DeepMind строит ИИ, который кодирует, а также средний человеческий программист
В то время как машинное обучение продвинулось по скачкам и границам, трудно создать искусственный интеллект, который хорош в нескольких вещах. Таким образом, машину может быть обучена данными для решения одного класса проблем программирования, но она потерпит неудачу, когда ему приставит другую проблему для решения. Таким образом, команда решила пропустить все тренировки по алгоритмам и структуре кода, вместо этого рассматривая его больше как проблема перевода.
Проблемы программирования обычно включают описание задачи, а полученный код, представленный человеком -участником, технически является просто выражением описания. ИИ работает в два этапа: он принимает описание и преобразует его во внутреннее представление. Затем он использует это представление для генерации функционального кода на основе данных, которые он был показан в обучении. И было много данных.
DeepMind подал AI 700 ГБ кода на GitHub, в комплекте с комментариями, которые объясняют код. Как указывает Ars Technica, это огромное количество текстовых данных. С сущностью программирования интернализовано, DeepMind организует свои собственные конкурсы программирования и подарил результаты в ИИ, чтобы точно настроить производительность модели. Команда говорит, что это на порядок больше данных обучения, чем прошлые машины для кодирования, и это имело значение.
Исследователи обнаружили, что Alphacode смог генерировать огромное количество потенциальных ответов на проблему кодирования, но около 40 процентов из них пройдут через всю доступную системную память или не достигли ответа в разумное количество времени. Данные должны быть отфильтрованы, чтобы найти один процент решений, которые на самом деле являются хорошим кодом. DeepMind обнаружил, что кластеры сходного кода указывают на лучшие ответы, тогда как неправильные были случайным образом распределены. Сосредоточив внимание на этих ответах, Alphacode смог правильно ответить на одну треть проблем кодирования. Оказывается, многие человеческие программисты немного лучше, поэтому альфакод попал в топ -54 процента. Это не собирается брать работу от инженеров DeepMind, но дайте ему время.
Читать далее
НАСА выбирает SpaceX Starship для человеческой лунной посадки
После рассмотрения дизайнов от Dynetics, Spacex и Blue Origin, NASA решила пойти с Spacex и звездопользом.
Человеческое тетрахромасье реально. Вот что мы знаем
После десятилетий исчерпывающего исследования ученые определили, что человеческое тетрахромасье реальна. Это происходит в двух формах - и на самом деле может быть приобретенная черта.
Человеческая сторона искусственного интеллекта
Улучшение результатов обучения машине не просто вопрос улучшения вычислительной спектакли AI.
Ученые закончили секвенирование человеческого генома. Опять таки.
Ученые объявили, что они закончили секвенирование всего человеческого генома! Опять таки! Мы определенно на 100% поняли это наверняка на этот раз. Мы думаем.