Facebook lancia TransCoder: AI che converte un linguaggio di programmazione in un altro con elevata precisione

I ricercatori di Facebook hanno appena annunciato di aver sviluppato con successo un convertitore di linguaggi di programmazione per applicazioni di intelligenza artificiale . Questo strumento chiamato TransCoder può convertire il codice sorgente da un linguaggio di programmazione di alto livello a un altro. Ad esempio, passando da C++ a Java, Python e viceversa.

Basato sull'apprendimento non supervisionato, TransCoder ricerca modelli precedentemente sconosciuti nei set di dati, che non sono etichettati e con una supervisione umana minima. Secondo i calcoli TransCoder è di gran lunga superiore agli strumenti commerciali esistenti.

Facebook TransCoder può convertire il codice sorgente da un linguaggio di programmazione a un altro con elevata precisione

La conversione del codice sorgente che utilizzava vecchi linguaggi in linguaggi di programmazione più moderni ed efficaci come Java e C++ è spesso costosa sia in termini di tempo che di denaro. Inoltre, chi intraprende questo lavoro deve avere una conoscenza approfondita sia delle vecchie che delle nuove lingue. Ad esempio, la Commonwealth Bank australiana ha impiegato 5 anni e un costo di 750 milioni di dollari per convertire il codice sorgente dell'intero sistema da COBOL a Java.

In teoria, i convertitori di linguaggi di programmazione possono supportare notevolmente il processo di cui sopra, aiutando i programmatori a non dover riscrivere il codice sorgente da zero. Tuttavia, in pratica, è molto difficile costruire e perfezionare un convertitore perché i linguaggi di programmazione possono utilizzare diversi set di sintassi e fare affidamento su piattaforme API, librerie di funzioni standard e tipi di variabili diverse.

Tuttavia, utilizzando l'apprendimento non supervisionato, TransCoder di Facebook può effettuare conversioni tra C++, Java e Python con un elevato livello di precisione. TransCoder viene addestrato registrando e mappando segmenti di codice simili che condividono le stesse funzioni dei linguaggi di programmazione. Il codice sorgente utilizzato per addestrare TransCoder è persino mascherato con frammenti di codice casuali in modo che TransCoder possa prevederli in base al contesto.

Un altro processo chiamato denoising con codifica automatica addestrerà TransCoder a generare automaticamente righe di codice valide quando vengono forniti dati di input incoerenti e poco chiari. Infine, il processo di decompilazione del codice sorgente consente a TransCoder di creare un sistema di dati parallelo che può essere utilizzato per la formazione futura.

La natura multilingue di TransCoder è ulteriormente "nutrita" da una serie di "ancoraggi" comuni a tutti i linguaggi di programmazione come le parole chiave comuni "for", "when", "if" e "try", numeri, operatori matematici e Corde inglesi. Il processo di decompilazione aiuterà inoltre TransCoder a migliorarne la qualità nel tempo.

I ricercatori di Facebook hanno addestrato TransCoder sul set di dati pubblici di GitHub, che contiene 2,8 milioni di repository open source. L'obiettivo di questo processo di formazione è aiutare TransCoder a convertire un linguaggio di programmazione in un altro a livello di funzione. Dopo che TransCoder si è esercitato su tutto il codice sorgente disponibile, solo i componenti di denoising che utilizzano la codifica automatica e la decompilazione sono stati ulteriormente addestrati sulle funzioni, intervallati da componenti che lavorano su 6.000 token di linguaggi di programmazione.

Per valutare TransCoder, i ricercatori hanno estratto 852 funzioni parallele da C++, Java e Python da GeeksforGeeks, una piattaforma online che compila problemi di programmazione e fornisce soluzioni in più linguaggi di programmazione diversi. In questo modo, hanno sviluppato un nuovo sistema di misurazione, l’accuratezza computazionale, per verificare se, dato lo stesso input, la funzione ipotetica produce lo stesso output come riferimento.

Facebook ammette che anche la migliore versione di TransCoder non produce ancora molte strutture di funzioni precise relative all'input. Tuttavia, in generale, i risultati della conversione di questo strumento hanno un’elevata precisione di calcolo. Di seguito sono riportate le statistiche sulla precisione di TransCoder calcolate da Facebook:

• Durante la traduzione da C++ a Java, TransCoder ha ottenuto il 74,8% dei risultati attesi
• Durante la traduzione da C++ a Python, TransCoder ha ottenuto il 67,2% dei risultati attesi
• Durante la traduzione da Java a C++, TransCoder ha ottenuto il 91,6% dei risultati attesi
• Durante la traduzione da Python a Java, TransCoder ha ottenuto il 56,1% dei risultati attesi
• Durante la traduzione da Python a C++, TransCoder ha ottenuto il 57,8% dei risultati attesi
• Durante la traduzione da Java a Python, TransCoder ha ottenuto il 68,7% dei risultati attesi

Secondo i ricercatori, TransCoder ha dimostrato una chiara comprensione della sintassi specifica di ciascuna lingua, nonché delle strutture e dei metodi dei dati della lingua. TransCoder può anche adattare con precisione le librerie di ciascuna lingua adattandosi a piccole modifiche, ad esempio una variabile di input rinominata. Anche così, TransCoder non ha ancora identificato alcune variabili nel processo di conversione. Tuttavia, i ricercatori continuano a considerare TransCoder superiore ai framework creati riscrivendo manualmente le regole sulla base di conoscenze specializzate.

Oltre a Facebook, anche molte grandi aziende sono interessate a sviluppare un’intelligenza artificiale in grado di “scrivere codice” per conto degli esseri umani.

"TransCoder si generalizza facilmente a qualsiasi linguaggio di programmazione, senza richiedere alcuna conoscenza approfondita. In termini di efficienza, TransCoder è di gran lunga superiore alle soluzioni commerciali esistenti" , affermano i ricercatori di Facebook. "I nostri risultati sperimentali mostrano che molti dei bug di TransCoder possono essere facilmente risolti aggiungendo semplici vincoli al decoder per garantire che le funzioni generate siano sintatticamente corrette. Oppure possiamo creare architetture specializzate per questo problema."

Oltre a Facebook, anche altri giganti sono interessati allo sviluppo di sistemi di intelligenza artificiale in grado di “scrivere codici” al posto degli esseri umani. Durante la conferenza Microsoft Build all'inizio di quest'anno, OpenAI ha dimostrato un'intelligenza artificiale addestrata su GitHub con la capacità di scrivere software completamente funzionale basato su commenti in inglese. Due anni fa, la Rice University ha creato un sistema chiamato Bayou in grado di scrivere il proprio software sintetizzando "testamenti" in righe di codice condivise pubblicamente.

"Questi sistemi di intelligenza artificiale contribuiranno a eliminare le minuzie nel processo di sviluppo del software ", ha affermato Justin Gottschlich, direttore di Intel Labs. "Possono aiutare i programmatori ad accelerare lo sviluppo del software risolvendo bug. Inoltre, aiutano ad aumentare il numero di posti di lavoro nel settore tecnologico a cui possono unirsi anche persone senza esperienza di programmazione. Queste persone assumeranno compiti creativi e lasceranno la parte di codifica all'IA."

Cosa ne pensate di questa nuova AI di Facebook? Lascia i tuoi commenti nella sezione commenti sotto l'articolo!