Perusahaan DeepMind, sing dikenal kanthi perkembangan ing bidang intelijen buatan lan pambangunan jaringan saraf sing bisa main game komputer lan papan ing tingkat manungsa, nampilake proyek AlphaCode, sing ngembangake sistem pembelajaran mesin kanggo ngasilake kode sing bisa melu. ing kompetisi program ing platform Codeforces lan nduduhake asil rata-rata. A fitur tombol pembangunan punika kemampuan kanggo generate kode ing Python utawa C ++, njupuk minangka input teks karo statement masalah ing Inggris.
Kanggo nguji sistem kasebut, 10 kompetisi Codeforces anyar kanthi luwih saka 5000 peserta dipilih, dianakake sawise rampung latihan model pembelajaran mesin. Asil ngrampungake tugas ngidini sistem AlphaCode mlebu kira-kira ing tengah-tengah rating kompetisi kasebut (54.3%). Rating sakabèhé AlphaБode sing diprediksi yaiku 1238 poin, sing njamin mlebu ing Top 28% ing antarane kabeh peserta Codeforces sing wis melu kompetisi paling ora sepisan sajrone 6 wulan kepungkur. Kacathet menawa proyek kasebut isih ana ing tahap wiwitan pangembangan lan ing mangsa ngarep direncanakake kanggo ningkatake kualitas kode sing digawe, uga ngembangake AlphaCode menyang sistem sing mbantu nulis kode, utawa alat pangembangan aplikasi sing bisa digunakake dening wong tanpa katrampilan program.
Proyek kasebut nggunakake arsitektur jaringan saraf Transformer kanthi kombinasi teknik sampling lan nyaring kanggo ngasilake macem-macem varian kode sing ora bisa ditebak sing cocog karo teks basa alami. Sawise nyaring, clustering lan peringkat, kode kerja sing paling optimal diilangi saka aliran pilihan sing digawe, sing banjur dicenthang kanggo mesthekake yen asil sing bener dipikolehi (saben tugas kompetisi nuduhake conto data input lan asil sing cocog karo conto iki. , sing kudu dipikolehi sawise nglakokake program).
Kanggo nglatih sistem pembelajaran mesin, kita nggunakake basis kode sing kasedhiya ing repositori GitHub umum. Sawise nyiapake model awal, tahap optimasi ditindakake, adhedhasar koleksi kode kanthi conto masalah lan solusi sing diusulake dening peserta ing kompetisi Codeforces, CodeChef, HackerEarth, AtCoder lan Aizu. Secara total, 715 GB kode saka GitHub lan luwih saka siji yuta conto solusi kanggo masalah kompetisi sing khas digunakake kanggo latihan. Sadurunge pindhah menyang generasi kode, teks tugas ngliwati fase normalisasi, sajrone kabeh sing ora perlu diilangi lan mung bagean penting sing ditinggalake.
Source: opennet.ru