DeepMind制作了软件编写的AI，可以与人类平均编码员相匹配

艺术家的数据印象Andriy Onufriyenko/Getty图像英国的AI公司DeepMind教授了一些机器来编写计算机软件 - 在竞争中判断时，它的性能几乎和普通的人类程序员一样。

DeepMind声称新的字母系统可以解决需要逻辑，批判性思维和理解自然语言能力的组合的软件问题。该工具在编程竞赛网站Codeforces上分为10发，其中人参与者测试其编码技能。在这10轮中，字母尺寸位于中位竞争对手的水平。DeepMind说，这是AI代码编写系统第一次在编程比赛中达到竞争性能水平。

AlphaCode是通过培训许多编码样本的神经网络创建的，该样本来自软件存储库GitHub以及以前参加CodeForces竞赛的参赛者。当它出现一个新的问题时，它会在C ++和Python编程语言中创建大量解决方案。然后，它过滤并将其排名为前10名。当在竞争中测试字母时，人类评估了这些解决方案并提出了最好的解决方案。

生成代码对于人工智能来说是一个特别棘手的问题，因为很难评估特定输出的成功距离。崩溃的代码无法实现其目标可能是一个远离完美工作解决方案的字符，而且多个工作解决方案可能会在根本上不同。解决编程竞赛还需要AI从用英语编写的问题描述中提取含义。

Microsoft拥有的Github于去年创建了一个类似但更有限的工具，称为Copilot。数以百万计的人使用github共享源代码并组织软件项目。Copilot采用了该代码并使用它培训了一个神经网络，从而使其能够解决类似的编程问题。

但是该工具是有争议的，因为许多人声称它可以直接窃取此培训数据。软件公司Sentry的Armin Ronacher发现，有可能提示Copilot提出1999年计算机游戏的版权代码 地震三竞技场，配有原始程序员的评论。未经许可就无法重复使用此代码。

Github在Copilot发布时说，其代码建议中约有0.1％可能包含培训集中的逐字源代码的“一些片段”。该公司还警告说，Copilot可以输出真正的个人数据，例如电话号码，电子邮件地址或名称，并且输出代码可能会提供“有偏见，歧视性，虐待或进攻性输出 ”或包括安全缺陷。它说应该在使用前对代码进行审查和测试。

像副柯洛特一样，AlphaCode首先接受了在Github上托管的公开代码的培训。然后对编程竞赛的代码进行了微调。DeepMind说，字母不会从以前的示例中复制代码。英国曼彻斯特大学的Riza Theresa Theresa Theresa Batista-Navarro说，鉴于其预印本纸中提供的示例DeepMind所提供的示例似乎可以解决问题，而从培训数据中复制了比人类已经更大的代码。

她说，但是字母似乎是如此精心调整以解决复杂的挑战，以至于AI编码工具中先前的最新技术仍然可以在更简单的任务上胜过它。

Batista-Navarro说：“我注意到的是，尽管AlphaCode在竞争挑战方面能够做得比像GPT这样的最先进的AIS做得更好，但在入门挑战上的表现相对较差。”“假设他们想解决竞争级的编程问题，以解决更具挑战性的编程问题而不是介绍性问题。但这似乎表明该模型在更复杂的问题上进行了很好的调整，以至于以某种方式忘记了入门水平的问题。”

DeepMind不能进行访谈，但DeepMind的Oriol Vinyals在一份声明中说：“我从来没有想到ML [机器学习]在竞争对手之间达到了人类平均水平。但是，这表明仍有工作要达到最高绩效的水平，并提高了我们AI系统的问题解决问题的能力。 ”

本文来自作者[admin]投稿，不代表象功馆立场，如若转载，请注明出处：https://m1.xianggongguan.cn/kexue/202506-270.html