智能制造網(wǎng)APP
智能制造網(wǎng)手機站
智能制造網(wǎng)小程序
智能制造網(wǎng)官微
智能制造網(wǎng)服務號
智能控制
機器人
儀器儀表
物聯(lián)網(wǎng)
3D打印
工業(yè)軟件
回放
品牌
傾技
微軟研究院首席研究員 Miltos Alamanis 與高級首席研究主管 Marc Brockschmidt，剛剛在一篇博客文章中介紹了他們新開發(fā)的 BugLabs 人工智能。顧名思義。這是一套專門用于發(fā)現(xiàn)代碼中的錯誤，幫助開發(fā)者更精準、高效地調(diào)試其應用程序的 AI 解決方案。而且它的開發(fā)過程，與創(chuàng)建生成對抗網(wǎng)絡(GAN)的形式大致相同。
在《借助深度學習查找并修復錯誤》一文中，微軟研究員介紹了他們設置的兩個相互對抗的網(wǎng)絡。其中一個旨在將小錯誤引入代碼，另一個則旨在發(fā)現(xiàn)這些 bug 。
隨著深度學習訓練的持續(xù)推進，AI 的能力也變得愈加完善，最終成為了我們看到的這個特別擅長識別“隱藏在真是代碼中的 bug”的人工智能。
這種方法的優(yōu)點，在于全程無需自我監(jiān)督或標記數(shù)據(jù)。Miltos Allamanis 與 Marc Brockschmidt 在報告中提到：
理論上，我們可以將之廣泛地應用于‘捉迷藏’游戲 —— 教授機器去識別任務復雜的錯誤。遺憾的是，這些 bug 通常超出了現(xiàn)代人工智能方法的運用范圍。
有鑒于此，研究團隊決定更加專注于一組常見的錯誤 —— 包括不正確的比較(例如使用 <= 而不使用 < 或 > 符號、不適當?shù)牟紶栠\算符(與 / 或)、濫用變量(誤用 i 而不是 j)等。
系統(tǒng)測試期間，微軟研究員特別專注于 Python 代碼。一旦檢測器通過了訓練，即可將它用于檢測和修復實際代碼中的 bug 。
不過為了均衡性能，他們還是手動注釋了 Python Package Index 中包含的某些類型的小錯誤數(shù)據(jù)集。
最終與隨機錯誤插入等其它替代方案相比，其“hide-and-seek”訓練模型有高達三成的前沿優(yōu)勢，前景很是光明。
具體說來是，hide-and-seek 能夠自動找到并修復大約 26% 的錯誤，且其中包括了 19 個此前未知的真實開源 GitHub 代碼中的 bug 。
與此同時，現(xiàn)階段的 AI 模型仍存在許多誤報。在投入實際運用之前，顯然還需要開展更多的改進。
最后，鑒于微軟已經(jīng)成功地推動了 GitHub 上的 GPT-3 項目，預計 hide-and-seek 也將很快迎來商業(yè)化應用。
(原標題：微軟開發(fā)可高效揪除代碼錯誤的BugLabs人工智能解決方案)
浙公網(wǎng)安備 33010602000006號
智能制造網(wǎng)APP
智能制造網(wǎng)小程序
微信公眾號
