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

DeepMind AI Breakthrough позволяет прогнозировать более 200 миллионов белковых структур

DeepMind объявил, что создал структуры для всех 200 миллионов белков в централизованной базе данных Uniprot. Это большое значение для основных биологических исследований, а также для усилий по борьбе с некоторыми из наиболее важных научных загадков нашего времени.

DeepMind создает AI, который восстанавливает 3D-объекты с одной фотографии

Исследователи DeepMind AI создали нейронную сеть, которая может предсказать, какое пространство будет выглядеть после просмотра одного или нескольких изображений, даже если видны только части комнаты.

DeepMind AI бросает вызов профессиональным игрокам StarCraft II, выигрывая практически в каждом матче

Спустя всего 18 месяцев у DeepMind появился ИИ, который побеждает лучших в мире игроков StarCraft II, и он даже близко не подходит.

Google DeepMind может поддержать, победить людей в Quake III Arena

Google обучил свой DeepMind AI конкурировать в командной среде, чтобы рассчитывать выигрышные стратегии, которые могут как победить, так и поддержать игроков-людей в Quake III Arena.