首页 > 资讯 > 科技 > 正文
2022-12-09 13:44

人工智能的下一个前沿领域:AlphaCode可以媲美普通程序员的编程能力

DeepMind的AlphaCode程序采用数据驱动的方法进行编码。(谷歌DeepMind插图)

人工智能软件程序在进行对话、赢得棋盘游戏和创作艺术作品方面正变得惊人地熟练——但创建软件程序呢?在一篇新发表的论文中,谷歌DeepMind的研究人员表示,他们的AlphaCode程序可以在标准化编程比赛中跟上平均水平的人类编码员。

研究人员在本周出版的《科学》(Science)杂志上报告称:“这一结果标志着人工智能系统首次在编程竞赛中表现出竞争力。”

现在还没有必要对天网发出警报:DeepMind的代码生成系统在Codeforces平台最近的编程比赛模拟评估中平均排名前54.3%——这是一个非常“平均”的平均水平。

“竞技编程是一项极其困难的挑战,我们现在的水平(在10次提交中解决大约30%的问题)和顶级程序员(在一次提交中解决90%的问题)之间存在着巨大的差距,”DeepMind研究科学家、《科学》杂志论文的主要作者之一李宇佳在一封电子邮件中告诉GeekWire。“剩下的问题也比我们目前正在解决的问题要难得多。”

尽管如此,这项实验指出了人工智能应用的一个新前沿。微软也在通过GitHub提供一个名为Copilot的代码建议程序探索这一前沿领域。亚马逊有一个类似的软件工具,叫做CodeWhisperer。

西雅图艾伦人工智能研究所的创始首席执行官、AI2孵化器的技术总监Oren Etzioni告诉GeekWire,新发表的研究突出了DeepMind作为大型语言模型(LLMs)人工智能工具应用的主要参与者的地位。

Etzioni在一封电子邮件中说:“这是一个令人印象深刻的提醒,OpenAI和微软并没有垄断llm的令人印象深刻的壮举。”“远不止如此,AlphaCode的性能超过了GPT-3和微软的Github Copilot。”

AlphaCode problem and solution
这个问题指的是《权力的游戏》。点击图片查看大图。(DeepMind图片)

可以说,AlphaCode的编程方式和它的编程效果一样引人注目。关于这个系统,最令人惊讶的可能是AlphaCode没有做的事情:AlphaCode没有包含关于计算机代码结构的明确内置知识。相反,AlphaCode依赖于一种纯粹的‘数据驱动’方法来编写代码,通过简单地观察大量现有的代码来学习计算机程序的结构,”卡耐基梅隆大学的计算机科学家J. Zico Kolter在《科学》杂志上对这项研究的评论中写道。

AlphaCode使用大型语言模型构建代码,以响应问题的自然语言描述。该软件利用了大量编程问题和解决方案的数据集,以及一组来自GitHub的非结构化代码。AlphaCode为手头的问题生成数千个建议的解决方案,过滤这些解决方案以剔除无效的解决方案,将幸存的解决方案聚类到组中,然后从每个组中选择一个示例提交。

Kolter说:“这个过程有可能创建正确的代码,这似乎令人惊讶。”

Kolter表示,AlphaCode的方法可以与更结构化的机器语言方法集成,以提高系统的性能。

他写道:“如果将数据驱动学习与工程知识相结合的‘混合’机器学习方法能在这项任务上表现得更好,那就让他们试试吧。”“阿尔法代码决定命运。”

李告诉GeekWire, DeepMind正在继续完善AlphaCode。他在电子邮件中写道:“虽然AlphaCode是从0%到30%的重要一步,但仍有很多工作要做。”

Etzioni也认为,在开发代码生成软件的过程中,“还有很大的空间”。“我期待快速迭代和改进,”他说。

“我们距离生成式人工智能的‘大爆炸’只有10秒。Etzioni说:“关于更广泛的数据,包括文本和结构化数据,更多令人印象深刻的产品很快就会问世。”“我们正狂热地试图弄清楚这项技术能走多远。”

随着研究工作的进行,AlphaCode可能会引发关于人工智能前景和潜在风险的长期争论,就像DeepMind的AlphaGo程序展示了机器对古老游戏围棋的精通一样。编程并不是人工智能快速发展引发争议的唯一领域:

  • 一款名为ChatGPT的OpenAI程序在科技界引起了热烈的讨论,这要归功于它能够以详细的答案和文档回应信息请求从学期论文到绝世的辞职信。
  • AI-ba像Lensa、DALL-E和Stable Diffusion这样的sed艺术生成程序引发了一场争论,争论的焦点是,这些程序是否在不公平地利用由人类手工创作的数百万件存档艺术品,以及它们是否会破坏活的、会活的艺术家未来的市场。
  • 与跳棋或国际象棋不同,机器人最近在战略游戏中与人类玩家进行了较量对阵对方球员。DeepMind的深度纳什程序专注于战略围棋棋盘游戏,而我ta的西塞罗项目专注于一个叫做“外交”的统治世界的游戏。这样的进步导致一些人陷入困境人工智能是否可以用来为现实生活中的政策规划者(或骗子)提供建议。

当我们问李彦宏,DeepMind对自己正在创造的东西是否有疑虑时,他给出了一个深思熟虑的答案:

除了李,《科学》杂志上这篇研究论文的主要作者,“用AlphaCode生成竞赛级代码”,包括DeepMind的David Choi, Junyoung Chung, Nate Kushman, Julian Schrittwieser, Rémi Leblond, Tom Eccles, James Keeling, Felix Gimeno, Agustin Dal Lago, Thomas Hubert, Peter Choy和Cyprien de Masson d 'Autume。另有13名研究人员被列为共同作者。论文的预印本和补充材料可通过ArXiv获得。

相关推荐