කෘත්‍රිම බුද්ධි ක්ෂේත්‍රයේ වර්ධනයන් සහ මානව මට්ටමින් පරිගණක සහ පුවරු ක්‍රීඩා කළ හැකි ස්නායු ජාල ගොඩනැගීම සඳහා ප්‍රසිද්ධ DeepMind සමාගම, AlphaCode ව්‍යාපෘතිය ඉදිරිපත් කළ අතර, කේත ජනනය කිරීම සඳහා යන්ත්‍ර ඉගෙනුම් පද්ධතියක් සංවර්ධනය කරයි. Codeforces වේදිකාවේ ක්‍රමලේඛන තරඟ වලට සහභාගී වීම සහ සාමාන්‍ය ප්‍රතිඵල පෙන්නුම් කිරීම. සංවර්ධනයේ ප්‍රධාන ලක්‍ෂණයක් වන්නේ ඉංග්‍රීසි භාෂාවෙන් ගැටලු ප්‍රකාශයක් සහිත පෙළක් ආදානයක් ලෙස ගෙන Python හෝ C++ හි කේතය ජනනය කිරීමේ හැකියාවයි.
පද්ධතිය පරීක්ෂා කිරීම සඳහා, යන්ත්‍ර ඉගෙනුම් ආකෘතිය පුහුණු කිරීම අවසන් වූ පසු පැවැත් වූ 10කට වැඩි සහභාගිවන්නන් සහිත නව Codeforces තරඟ 5000ක් තෝරා ගන්නා ලදී. කර්තව්‍යයන් සම්පූර්ණ කිරීමේ ප්‍රතිඵල මගින් AlphaCode පද්ධතියට මෙම තරඟවල ශ්‍රේණිගත කිරීමේ මධ්‍යම ප්‍රමාණයට (54.3%) ඇතුළු වීමට ඉඩ සැලසේ. AlphaСode හි පුරෝකථනය කරන ලද සමස්ත ශ්‍රේණිගත කිරීම ලකුණු 1238 ක් වූ අතර, පසුගිය මාස 28 තුළ අවම වශයෙන් එක් වරක් තරඟ සඳහා සහභාගී වූ සියලුම Codeforces සහභාගිවන්නන් අතර ඉහළම 6% වෙත ඇතුළු වීම සහතික කරයි. ව්‍යාපෘතිය තවමත් සංවර්ධනයේ ආරම්භක අදියරේ පවතින අතර අනාගතයේ දී උත්පාදනය කරන ලද කේතයේ ගුණාත්මක භාවය වැඩි දියුණු කිරීමට මෙන්ම කේතය ලිවීමට උපකාරී වන පද්ධති හෝ යෙදුම් සංවර්ධන මෙවලම් සඳහා AlphaCode සංවර්ධනය කිරීමට සැලසුම් කර ඇති බව සටහන් වේ. ක්‍රමලේඛන කුසලතා නොමැති පුද්ගලයින් විසින් භාවිතා කරනු ලැබේ.
ව්‍යාපෘතිය ස්වභාවික භාෂා පෙළට අනුරූප වන විවිධ අනපේක්ෂිත කේත ප්‍රභේද ජනනය කිරීම සඳහා නියැදීම් සහ පෙරීමේ ක්‍රම සමඟ ඒකාබද්ධව ට්‍රාන්ස්ෆෝමර් ස්නායුක ජාල ගෘහ නිර්මාණ ශිල්පය භාවිතා කරයි. පෙරීම, පොකුරු කිරීම සහ ශ්‍රේණිගත කිරීමෙන් පසු, ජනනය කරන ලද විකල්ප ප්‍රවාහයෙන් වඩාත්ම ප්‍රශස්ත ක්‍රියාකාරී කේතය ඉවත් කරනු ලැබේ, එය නිවැරදි ප්‍රතිඵලය ලබා ගැනීම සහතික කිරීම සඳහා පරීක්ෂා කරනු ලැබේ (සෑම තරඟකාරී කාර්යයක්ම ආදාන දත්තවල උදාහරණයක් සහ මෙම උදාහරණයට අනුරූප ප්‍රතිඵලය දක්වයි. , වැඩසටහන ක්රියාත්මක කිරීමෙන් පසුව ලබා ගත යුතු).
යන්ත්‍ර ඉගෙනුම් පද්ධතිය දළ වශයෙන් පුහුණු කිරීම සඳහා, අපි පොදු GitHub ගබඩාවල ඇති කේත පදනමක් භාවිතා කළෙමු. මූලික ආකෘතිය සකස් කිරීමෙන් පසු, Codeforces, CodeChef, HackerEarth, AtCoder සහ Aizu තරඟ සඳහා සහභාගිවන්නන් විසින් යෝජනා කරන ලද ගැටළු සහ විසඳුම් පිළිබඳ උදාහරණ සහිත කේත එකතුවක් මත පදනම්ව ප්‍රශස්තිකරණ අදියරක් සිදු කරන ලදී. සමස්තයක් වශයෙන්, GitHub වෙතින් 715 GB කේතයක් සහ සාමාන්‍ය තරඟ ගැටලු සඳහා විසඳුම් සඳහා උදාහරණ මිලියනයකට වඩා පුහුණුව සඳහා භාවිතා කරන ලදී. කේත උත්පාදනය වෙත යාමට පෙර, කාර්ය පෙළ සාමාන්‍යකරණ අදියරක් හරහා ගිය අතර, එම කාලය තුළ අනවශ්‍ය සියල්ල ඉවත් කර සැලකිය යුතු කොටස් පමණක් ඉතිරි විය.
මූලාශ්රය: opennet.ru