Kampuni ya DeepMind, inayojulikana kwa maendeleo yake katika uwanja wa akili bandia na ujenzi wa mitandao ya neva yenye uwezo wa kucheza michezo ya kompyuta na bodi katika kiwango cha binadamu, iliwasilisha mradi wa AlphaCode, ambao unatengeneza mfumo wa kujifunza mashine kwa ajili ya kuzalisha kanuni zinazoweza kushiriki. katika mashindano ya programu kwenye jukwaa la Codeforces na kuonyesha matokeo ya wastani. Kipengele muhimu cha ukuzaji ni uwezo wa kutoa msimbo katika Python au C++, kuchukua kama ingizo la maandishi na taarifa ya shida kwa Kiingereza.
Ili kupima mfumo, mashindano 10 mapya ya Codeforces yenye washiriki zaidi ya 5000 yalichaguliwa, yaliyofanyika baada ya kukamilika kwa mafunzo ya modeli ya kujifunza mashine. Matokeo ya kukamilisha kazi yaliruhusu mfumo wa AlphaCode kuingia takriban katikati ya ukadiriaji wa mashindano haya (54.3%). Ukadiriaji wa jumla uliotabiriwa wa AlphaΠ‘ode ulikuwa pointi 1238, ambayo inahakikisha kuingia katika 28% ya Juu kati ya washiriki wote wa Codeforces ambao wameshiriki katika mashindano angalau mara moja kwa muda wa miezi 6 iliyopita. Imebainika kuwa mradi bado uko katika hatua ya awali ya maendeleo na katika siku zijazo imepangwa kuboresha ubora wa msimbo unaozalishwa, pamoja na kuendeleza AlphaCode kuelekea mifumo inayosaidia katika kuandika kanuni, au zana za maendeleo ya maombi ambayo yanaweza kutumiwa na watu bila ujuzi wa programu.
Mradi unatumia usanifu wa mtandao wa neural wa Transformer pamoja na mbinu za sampuli na uchujaji ili kutoa vibadala mbalimbali vya kanuni zisizotabirika ambazo zinalingana na maandishi ya lugha asilia. Baada ya kuchuja, kuunganisha na kuorodhesha, msimbo bora zaidi wa kufanya kazi huondolewa kwenye mkondo wa chaguzi zinazozalishwa, ambazo huangaliwa ili kuhakikisha kuwa matokeo sahihi yanapatikana (kila kazi ya ushindani inaonyesha mfano wa data ya pembejeo na matokeo yanayolingana na mfano huu. , ambayo inapaswa kupatikana baada ya kutekeleza programu).
Ili kutoa mafunzo kwa mfumo wa kujifunza kwa mashine, tulitumia msingi wa msimbo unaopatikana katika hazina za umma za GitHub. Baada ya kuandaa kielelezo cha awali, awamu ya utoshelezaji ilifanyika, kwa kuzingatia mkusanyiko wa kanuni na mifano ya matatizo na suluhisho zilizopendekezwa na washiriki katika mashindano ya Codeforces, CodeChef, HackerEarth, AtCoder na Aizu. Kwa jumla, GB 715 za msimbo kutoka GitHub na zaidi ya mifano milioni moja ya ufumbuzi wa matatizo ya kawaida ya ushindani ilitumika kwa mafunzo. Kabla ya kuendelea na utengenezaji wa msimbo, maandishi ya kazi yalipitia awamu ya kuhalalisha, wakati ambapo kila kitu kisichohitajika kiliondolewa na sehemu muhimu tu ziliachwa.
Chanzo: opennet.ru