Syarikat DeepMind, yang terkenal dengan perkembangannya dalam bidang kecerdasan buatan dan pembinaan rangkaian saraf yang mampu bermain permainan komputer dan papan di peringkat manusia, membentangkan projek AlphaCode, yang sedang membangunkan sistem pembelajaran mesin untuk menjana kod yang boleh mengambil bahagian. dalam pertandingan pengaturcaraan pada platform Codeforces dan menunjukkan keputusan purata. Ciri utama pembangunan ialah keupayaan untuk menjana kod dalam Python atau C++, mengambil sebagai input teks dengan pernyataan masalah dalam bahasa Inggeris.
Untuk menguji sistem, 10 pertandingan Codeforces baharu dengan lebih 5000 peserta telah dipilih, diadakan selepas selesai melatih model pembelajaran mesin. Keputusan menyelesaikan tugasan membolehkan sistem AlphaCode memasuki kira-kira pertengahan penarafan pertandingan ini (54.3%). Penilaian keseluruhan AlphaΠ‘ode yang diramalkan ialah 1238 mata, yang memastikan kemasukan ke 28% Teratas dalam kalangan semua peserta Codeforces yang telah menyertai pertandingan sekurang-kurangnya sekali dalam tempoh 6 bulan yang lalu. Dimaklumkan bahawa projek itu masih di peringkat awal pembangunan dan pada masa hadapan ia dirancang untuk meningkatkan kualiti kod yang dihasilkan, serta membangunkan AlphaCode ke arah sistem yang membantu dalam menulis kod, atau alat pembangunan aplikasi yang boleh digunakan oleh orang yang tidak mempunyai kemahiran pengaturcaraan.
Projek ini menggunakan seni bina rangkaian neural Transformer dalam kombinasi dengan teknik pensampelan dan penapisan untuk menjana pelbagai varian kod yang tidak dapat diramalkan yang sepadan dengan teks bahasa semula jadi. Selepas penapisan, pengelompokan dan pemeringkatan, kod kerja yang paling optimum dihapuskan daripada aliran pilihan yang dijana, yang kemudiannya diperiksa untuk memastikan keputusan yang betul diperoleh (setiap tugas pertandingan menunjukkan contoh data input dan hasil yang sepadan dengan contoh ini , yang sepatutnya diperolehi selepas melaksanakan program).
Untuk melatih sistem pembelajaran mesin secara kasar, kami menggunakan pangkalan kod yang tersedia dalam repositori GitHub awam. Selepas menyediakan model awal, fasa pengoptimuman telah dijalankan, berdasarkan koleksi kod dengan contoh masalah dan penyelesaian yang dicadangkan oleh peserta dalam pertandingan Codeforces, CodeChef, HackerEarth, AtCoder dan Aizu. Secara keseluruhan, 715 GB kod daripada GitHub dan lebih daripada sejuta contoh penyelesaian kepada masalah persaingan biasa telah digunakan untuk latihan. Sebelum beralih kepada penjanaan kod, teks tugasan melalui fasa normalisasi, di mana semua yang tidak perlu telah dihapuskan dan hanya bahagian penting sahaja yang tinggal.
Sumber: opennet.ru