IBM ले मेसिन लर्निङ प्रणालीहरूको लागि कोडनेट खोल्छ जसले कोड अनुवाद र प्रमाणित गर्दछ

IBM ले यसको CodeNet पहलको अनावरण गरेको छ, जसले अनुसन्धानकर्ताहरूलाई प्रोग्रामिङ भाषा अनुवादकहरू, कोड जेनेरेटरहरू र विश्लेषकहरू सिर्जना गर्न मेसिन लर्निङ प्रविधिहरूको प्रयोगको साथ प्रयोग गर्न अनुमति दिने डेटासेट प्रदान गर्ने लक्ष्य राखेको छ। CodeNet मा 14 मिलियन कोड उदाहरणहरूको संग्रह समावेश छ जसले 4053 साझा प्रोग्रामिङ समस्याहरू समाधान गर्दछ। कुलमा, सङ्कलनले कोडको लगभग 500 मिलियन लाइनहरू समावेश गर्दछ र 55 प्रोग्रामिङ भाषाहरू समावेश गर्दछ, दुबै आधुनिक भाषाहरू जस्तै C++, Java, Python र Go, र COBOL, Pascal र FORTRAN लगायत विरासत भाषाहरू। परियोजनाका विकासहरू Apache 2.0 इजाजतपत्र अन्तर्गत वितरण गरिएको छ, र डाटा सेटहरू सार्वजनिक डोमेनको रूपमा वितरण गर्ने योजना छ।

उदाहरणहरू एनोटेट गरिएका छन् र विभिन्न प्रोग्रामिङ भाषाहरूमा समान एल्गोरिदमहरू लागू गर्छन्। यो आशा गरिएको छ कि प्रस्तावित सेटले मेसिन लर्निङ प्रणालीलाई तालिम दिन र अनुवाद र मेसिन कोड पार्सिङको क्षेत्रमा आविष्कारहरू विकास गर्न मद्दत गर्नेछ, जस्तै ImageNet एनोटेटेड छवि डाटाबेसले ढाँचा पहिचान र कम्प्युटर दृष्टि प्रणालीको विकासमा मद्दत गर्यो। विभिन्न प्रोग्रामिङ प्रतियोगिताहरू सङ्कलन गठनको मुख्य स्रोतहरू मध्ये एकको रूपमा उद्धृत गरिएको छ।

परम्परागत अनुवादकहरूको विपरीत, जुन अनुवाद नियमहरूको आधारमा लागू गरिन्छ, मेसिन लर्निङ प्रणालीहरूले कोड प्रयोगको सन्दर्भलाई क्याप्चर गर्न र खातामा लिन सक्छन्। एक प्रोग्रामिङ भाषाबाट अर्कोमा रूपान्तरण गर्दा, सन्दर्भ एक मानव भाषाबाट अर्को भाषामा अनुवाद गर्दा जत्तिकै महत्त्वपूर्ण हुन्छ। सन्दर्भ विचारको यो अभावले कोडलाई लिगेसी भाषाहरू जस्तै COBOL बाट रूपान्तरण हुनबाट रोक्छ।

विभिन्न भाषाहरूमा एल्गोरिथ्म कार्यान्वयनहरूको ठूलो डाटाबेसले विश्वव्यापी मेसिन लर्निङ प्रणालीहरू सिर्जना गर्न मद्दत गर्नेछ जसले विशेष भाषाहरू बीचको प्रत्यक्ष अनुवादको सट्टा, विशेष प्रोग्रामिङ भाषाहरूबाट स्वतन्त्र, कोडको थप अमूर्त प्रतिनिधित्वलाई हेरफेर गर्दछ। यस्तो प्रणालीलाई अनुवादकको रूपमा प्रयोग गर्न सकिन्छ, कुनै पनि समर्थित भाषाहरूमा ट्रान्समिटेड कोडलाई यसको आन्तरिक अमूर्त प्रतिनिधित्वमा अनुवाद गर्न सकिन्छ, जसबाट कोड धेरै भाषाहरूमा उत्पन्न गर्न सकिन्छ।

प्रणालीले द्विदिशात्मक रूपान्तरणहरू पनि गर्न सक्षम हुनेछ। उदाहरणका लागि, बैंक र सरकारी एजेन्सीहरूले पुरानो COBOL भाषामा परियोजनाहरू प्रयोग गर्न जारी राख्छन्। मेसिन लर्निङमा आधारित अनुवादकले COBOL कोडलाई जाभा प्रतिनिधित्वमा रूपान्तरण गर्न सक्षम हुनेछ, र आवश्यक भएमा, जाभा टुक्रालाई COBOL कोडमा अनुवाद गर्नुहोस्।

भाषाहरू बीच अनुवादको अतिरिक्त, स्मार्ट कोड खोज प्रणालीको निर्माण र क्लोन पत्ता लगाउने स्वचालन, साथै अप्टिमाइजरहरू र स्वचालित कोड सुधार प्रणालीहरूको विकास जस्ता कोडनेटको अनुप्रयोगको क्षेत्रहरू उल्लेख गरिएको छ। विशेष गरी, CodeNet मा प्रस्तुत गरिएका उदाहरणहरू प्रदर्शन परीक्षणको नतिजाहरू वर्णन गर्ने मेटाडेटासँग सुसज्जित छन्, नतिजा कार्यक्रम आकार, मेमोरी खपत र अवस्था, जसले हामीलाई त्रुटिहरू भएको कोडबाट सही कोड छुट्याउन अनुमति दिन्छ (सही कोडलाई गलत कोडबाट छुट्याउन, सङ्कलनले विशेष रूपमा त्रुटिहरू भएका उदाहरणहरू समावेश गर्दछ, जसको अंश २९.५% हो)। मेसिन लर्निङ प्रणालीले यो मेटाडेटालाई सबैभन्दा इष्टतम कोड उत्पन्न गर्न वा विश्लेषण गरिएको कोडमा रिग्रेसनहरू पहिचान गर्नको लागि खातामा लिन सक्छ (प्रणालीले बुझाउन सक्छ कि पेश गरिएको कोडमा एल्गोरिदम इष्टतम रूपमा लागू गरिएको छैन वा त्रुटिहरू समावेश छन्)।

स्रोत: opennet.ru