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

Незабаром вакансії для AI можуть виглядати так. Ви готові?

Наше недавнє минуле показало нам, що ми можемо розробити тип машин, які незабаром відкриють абсолютно нове поле прибуткових та повноцінних робіт.

День, коли я дізнався, що таке наука про дані

Наука про дані така нова і швидко розвивається, і відповідь сильно залежить від того, хто робить відповідь.

Звіт: Intel Rocket Lake працює так само гаряче, як 98C, потужність до 250 Вт

Intel Rocket Lake може досягти високих температур для брів у верхній час, і це не соромиться залучати енергію, щоб це зробити. Цифри, однак, трохи гірший сценарій.

Виявляється, HarmonyOS від Huawei - це все-таки просто Android

Після дій Міністерства торгівлі проти китайської мегафірми компанія Huawei не змогла користуватися послугами Google на своїх нових телефонах. Рішенням компанії було розробити HarmonyOS, але тепер, коли ми вперше по-справжньому подивились на нього, зрозуміло одне: це просто Android зі шкірою.