד במספר שפות.

המערכת תוכל גם לבצע טרנספורמציות דו-כיווניות. לדוגמה, בנקים וסוכנויות ממשלתיות ממשיכים להשתמש בפרויקטים בשפת COBOL המיושנת. מתרגם מבוסס למידת מכונה יוכל להמיר קוד COBOL לייצוג Java, ובמידת הצורך לתרגם את קטע Java בחזרה לקוד COBOL.

בנוסף לתרגום בין שפות, מוזכרים תחומי יישום של CodeNet כמו יצירת מערכות חיפוש קוד חכמות ואוטומציה של זיהוי שיבוט, כמו גם פיתוח של אופטימיזציה ומערכות אוטומטיות לתיקון קוד. במיוחד, הדוגמאות המוצגות ב- CodeNet מצוידות במטא נתונים המתארים את תוצאות בדיקות הביצועים, גודל התוכנית המתקבלת, צריכת הזיכרון והמצב, המאפשרים לנו להבחין בין קוד נכון לקוד עם שגיאות (כדי להבחין בין קוד נכון לקוד שגוי, האוסף כולל במיוחד דוגמאות עם שגיאות, שחלקן הוא 29.5%. מערכת למידת מכונה יכולה לקחת בחשבון את המטא נתונים האלה כדי ליצור את הקוד האופטימלי ביותר או לזהות רגרסיות בקוד המנותח (המערכת יכולה להבין שהאלגוריתם בקוד שנשלח אינו מיושם בצורה מיטבית או מכיל שגיאות).

מקור: OpenNet.ru