+
Inovacijos

Ši dirbtinio intelekto sistema gali pavogti kodą, kad ji taptų protingesnė

Ši dirbtinio intelekto sistema gali pavogti kodą, kad ji taptų protingesnė

Nors dirbtinio intelekto sistemos ir toliau tobulėja, vienas dirbtinis intelektas tai daro unikaliu būdu. „Microsoft“ ir Kembridžo universitetas bendradarbiavo su „DeepCoder“ - gilaus mokymosi dirbtiniu intelektu, kuris turėjo imituoti žmogaus smegenyse randamus mokymosi modelius.

[Vaizdo šaltinis:Pixabay]

„DeepCoder“ sudaro problemų kodą iš kitų programų. Kūrėjai teigė, kad tai ne mechanizuoti žmogaus programuotojus, o padėti žmonėms kurti, kurie neturi didelių žinių apie kodavimą.

Šiuo metu „DeepCoder“ tikrai gerai sprendžia paprastesnes problemas, pavyzdžiui, tas, kurios daromos programavimo varžybose:

" Norint sukurti IPS sistemą, reikia išspręsti dvi problemas. Pirma, paieškos problema: norėdami rasti nuoseklias programas, turime ieškoti tinkamame galimų programų rinkinyje. Turime apibrėžti rinkinį (ty programos erdvę) ir paieškos procedūrą. Antra, reitingavimo problema: jei yra kelios programos, atitinkančios įvesties-išvesties pavyzdžius, kurią grąžinsime? Abi šios problemos priklauso nuo problemos formulavimo specifikos. Taigi pirmasis svarbus sprendimas formuojant požiūrį į programos sintezė yra domenui specifinės kalbos pasirinkimas. "

Šiuo metu „DeepCoder“ sistema gali išspręsti tik tas problemas, kurias galima išspręsti penkiose ar mažiau kodo eilutėse.

„DeepCoder“ nėra pirmasis dirbtinis intelektas, kuriam pavyko giliai mokytis. „Google“ sukūrė sistemą „DeepMind“, kad įveiktų pagrindinį Kinijos stalo žaidimo „Go“ žaidėją. „AlphaGo“ sistema pripažįsta, kad „Go“ yra „googol“ kartas sudėtingesnis nei šachmatai. Taigi, dirbtinis intelektas turi šimteriopai daugiau galimų variantų bet kuriuo žaidimo momentu.

Tarp „DeepMind“ mokymosi viduryje gebėjimų ir „DeepCoder“ greito pritaikymo bei problemų sprendimo AI ateitis atrodo šviesi (nors ir šiek tiek bauginanti).

"Mes numatome daugybę" DeepCoder "plėtinių ... ir optimistiškai vertiname ateities perspektyvas naudojant mašininį mokymąsi programų sintezavimui", - sakė "Microsoft" ir Kembridžo kompiuterių mokslininkai.

Norėdami geriau suprasti giluminius mokymosi algoritmus ir jų veikimą, palyginti su tradiciniais algoritmais, peržiūrėkite šį vaizdo įrašą:

TAIP PAT ŽR. Dirbtinis intelektas laimi 800 000 USD prieš pokerio meistrus


Žiūrėti video įrašą: IT+: populiariausių slaptažodžių dešimtukas Lietuvoje ir lanksčiausias telefonas pasaulyje (Sausis 2021).