编程|程序员又要失业？MIT 等推出新的机器编程系统机器|程序员|ai

文章图片

文章图片

7月29日，英特尔官网消息，英特尔和麻省理工学院（MIT）、乔治亚理工学院（Georgia Tech）共同推出了一种新的机器编程（MP）系统——机器推断代码相似性系统（MISIM）。
通过识别相似代码段，分析代码目的、作用的相似性， MISIM 可以完成一些编程任务，提供编程方法建议或选项，即用 AI 代替程序员做部分工作，如自动化错误检测等。
“英特尔机器编程的最终目的是使软件创建民主化” ，英特尔首席科学家兼机器编程研究总监/创始人 Justin Gottschlich 说。英特尔目前计划在内部使用 MISIM ，以协助开发人员完成调试等日常工作。
IT 领域中， AI 的许多应用场景都是机器编程。最近引起热议的人类算力天花板？1750 亿参数的 AI 模型 GPT-3 引爆硅谷? ，也是可以直接写代码。
如有人用 GPT-3 将日常语言转换成 Python 代码来创建资产负债表；还有开发者调用 GPT-3 API 做了一个网页 App 快速生成器，在输入框里用自然语言进行描述，它就可以快速输出相应的用户界面，比如输入“生成一个像西瓜一样的按钮”:
也有人早就开源了同样是机器编程的 AI 项目。如2018年，使用 keras 深度学习框架的项目 Sketchcode 开源， Sketchcode 可以直接将手绘的手稿图生成 HTML 代码。
AI 在 IT领域的应用还有 AI 自动测试，无码/低代码探讨等话题，本篇先从 MISIM 说起，看看机器编码的一些项目。
MISIM：AI 评估代码围绕 MISIM 的技术论文已经公开。该论文首先阐述了机器编程和代码相似系统的关系：机器编程领域涉及软件开发的自动化，近年来出现许多 MP 系统，部分原因是机器学习、形式方法、数据可用性和计算效率的进步。
而在 MP 系统中，一大挑战就是精确构建代码相似性系统。代码相似性系统往往包含许多复杂的组件，其中即使是最基本的组件的选择，如代码的结构表示都仍不明确。代码相似性的研究还处在早期阶段，但相关探索已越来越多， MISIM 也是其中之一。
MISIM 中的组件可以单独或一起使用，核心部件有两个。
一是一种新的上下文感知语义结构 CASS ，用来从代码语法中提升语义意义。目的是捕捉输入代码的语义的显著特性。 CASS 的上下文感知功能，可以用来捕获描述代码的上下文信息，例如， “这段代码是函数调用”、“这段是操作”等等。
其二， MISIM 提供了一种基于神经的学习代码相似性评分算法，可以用各种具有学习参数的神经网络体系结构来实现。该算法分两个阶段，第一阶段涉及一个神经网络模型，可将一个特征化的 CASS 映射到一个实值代码向量。第二个阶段使用相似性度量在一对代码向量之间生成相似性评分。
针对该系统的性能，其研究团队筛选出三个代码相似性系统做比较：code2vec、神经代码理解 NCC、代码推荐系统 Aroma 。比较实验使用 POJ-104 数据集，由学生编写的 C/C++程序组成。