Kompania DeepMind, e njohur për zhvillimet e saj në fushën e inteligjencës artificiale dhe ndërtimin e rrjeteve nervore që janë në gjendje të luajnë lojëra kompjuterike dhe tavoline në nivelin e njeriut, prezantoi projektin AlphaCode, një sistem të mësimit të makinerive për gjenerimin e kodit, i aftë të marrë pjesë në gara programimi në platformën Codeforces dhe të demonstrojnë rezultate mesatare. Karakteristika kryesore e zhvillimit është aftësia për të gjeneruar kod në gjuhët Python ose C++, duke marrë si input tekstin e problemit në anglisht.
Për testimin e sistemit u përzgjodhën 10 gara të reja të Codeforces me mbi 5000 pjesëmarrës, të zhvilluara pas përfundimit të trajnimit të modelit të mësimit të makinerive. Rezultatet e zgjidhjeve i lejuan sistemit AlphaCode të hynte në afërsisht mes të renditjes së këtyre garave (54.3%). Rangohet që AlphaCode ka një vlerësim të përgjithshëm prej 1238 pikësh, që siguron hyrje në Top 28% të gjithë pjesëmarrësve të Codeforces që kanë marrë pjesë në gara gjatë 6 muajve të fundit. Promovohet se projekti është ende në fazën fillestare të zhvillimit dhe në të ardhmen është planifikuar të rritet cilësia e kodit të gjeneruar, si dhe të zhvillohet AlphaCode në sisteme që ndihmojnë në shkruarjen e kodit ose mjete zhvillimi aplikacionesh që mund të përdoren nga njerëz pa aftësi programimi.
Në projekt përdoret struktura e rrjetit nervor «Transformer» në kombinim me metodat e mostrimit dhe filtrimit, të cilat lejojnë gjenerimin e varianteve të ndryshme të paparashikueshme të kodit, të cilat i përgjigjen tekstit në gjuhën e natyrshme. Pas filtrimit, klasifikimit dhe renditjes, nga fluksi i formuar i varianteve përjashtohet kodi më optimal funksional, i cili më pas kontrollohet për të siguruar rezultatin e saktë (në secilën detyrë të garave tregohet një shembull i të dhënave të hyrjes dhe rezultati përkatës që duhet të arrihet pas ekzekutimit të programit).
Për trajtimin e sistemit të mësimit të makinerive, u përdor një bazë kodi e disponueshme në depo publike të GitHub. Pas përgatitjes së modelit fillestar, u realizua faza e optimizimit, e cila u realizua përmes një koleksioni kodi me shembuj detyrash dhe zgjidhjesh të ofruara për pjesëmarrësit e garave Codeforces, CodeChef, HackerEarth, AtCoder dhe Aizu. Në total, për trajtim u përdorën 715 GB kod nga GitHub dhe më shumë se një milion shembuj zgjidhjesh për detyra tipike të garave. Para kalimit në gjenerimin e kodit, teksti i detyrës kaloi një fazë normalizimi, ku u përjashtuan të gjitha të tepërta dhe mbetën vetëm pjesët e rëndësishme.
Burimi: opennet.ru
