人工智能已聪明到会“偷”代码写程序,但程序员不必担心失业

作者: 王晓易_NE0011 2017-03-01 21:08:53

人工智能系统正在变得越来越聪明,它们不仅能下围棋、炒股票,现在还学会了写代码。由微软和剑桥大学研究员一同开发的人工智能系统DeepCoder,完成了人类编程挑战赛所设定的基本挑战。

DeepCoder能从其他程序中“偷”代码,然后开始写自己的程序。不过,人类程序员目前还不用担心自己的饭碗会被它给抢走。因为DeepCoder的研究团队称,他们开发这个系统是为了让没有任何编码知识的人更容易地写程序。

据研究团队透露,DeepCoder使用了深度学习技术来模拟大脑的神经网络,借此它可以处理大量的数据,进行评估做出决策。

具体做法是,研究人员给定DeepCoder输入和输出列表。这样DeepCoder可以确定哪些代码段将带来什么样的所需结果。DeepCoder开发者之一马克·布罗克施密特(Marc pockschmidt)表示,最终,这种方法有望让非编程人员只要仅仅描述某个程序的想法,就可以让系统自行编写程序。

人类程序员已经非常熟悉如何借鉴其他公开程序的方法,但像DeepCoder这样的系统可以更快地搜索,并比此前的人工智能系统思考更深。它甚至还可以用人类还没有想到的方式组合代码。

“有了这个程序后,突然之间,人们可以拥有更多的生产力了。真正有望大幅缩短开发代码所需要的精力。”麻省理工大学教授阿曼多·索拉尔·勒扎玛(Armando Solar-Lezama)在接受《新科学家》采访时说。

与人类程序员一行行运行代码,对整个程序进行试错不同,DeepCoder可以提前预测哪些代码是有用的,哪些是错误的。另外,它能从各种选择中学习,让自己随着时间地增加变得更聪明。

DeepCoder的技术已经得到了应用。在2015年,麻省理工学院的研究人员开发出了一个程序,它可以把有故障的代码行换成其他程序中切实可用的代码,自动修复软件缺陷。布罗克施密特表示,未来版本会让构建常规程序变得容易,比如从网站获取信息,或者自动对Facebook照片进行分类,到时候,这些都不需要人类程序员动手。

不过,广大程序员们暂时还可以放宽心,不必担心他们的工作会被人工智能取代。索拉尔·勒扎玛认为,DeepCoder只是让编程工作中最枯燥乏味的部分自动化,程序员能够将时间专门花在处理比较复杂的工作上。

最后需要指出的是,DeepCoder目前只能够解决涉及大约五行代码的编程挑战。“一下子生成一大段代码很难,可能不切实际。但是真正庞大的代码却可以通过组合大量的小段代码编写而成。”索拉尔·勒扎玛说。

人工智能 程序员
上一篇:PyTorch和TensorFlow哪个更好?看一线开发者怎么说 下一篇:AI、机器学习和深度学习之间的区别是什么?
评论
取消
暂无评论,快去成为第一个评论的人吧

更多资讯推荐

11个主流AI聊天机器人平台,你绝不能错过

人工智能聊天机器人掀起了一场用户体验革命。只要用户需要,机器人就能提供有用的信息。一些企业应用AI聊天机器人为客户提供积极有益的帮助,企业也因此得到了长足的发展。

读芯术 ·  16h前
5G自动驾驶什么样?韩国测试得出这样的结果

自动驾驶与5G的产业发展备受关注,而两者结合会有什么样的效果,韩国企业近日进行了一番探索。韩媒报道称,10月10日,LG U+自动驾驶汽车在首尔麻谷LG科学园一带的普通公路上进行了测试。

佚名 ·  17h前
全球十大AI训练芯片大盘点

AI芯片哪家强?现在,有直接的对比与参考了。英国一名资深芯片工程师James W. Hanlon,盘点了当前十大AI训练芯片。

乾明 ·  18h前
模型仅1MB,更轻量的人脸检测模型开源,效果不弱于主流算法

AI模型越来越小,需要的算力也也来越弱,但精度依旧有保障。最新代表,是一个刚在GitHub上开源的中文项目:一款超轻量级通用人脸检测模型。

乾明 ·  18h前
人工智能遇冷,自动驾驶受阻?

2016到2019,人工智能经历了梦幻般的三年,但人工智能的历史规律告诉我们:高潮过后可能会引来新的一波沉寂,人工智能助推下的自动驾驶也会受到波及。

佚名 ·  22h前
非监督学习最强攻略

本次主要讲解的内容是机器学习里的非监督学习经典原理与算法,非监督,也就是没有target(标签)的算法模型。

SAMshare ·  22h前
PyTorch终于能用上谷歌云TPU,推理性能提升4倍,该如何薅羊毛?

Facebook在PyTorch开发者大会上正式推出了PyTorch 1.3,并宣布了对谷歌云TPU的全面支持,而且还可以在Colab中调用云TPU。

晓查 ·  23h前
500亿参数,支持103种语言:谷歌推出「全球文字翻译」模型

由于缺乏平行数据,小语种的翻译一直是一大难题。来自谷歌的研究者提出了一种能够翻译 103 种语言的大规模多语言神经机器翻译模型,在数据丰富和匮乏的语种翻译中都实现了显著的性能提升。

机器之心 ·  2天前
Copyright©2005-2019 51CTO.COM 版权所有 未经许可 请勿转载