Deepmind будує AI, який кодує, а також середній людський програміст
Хоча машинне навчання просунулося за стрибки та межі, важко створити AI, який добре більше, ніж одне. Отже, машину можна було навчити з даними для вирішення одного класу проблем програмування, але це не вдасться, коли це дасть іншу проблему для вирішення. Отже, команда вирішила пропустити всю підготовку з алгоритмів та структури коду, натомість ставиться до неї більше як до проблеми перекладу.
Проблеми програмування зазвичай включають опис завдання, а отриманий код, поданий людським учасником, технічно є лише виразом опису. AI працює на двох етапах: він приймає опис і перетворює його у внутрішнє представлення. Потім він використовує це представлення для створення функціонального коду на основі даних, які він був показаний у навчанні. І було багато даних.
Deepmind годував AI 700 ГБ коду на Github, доповненому коментарями, які пояснюють код. Як зазначає ARS Technica, це величезна кількість текстових даних. З суттю інтерналізованого програмування, DeepMind створив власні конкурси програмування та подав результати в ШІ, щоб точно налаштувати продуктивність моделі. Команда каже, що це порядок більше даних про тренування, ніж минулі машини кодування отримали, і це все змінило.
Дослідники встановили, що Alphacode змогла генерувати величезну кількість потенційних відповідей на проблему кодування, але приблизно 40 відсотків з них пройдуть через всю доступну системну пам'ять або не зможуть досягти відповіді за розумну кількість часу. Дані потрібно фільтрувати, щоб знайти один відсоток рішень, які насправді є хорошим кодом. Deepmind виявив, що кластери подібного коду вказували на кращі відповіді, тоді як неправильні були випадковим чином розподілені. Зосереджуючись на цих відповідях, Alphacode зміг правильно відповісти на третину проблем кодування. Виявляється, багато людських програмістів трохи краще, тому алфакоде розміщується у топ -54 відсотках. Йдеться не брати роботу від інженерів Deepmind, а дайте йому часу.
Читати далі
Samsung, Стенфорд, побудував 10 000 PPI дисплей, який міг би змінити VR, AR
Запитайте тих, хто провів у гарнітурі VR більше кількох хвилин, і вони згадають про ефект дверей на екрані. Це може назавжди його усунути.
PlayStation 5 буде доступний в Інтернеті лише на день запуску
PlayStation 5 не буде доступний у магазинах у день запуску, і якщо ви хочете взяти твердотільний накопичувач M.2, щоб розширити його обсяг пам’яті, у вас буде трохи часу, щоб зрозуміти цю покупку.
Як побудувати детектор маски для обличчя за допомогою Jetson Nano 2GB та AlwaysAI
Nvidia продовжує робити ШІ на межі доступнішим та простішим у розгортанні. Тому, замість того, щоб просто переглядати еталони, щоб переглянути новий Jetson Nano 2 Гб, я вирішив взятися за проект DIY зі створення власного детектора маски для обличчя.
Nvidia буде імітувати пам'ять Smart Access від AMD на Ампері: звіт
Пам'ять AMD Smart Access ще навіть не надійшла, але Nvidia стверджує, що може дублювати цю функцію.