编程|程序员又要失业？MIT 等推出新的机器编程系统( 二 ) 机器|程序员|ai

评估的精度指标是 R(MAP@R)、平均精度(AP)和精度-Recall-Gain 曲线(AUPRG)下的面积(Aup@R) ，它们衡量模型在给定查询的数据库中检索类似（或相关）项的准确性。最终的实验结果表明， MISIM 比其他三个最先进的代码相似系统的性能高出40.6倍。
不过，论文还提到了可以预见的负面影响：
一级负面影响，给定的研究想法可以直接用于伤害性行为，如 DeepFake、DeepNude 等等。
二级负面影响，指研究想法可能会使它的使用方式产生直接的负面或积极影响，例如将面部识别用于压迫少数群体、产生恶意假新闻等等。
三级负面影响，研究思想被用来构建第二个应用程序，并根据新程序的使用产生的负面影响。

如果代码使用相似性工具发展足够成熟，可以自动生成正确的可编译代码，那么它可能被用来自动将代码从一种语言替换为另一种语言，或者用快速代码替代慢代码。
恶意使用者可以利用代码相似性工具爬取网络，在网络上窃取代码，并从可用代码中，找到常见的模式和安全缺陷，然后找到大规模黑客攻击的方法。从同一代码生成器生成的代码可能更容易受到此类攻击。
如果系统允许基于代码相似性的自动代码修补/修复，而不进行适当的测试，那么如果被黑客攻击，它可能会产生安全缺陷。
如果程序员习惯从编程工具获得帮助，可能会降低程序员的学习能力，除非该工具提供可解释性，解释性将需要了解工具正在学习的代码相似性，并教育程序员。

“总之，代码相似性是一个抽象的概念，很可能有许多积极的应用。为了减轻负面影响，我们需要确保制定适当的政策和安全措施，防止负面使用。特别是，这种安全系统可能需要人工介入，以便被用来提高程序员的能力和生产力。 ”论文最后指出。

微软、Facebook、OpenAI 的 MP 系统机器编程被各大科技公司看做是“解放程序员”的一种方式。
“MP 将使每个人都能以最适合自己的方式表达意图，无论是代码，自然语言还是其他方式，来创建软件。 ” Justin Gottschlich 给 MISIM 提出的这个目标，实际上也是许多 AI 项目在 IT 领域的共同目标。
被 MISIM 拿来作比较的机器学习代码推荐系统 Aroma ，是 Facebook 2019年推出的一个项目，可以自动完成小程序，帮助程序员找到可以“参考使用”的代码等等。
如安卓程序员想要了解如何解码手机中的 bitmap ，可以使用代码直接搜索：
前不久 DeepMind 也发布了 AI 算法开发框架——Acme ，提供比人类设计更有效的简单算法版本。 Acme 是一个分布式强化学习框架，通过促使 AI 驱动的智能体在不同规模的环境中运行。该框架可以简化、强化学习算法开发进程。
此外微软也正在其软件开发工具中，加入基本的代码生成功能。 OpenAI 的 GPT-3 语言模型也已经被多位开发者调用，从自然语言中生成简单代码段。
【编程|程序员又要失业？MIT 等推出新的机器编程系统】这些机器编程项目或是功能，什么时候能发挥出多大的作用，目前似乎还没有一个准确的答案。除了 GPT-3 刚上线就直接开放给开发者调用，像 MISIM 还主要是在英特尔内部使用。不过 GPT-3 偏向强调是一个可以更广泛使用的 AI 模型，可以处理所有的语言任务，还能写诗。 MISIM 则是专注于代码任务的一个系统。