Support us

В DeepMind научили ИИ решать сложные задачи по программированию

Инженеры DeepMind — исследовательского подразделения Alphabet — рассказали о новых успехах ИИ-системы AlphaCode: она умеет генерировать код и решать задачи с конкурсов по программированию, где требуется применить критическое мышление и знание естественного языка.

Оставить комментарий
В DeepMind научили ИИ решать сложные задачи по программированию

Инженеры DeepMind — исследовательского подразделения Alphabet — рассказали о новых успехах ИИ-системы AlphaCode: она умеет генерировать код и решать задачи с конкурсов по программированию, где требуется применить критическое мышление и знание естественного языка.

Недостаток аналогичных существующих систем в том, что их решения к поставленным задачам не носят универсального характера, и система, обученная одному типу задач, с большой вероятностью не справится с задачей, если сильно изменить условия. Разработчики DeepMind применили иной подход: описание задачи является выражением того, что должен делать алгоритм, а решение — то же самое, изложенное на другом языке. Проблему разложили на две части: во-первых, ИИ должен понять суть задачи, а во-вторых, на основе своего внутреннего представления создать код.

Система обучалась на архиве кода GitHub размером более 700 Гб с комментариями на естественном языке, поясняющими его работу. После этого в DeepMind организовали внутренний чемпионат по программированию, материалы которого тоже «скормили» искусственному интеллекту. В них содержалась постановка задачи, работающий и неработающий код, а также тестовые примеры для его проверки.

В DeepMind создали AI-систему которая кодит не хуже среднего программиста
В DeepMind создали AI-систему, которая кодит не хуже среднего программиста
По теме
В DeepMind создали AI-систему, которая кодит не хуже среднего программиста

В ходе корректировки системы разработчикам удалось добиться от неё отличной скорости и эффективности. AlphaCode смогла выступать в онлайн-чемпионатах с количеством участников от 5 тысяч на уровне программистов с опытом работы от нескольких месяцев до года, превзойдя в среднем 45,7% конкурсантов.

Такого результата удалось достичь благодаря автоматизированной проверке по 100 тысячам предлагаемых системой решений — при увеличении этого числа пропорционально росла доля правильных ответов. Но пропорционально же росла и ресурсоёмкость вычислительной системы: изначально для её обучения требовался объём энергии, в 16 раз превышающий годовую потребность средней американской семьи. Тем не менее учёные сделали вывод, что система действительно научилась работать, как было задумано, и предлагать корректные решения, а не случайные фрагменты кода «в надежде», что какой-то из них сработает.

Читайте также
Нейросеть «оживляет» классические пиксельные игры
Нейросеть «оживляет» классические пиксельные игры
Нейросеть «оживляет» классические пиксельные игры
Meta разработала ИИ для «чтения мыслей»
Meta разработала ИИ для «чтения мыслей»
Meta разработала ИИ для «чтения мыслей»
«Будут проблемы». Что нас ждёт, когда картинок от нейросетей станет слишком много
«Будут проблемы». Что нас ждёт, когда картинок от нейросетей станет слишком много
Bubble
«Будут проблемы». Что нас ждёт, когда картинок от нейросетей станет слишком много
Во Франции искусственный интеллект помогает искать нелегальные бассейны и штрафовать нарушителей
Во Франции искусственный интеллект помогает искать нелегальные бассейны и штрафовать нарушителей
Во Франции искусственный интеллект помогает искать нелегальные бассейны и штрафовать нарушителей
3 комментария

Хотите сообщить важную новость? Пишите в Telegram-бот

Главные события и полезные ссылки в нашем Telegram-канале

Обсуждение
Комментируйте без ограничений

Релоцировались? Теперь вы можете комментировать без верификации аккаунта.

Комментариев пока нет.