Yapay zeka ve insan seviyesinde bilgisayar ve masa oyunları oynayabilecek sinir ağlarının inşası alanındaki geliştirmeleriyle bilinen DeepMind şirketi, katılım sağlayabilecek kod üretmeye yönelik makine öğrenimi sistemi geliştiren AlphaCode projesini sundu. Codeforces platformundaki programlama yarışmalarında ortalama sonuç sergileyin. Geliştirmenin önemli bir özelliği, İngilizce problem bildirimi içeren bir metni girdi olarak alarak Python veya C++ dilinde kod oluşturabilme yeteneğidir.
Sistemi test etmek için, makine öğrenimi modelinin eğitimi tamamlandıktan sonra 10'den fazla katılımcının yer aldığı 5000 yeni Codeforces yarışması seçildi. Görevlerin tamamlanmasının sonuçları, AlphaCode sisteminin bu yarışmaların derecelendirmesinin yaklaşık olarak ortasına (%54.3) girmesine izin verdi. AlphaСode'un tahmini genel puanı 1238 puandı ve bu, son 28 ay içinde en az bir kez yarışmalara katılan tüm Codeforces katılımcıları arasında İlk %6'e girmeyi garantiliyor. Projenin henüz geliştirme aşamasında olduğu ve gelecekte üretilen kodun kalitesinin artırılmasının yanı sıra, kod yazmaya yardımcı sistemlere veya kullanılabilecek uygulama geliştirme araçlarına yönelik AlphaCode geliştirilmesinin planlandığı kaydedildi. programlama becerisi olmayan kişiler tarafından kullanılır.
Proje, doğal dil metnine karşılık gelen çeşitli öngörülemeyen kod değişkenleri oluşturmak için Transformer sinir ağı mimarisini örnekleme ve filtreleme teknikleriyle birlikte kullanıyor. Filtreleme, kümeleme ve sıralamanın ardından, oluşturulan seçenekler akışından en uygun çalışma kodu çıkarılır ve bu daha sonra doğru sonucun elde edildiğinden emin olmak için kontrol edilir (her yarışma görevi, giriş verilerinin bir örneğini ve bu örneğe karşılık gelen sonucu gösterir) , programın çalıştırılmasından sonra elde edilmesi gereken).
Makine öğrenimi sistemini kabaca eğitmek için genel GitHub depolarında bulunan bir kod tabanı kullandık. İlk modelin hazırlanmasının ardından Codeforces, CodeChef, HackerEarth, AtCoder ve Aizu yarışmalarında katılımcıların önerdiği sorun ve çözüm örneklerini içeren bir kod koleksiyonuna dayalı bir optimizasyon aşaması gerçekleştirildi. Eğitim için toplamda GitHub'tan 715 GB kod ve tipik rekabet sorunlarına yönelik bir milyondan fazla çözüm örneği kullanıldı. Kod oluşturmaya geçmeden önce görev metni, gereksiz olan her şeyin ortadan kaldırıldığı ve yalnızca önemli kısımların kaldığı bir normalleştirme aşamasından geçti.
Kaynak: opennet.ru