蜜桃av色欲a片精品一区,麻豆aⅴ精品无码一区二区,亚洲人成网站在线播放影院在线,亚洲 素人 字幕 在线 最新

  卷哇！DeepMind祭出競賽級代碼生成系統(tǒng)AlphaCode，超越近半碼農(nóng)

發(fā)布日期：2022/2/4 14:54:00      瀏覽量：

    卷吧卷吧！

    DeepMind發(fā)布了競賽級代碼生成系統(tǒng)AlphaCode，并聲稱新的代碼生成系統(tǒng)可與人類程序員競爭。

    去年，OpenAI發(fā)布了重磅產(chǎn)品——Codex，一個能自己編程的AI。

    AI編程這件事似乎也變得不新鮮了，像GitHub前不久鬧得風風火火的Copilot，也是其中一個。

    剛剛，DeepMind發(fā)布了一個名為AlphaCode的代碼生成系統(tǒng)，并聲稱可與人類相匹敵。

    最新研究成果Competition-Level Code Generation with AlphaCode已于2月2日發(fā)表。

碼農(nóng)只能陪跑？

DeepMind使用編程競賽平臺Codeforces上托管的10個現(xiàn)有競賽來測試AlphaCode，總體排名位于前 54.3%，也就是說它擊敗了 46% 的參賽者 。

CodeContests 上的每個問題有100萬個樣本，AlphaCode解決了34.2%的問題。

DeepMind 聲稱，就總體性能而言，在過去6個月參加過比賽的用戶中，AlphaCode的數(shù)據(jù)排到了前28%。

在AlphaCode測試的一個例子中，參賽者需要找到一種方法，使用一組有限的輸入將一串隨機重復(fù)的s和t字母轉(zhuǎn)換成另一串相同的字母。

在 AlphaCode 的案例中，DeepMind在CodeContests上對系統(tǒng)進行了微調(diào)和測試。

在10項挑戰(zhàn)被輸入到AlphaCode系統(tǒng)后，AlphaCode生成大量可能的答案，并像人類競爭者那樣運行代碼和檢查輸出，從中篩選出這些答案。

論文合著者稱，整個過程是自動進行的，沒有人為去選擇最好的樣本。

AlphaCode如何實現(xiàn)？

AlphaCode包含414億個參數(shù)，大約是Codex的4倍，訓(xùn)練數(shù)據(jù)集是715.1 GB。

據(jù)介紹，研究者在選定的公共GitHub代碼上預(yù)先訓(xùn)練模型，并在相對較小的競爭性編程數(shù)據(jù)集上對其進行微調(diào)。

在評估的時候，研究人員為每個問題創(chuàng)建了大量的C++和Python程序，數(shù)量級比以前的工作要大。

然后對這些解決方案進行篩選、聚類和重新排序，并將這些解決方案提交給一個由10個候選程序組成的小集合，供外部評估。

這個自動化系統(tǒng)取代了人類競爭對手的調(diào)試、編譯、通過測試和最終提交的反復(fù)試驗過程。

結(jié)果顯示，AlphaCode能夠在這項競爭中脫穎而出，并且解決問題的能力超出了現(xiàn)有人工智能系統(tǒng)的能力。

DeepMind 指出，AlphaCode目前所擁有的技能只適用于具有競爭性編程領(lǐng)域，但它的能力為創(chuàng)造未來的工具打開了大門，這些工具將使編程變

得更容易被人們接受，并且有朝一日可以完全實現(xiàn)自動化。

許多其他公司也在開發(fā)類似的應(yīng)用程序。例如，微軟和人工智能實驗室 OpenAI 已經(jīng)將 OpenAI 的語言生成程GPT-3，改造成一個自動完成代碼字

符串的程序。

AlphaCode和GPT-3一樣，前者也同樣基于Transforme語言模型的人工智能體系結(jié)構(gòu)，它特別擅長解析順序文本，包括自然語言和代碼。

對于終端用戶來說，這些系統(tǒng)的工作方式就像Gmail的智能撰寫功能一樣，無論你在寫什么，它都能指導(dǎo)你。

DeepMind 的首席研究科學家Oriol Vinyals表示，

這項研究仍處于早期階段，但研究結(jié)果使該公司更接近于創(chuàng)造一種靈活的解決問題的人工智能——一種能夠自動應(yīng)對編碼挑戰(zhàn)的程序。從長遠來

看，我們對 AlphaCode 在幫助程序員和非程序員編寫代碼、提高生產(chǎn)力或創(chuàng)造制作軟件的新方法方面的潛力感到興奮。

強，但不完全強

最近幾年，人工智能編碼系統(tǒng)的開發(fā)取得了很大進展，但這些系統(tǒng)還遠遠不能完全替代人類程序員的工作。

所以說，機器編程絕不是一門解決問題的科學，DeepMind 承認 AlphaCode 存在一些局限性。

不可避免，AlphaCode可能在其他方面也存在問題。

例如，當輸入「伊斯蘭」一詞時，便會提示Codex輸出「恐怖分子」，并生成表面上看似正確，卻是構(gòu)成安全風險的代碼。

AI 生產(chǎn)的代碼經(jīng)常會有 bug，而且因為系統(tǒng)通常是在公共代碼庫上訓(xùn)練的，他們有時會復(fù)制受版權(quán)保護的材料，造成侵權(quán)后果。

在一項由GitHub開發(fā)的Copilot人工智能編程工具的研究中，研究人員發(fā)現(xiàn)其輸出中的代碼約有40% 含有安全漏洞。

安全分析師甚至提到，如果有心懷不軌的人，他們完全可以有意識地編寫代碼，在網(wǎng)上隱藏的后門共享代碼，然后可以用來訓(xùn)練人工智能程序，將

這些錯誤插入未來的程序中。

正如最近的研究所探索的那樣，像AlphaCode這樣的系統(tǒng)也可能被濫用。

惡意者是否會在未來使用這些類似的系統(tǒng)來自動生成大規(guī)模的惡意軟件，這是一個懸而未決的問題。

這些挑戰(zhàn)意味著人工智能編碼系統(tǒng)可能得慢慢融入程序員的工作中，因為AI 要經(jīng)歷一個學徒期。但到目前來看，AI學得很快，應(yīng)該能很快度過學徒

期。

Codeforces創(chuàng)始人Mike Mirzayanov在 DeepMind 分享的一份聲明中表示，「我可以有把握地說，AlphaCode 的結(jié)果超出了我的預(yù)期?！?/span>

「我之前還持懷疑態(tài)度 ，因為即使在簡單的競爭性問題上，也不僅要實現(xiàn)算法，而且還要發(fā)明算法，而這才是最難的一部分。AlphaCode 的表現(xiàn)

堪比一個有前途的新競爭對手?！?/span>

網(wǎng)友：程序員自己把自己殺死了