Facebook führt TransCoder ein: KI, die eine Programmiersprache mit hoher Genauigkeit in eine andere umwandelt

Facebook-Forscher haben gerade bekannt gegeben, dass sie erfolgreich einen Programmiersprachenkonverter für Anwendungen der künstlichen Intelligenz entwickelt haben . Dieses Tool namens TransCoder kann Quellcode von einer höheren Programmiersprache in eine andere konvertieren. Zum Beispiel der Wechsel von C++ zu Java, Python und umgekehrt.

TransCoder basiert auf unbeaufsichtigtem Lernen und sucht nach bisher unentdeckten Mustern in Datensätzen, die nicht gekennzeichnet sind und nur minimaler menschlicher Aufsicht unterliegen. Berechnungen zufolge ist TransCoder bestehenden kommerziellen Tools weit überlegen.

Facebook TransCoder kann Quellcode mit hoher Genauigkeit von einer Programmiersprache in eine andere konvertieren

Die Konvertierung von Quellcode aus alten Sprachen in modernere und effektivere Programmiersprachen wie Java und C++ ist oft zeit- und kostenintensiv. Darüber hinaus müssen diejenigen, die diese Tätigkeit ausüben, über fundierte Kenntnisse sowohl der alten als auch der neuen Sprachen verfügen. Beispielsweise benötigte die australische Commonwealth Bank fünf Jahre und kostete 750 Millionen US-Dollar, um den Quellcode ihres gesamten Systems von COBOL auf Java umzustellen.

Theoretisch können Programmiersprachenkonverter den oben genannten Prozess erheblich unterstützen, sodass Programmierer den Quellcode nicht von Grund auf neu schreiben müssen. In der Praxis ist es jedoch sehr schwierig, einen Konverter zu erstellen und zu perfektionieren, da Programmiersprachen unterschiedliche Syntaxsätze verwenden und auf API-Plattformen, Standardfunktionsbibliotheken und unterschiedliche Variablentypen basieren können.

Durch unüberwachtes Lernen kann der TransCoder von Facebook jedoch mit hoher Genauigkeit zwischen C++, Java und Python konvertieren. TransCoder wird trainiert, indem ähnliche Codesegmente aufgezeichnet und zugeordnet werden, die dieselben Funktionen von Programmiersprachen haben. Der zum Trainieren von TransCoder verwendete Quellcode ist sogar mit zufälligen Codeausschnitten maskiert, sodass TransCoder sie basierend auf dem Kontext vorhersagen kann.

Ein weiterer Prozess namens Auto-Encoding Denoising trainiert TransCoder, automatisch gültige Codezeilen zu generieren, wenn inkohärente, unklare Eingabedaten bereitgestellt werden. Schließlich ermöglicht der Quellcode-Dekompilierungsprozess TransCoder die Erstellung eines parallelen Datensystems, das für zukünftige Schulungen verwendet werden kann.

Die Mehrsprachigkeit von TransCoder wird durch eine Reihe gemeinsamer „Anker“ in allen Programmiersprachen weiter „genährt“ , wie etwa die gemeinsamen Schlüsselwörter „for“, „while“, „if“ und „try“, Zahlen, mathematische Operatoren und Englische Streicher. Der Dekompilierungsprozess wird TransCoder auch dabei helfen, seine Qualität im Laufe der Zeit zu verbessern.

Facebook-Forscher trainierten TransCoder anhand des öffentlichen Datensatzes von GitHub, der 2,8 Millionen Open-Source-Repositories enthält. Das Ziel dieses Schulungsprozesses besteht darin, TransCoder bei der Konvertierung einer Programmiersprache in eine andere auf Funktionsebene zu unterstützen. Nachdem TransCoder mit dem gesamten verfügbaren Quellcode geübt wurde, wurden nur die Entrauschungskomponenten mithilfe von Autokodierung und Dekompilierung weiter auf die Funktionen trainiert, durchsetzt mit Komponenten, die mit 6.000 Tokens von Programmiersprachen arbeiten.

Um TransCoder zu evaluieren, extrahierten die Forscher 852 parallele Funktionen aus C++, Java und Python von GeeksforGeeks, einer Online-Plattform, die Programmierprobleme kompiliert und Lösungen in mehreren Programmiersprachen bereitstellt. Auf diese Weise entwickelten sie ein neues Messsystem, die Rechengenauigkeit, um zu testen, ob die hypothetische Funktion bei gleicher Eingabe die gleiche Ausgabe wie eine Referenz erzeugt.

Facebook gibt zu, dass selbst die beste Version von TransCoder noch nicht viele genaue Funktionsstrukturen relativ zur Eingabe erzeugt. Im Allgemeinen weisen die Konvertierungsergebnisse dieses Tools jedoch eine hohe Berechnungsgenauigkeit auf. Nachfolgend finden Sie die von Facebook berechneten Genauigkeitsstatistiken von TransCoder:

• Bei der Übersetzung von C++ nach Java erzielte TransCoder 74,8 % der erwarteten Ergebnisse
• Bei der Übersetzung von C++ nach Python erzielte TransCoder 67,2 % der erwarteten Ergebnisse
• Bei der Übersetzung von Java nach C++ erzielte TransCoder 91,6 % der erwarteten Ergebnisse
• Bei der Übersetzung von Python nach Java erzielte TransCoder 56,1 % der erwarteten Ergebnisse
• Bei der Übersetzung von Python nach C++ erzielte TransCoder 57,8 % der erwarteten Ergebnisse
• Bei der Übersetzung von Java nach Python erzielte TransCoder 68,7 % der erwarteten Ergebnisse

Laut den Forschern zeigte TransCoder ein klares Verständnis der spezifischen Syntax jeder Sprache sowie der Datenstrukturen und Methoden der Sprache. TransCoder kann auch die Bibliotheken jeder Sprache präzise anpassen und sich dabei an kleine Änderungen anpassen, beispielsweise eine umbenannte Eingabevariable. Dennoch hat TransCoder bestimmte Variablen im Konvertierungsprozess noch nicht identifiziert. Allerdings bewerten die Forscher TransCoder immer noch als überlegen gegenüber Frameworks, die durch manuelles Umschreiben von Regeln auf der Grundlage von Fachwissen erstellt werden.

Neben Facebook sind auch viele große Unternehmen daran interessiert, KI zu entwickeln, die im Auftrag von Menschen „Code schreiben“ kann.

„TransCoder lässt sich leicht auf jede Programmiersprache verallgemeinern, ohne dass dafür tiefgreifende Kenntnisse erforderlich sind. In puncto Effizienz ist TransCoder bestehenden kommerziellen Lösungen weit überlegen“ , behaupten Facebook-Forscher. „Unsere experimentellen Ergebnisse zeigen, dass viele Fehler von TransCoder leicht behoben werden können, indem dem Decoder einfache Einschränkungen hinzugefügt werden, um sicherzustellen, dass die generierten Funktionen syntaktisch korrekt sind. Oder wir können spezielle Architekturen für dieses Problem erstellen.“

Neben Facebook sind auch eine Reihe anderer Giganten daran interessiert, KI-Systeme zu entwickeln, die anstelle von Menschen „Code schreiben“ können. Während der Microsoft Build-Konferenz Anfang dieses Jahres demonstrierte OpenAI eine auf GitHub trainierte künstliche Intelligenz mit der Fähigkeit, voll funktionsfähige Software auf der Grundlage englischer Kommentare zu schreiben. Vor zwei Jahren hat die Rice University ein System namens Bayou entwickelt, das in der Lage ist, seine eigene Software zu schreiben, indem es „Testamente“ in öffentlich geteilten Codezeilen synthetisiert.

„Diese KI-Systeme werden dazu beitragen, Kleinigkeiten im Softwareentwicklungsprozess zu eliminieren “, sagte Justin Gottschlich, Direktor von Intel Labs. „Sie können Programmierern helfen, die Softwareentwicklung durch die Behebung von Fehlern zu beschleunigen. Darüber hinaus tragen sie dazu bei, die Zahl der Arbeitsplätze in der Technologiebranche zu erhöhen, in denen auch Menschen ohne Programmierhintergrund arbeiten können. Diese Leute werden kreative Aufgaben übernehmen und den Coding-Bereich verlassen.“ zur KI.“

Was halten Sie von dieser neuen KI von Facebook? Bitte hinterlassen Sie Ihre Kommentare im Kommentarbereich unter dem Artikel!