首页>>技术前沿>>网站/软件行业动态
关于人工智能未来的畅想，除了家庭服务机器人，快递无人机，医用机器人等等，Lucas Carlson 认为人工智能在另外一个领域的可能带来的变革，却没有引起公众的足够注意——这就是：让计算机自己编程。
2016年11月末，Lucas Carlson 撰文：
目前，机器学习方面的专家倾向于把研究聚焦于具体领域内高度裁剪的 AI 应用——比如：面部识别、自动驾驶汽车、语音识别，甚至是互联网搜索结果等方面。但是，这些技术同样可以应用到让计算机理解其自身的代码架构上——当然这里是指脱离人类的帮助、解释和干涉的情况下进行的理解——其实这种对代码的“理解”和让计算机理解自然语言，或是识别图像并没有本质的区别。
如果代码能够自我分析——做到比人类更快地修正错误并不断优化——那么技术革新将会发生得越来越快。其带来的可能性几乎是无穷无尽的：医学上的进步，更智能的机器人，更“智能“的手机等等。
…… 而 AI 将会改变这种局面。
Lucas 的全文，请参见《让代码写代码，自主编程的 AI 离我们还有多远？》。
2017年2月23日 NewScientist 报道，微软和剑桥大学的研究员近日发布了一篇论文，文中阐述了其科研成果 DeepCoder：一个会编程的机器学习系统。
微软和剑桥大学研究人员联合创建的机器学习系统 DeepCoder 学会了如何自己写代码。它能让人们在没有掌握必要编程知识的情况下，更轻松的构建出简单的应用程序。
未来，非程序员可以通过简单的描述出一个程序的想法，然后让机器学习系统将其构建出来。DeepCoder 使用了被称为「程序合成」（Inductive Program Synthesis）的技术，将来自现有软件的一行行源代码拼接在一起。
给定每一个代码片段的输入和输出列表，DeepCoder 学会要实现预期结果需要使用到哪部分代码。它的一大优势是速度，能在几分之一秒内创建出一个可工作的程序。在了解了哪一部分源代码能工作，哪一部分不能之后，DeepCoder 能改进每一次创建的新程序。
目前DeepCoder只能生成五行左右代码的程序。但如果采用了适当的编程语言，几行代码也能抵上一段复杂的代码了。
没有参与 DeepCoder 的麻省理工学院 Armando Solar-Lezama 认为，这类技术在自动化方面有很大潜能，将极大减少在开发代码方面的精力消耗。但想一下子生成一大段代码，有点不现实。不过一大段代码，是可以有很多的小段代码组合而成。
Solar-Lezama 同时认为，DeepCoder 并不会让程序员失业下岗。因为「程序合成」是把编程阶段枯燥部分自动化了，程序员能把更多精力放在更为复杂的任务上。
除了自动编程的，还有自动修 Bug 的程序2015 年 6 月下旬，麻省理工学院的研究人员展示了一个新系统，可以通过从其他更加安全的应用中自动导入相关功能，借以修复原来软件中的危险漏洞。
这个引人注目的系统叫做 CodePhage ，它借用其他程序时并不需要访问借主应用的源码。相反，该系统分析这个应用的执行情况，并标记出其安全检查类别的特性。因此，即使所编写的语言与被修复应用的语言不同，该系统仍然可以从中导出检查功能用来修复应用。
CodePhage 将代码导入易受攻击的程序后，还会进行进一步分析以确保漏洞被修复。
MIT 计算机科学与人工智能研究室（CSAIL）的研究员，CodePhage 的研发领导人员 Stelios Sidiroglou-Douskos 表示：“我们在开源库里有大量代码可用，数百万计项目，而且很多项目都有类似的实现了。这些项目总有一些可以与别的许多项目共享功能的子模块，即便那不一定是该程序的核心功能。”
有了 CodePhage，“你将逐渐建立一个集其他应用最优秀部分于一身的混合系统。
【全文完】
版权声明:
1、弈聪软件网站内容中凡注明“来源：XXX（非陕西弈聪网站）”的作品，转载自其它媒体，转载目的在于传递更多信息，其中涉及的网站建设，网站优化，APP开发，微信小程序开发，大数据平台开发，区块链技术开发等软件开发技术细节并不代表本站赞同支持其观点，并不对其真实性负责。对于署名“陕西弈聪”的作品系本站版权所有，任何人转载请署名来源，否则陕西弈聪将追究其相关法律责任。
2、本站内容中未声明为“原创”的内容可能源自其它网站，但并不代表本站支持其观点，对此带来的法律纠纷及其它责任与我方无关。如果此内容侵犯了您的权益，请联系我方进行删除。
企业动态
