ဥာဏ်ရည်တုနယ်ပယ်တွင် တိုးတက်မှုများနှင့် လူသားအဆင့်တွင် ကွန်ပျူတာနှင့် ဘုတ်ဂိမ်းများကို ကစားနိုင်သည့် အာရုံကြောကွန်ရက်များ တည်ဆောက်မှုတို့အတွက် လူသိများသော DeepMind ကုမ္ပဏီသည် ပါဝင်နိုင်သော ကုဒ်ထုတ်ပေးရန်အတွက် စက်သင်ယူမှုစနစ်ကို တီထွင်နေသည့် AlphaCode ပရောဂျက်ကို တင်ပြခဲ့သည်။ Codeforces ပလပ်ဖောင်းပေါ်ရှိ ပရိုဂရမ်းမင်းပြိုင်ပွဲများတွင် ပျမ်းမျှရလဒ်ကို ပြသပါ။ ဖွံ့ဖြိုးတိုးတက်မှု၏ အဓိကအင်္ဂါရပ်မှာ Python သို့မဟုတ် C++ တွင် ကုဒ်ကို အင်္ဂလိပ်လို ပြဿနာထုတ်ပြန်ချက်တစ်ခုအဖြစ် ထည့်သွင်းကာ စာသားကို ထည့်သွင်းနိုင်သည်။
စနစ်ကို စမ်းသပ်ရန်၊ သင်တန်းသား 10 ကျော်ရှိသော Codeforces ပြိုင်ပွဲအသစ် 5000 ခုကို machine learning model ကို လေ့ကျင့်မှုပြီးဆုံးပြီးနောက်တွင် ကျင်းပခဲ့သည်။ အလုပ်များပြီးမြောက်ခြင်း၏ရလဒ်များသည် AlphaCode စနစ်အား ဤပြိုင်ပွဲများ၏ အဆင့်သတ်မှတ်ချက်၏အလယ် (54.3%) ခန့်ကို ဝင်ရောက်ခွင့်ပြုခဲ့သည်။ AlphaСode ၏ အလုံးစုံခန့်မှန်းအဆင့်သတ်မှတ်ချက်သည် 1238 မှတ်ဖြစ်ပြီး ပြီးခဲ့သော 28 လအတွင်း ပြိုင်ပွဲများတွင် အနည်းဆုံးတစ်ကြိမ်ပါဝင်ခဲ့သည့် Codeforces ပါဝင်သူအားလုံးတွင် ထိပ်တန်း 6% သို့ ဝင်ရောက်ရန်သေချာစေပါသည်။ ပရောဂျက်သည် ဖွံ့ဖြိုးတိုးတက်မှု၏ ကနဦးအဆင့်တွင်ရှိနေဆဲဖြစ်ပြီး နောင်တွင် ထုတ်လုပ်လိုက်သောကုဒ်များ၏ အရည်အသွေးကို မြှင့်တင်ရန်နှင့် ကုဒ်ရေးသားရာတွင် အထောက်အကူဖြစ်စေသော စနစ်များဆီသို့ AlphaCode ကို ဖော်ဆောင်ရန် စီစဉ်ထားကြောင်း မှတ်သားရပါသည်။ ပရိုဂရမ်းမင်း မကျွမ်းကျင်တဲ့လူတွေက သုံးတယ်။
ပရောဂျက်သည် သဘာဝဘာသာစကားစာသားနှင့် ကိုက်ညီသော အမျိုးမျိုးသော ခန့်မှန်းမရနိုင်သော ကုဒ်မျိုးကွဲများကို ထုတ်လုပ်ရန်အတွက် နမူနာနှင့် စစ်ထုတ်ခြင်းနည်းပညာများနှင့်အတူ Transformer neural network architecture ကို အသုံးပြုထားသည်။ စစ်ထုတ်ခြင်း၊ အစုအဝေးနှင့် အဆင့်သတ်မှတ်ခြင်းပြီးနောက်၊ အကောင်းမွန်ဆုံးသော အလုပ်ကုဒ်ကို မှန်ကန်သောရလဒ်ရရှိကြောင်း သေချာစေရန် စစ်ဆေးပြီးသော ရွေးချယ်မှုများမှ ဖယ်ထုတ်လိုက်သည် (ပြိုင်ဆိုင်မှုတစ်ခုစီသည် ထည့်သွင်းဒေတာ၏ ဥပမာတစ်ခုနှင့် ဤဥပမာနှင့် သက်ဆိုင်သည့် ရလဒ်ကို ဖော်ပြသည် ပရိုဂရမ်ကိုလုပ်ဆောင်ပြီးနောက် ရရှိသင့်သော၊)။
စက်သင်ယူမှုစနစ်ကို အကြမ်းဖျင်းလေ့ကျင့်ရန်၊ အများသူငှာ GitHub သိုလှောင်ရာနေရာများတွင် ရရှိနိုင်သော ကုဒ်အခြေခံကို အသုံးပြုခဲ့သည်။ ကနဦး မော်ဒယ်ကို ပြင်ဆင်ပြီးနောက်၊ Codeforces၊ CodeChef၊ HackerEarth၊ AtCoder နှင့် Aizu ပြိုင်ပွဲများတွင် ပါဝင်သူများ အဆိုပြုထားသော ပြဿနာများနှင့် ဖြေရှင်းချက်များ နမူနာများပါရှိသော ကုဒ်အစုအဝေးအပေါ် အခြေခံ၍ ပိုမိုကောင်းမွန်အောင် လုပ်ဆောင်သည့် အဆင့်ကို လုပ်ဆောင်ခဲ့ပါသည်။ စုစုပေါင်း၊ GitHub မှ ကုဒ် 715 GB နှင့် ပုံမှန်ပြိုင်ဆိုင်မှုဆိုင်ရာ ပြဿနာများအတွက် ဖြေရှင်းနည်းများ ဥပမာ တစ်သန်းကျော်ကို လေ့ကျင့်ရေးတွင် အသုံးပြုခဲ့သည်။ ကုဒ်ထုတ်လုပ်ခြင်းသို့ ဆက်မသွားမီ၊ လုပ်ဆောင်စရာစာသားသည် ပုံမှန်လုပ်ဆောင်မှုအဆင့်ကို ဖြတ်သန်းသွားခဲ့ပြီး၊ မလိုအပ်သောအရာအားလုံးကို ဖယ်ရှားပြီး အရေးပါသောအစိတ်အပိုင်းများသာ ကျန်ရှိတော့မည်ဖြစ်သည်။
source: opennet.ru