Facebook เปิดตัว TransCoder: AI ที่แปลงภาษาโปรแกรมหนึ่งไปเป็นอีกภาษาหนึ่งด้วยความแม่นยำสูง

นักวิจัยของ Facebook เพิ่งประกาศว่าพวกเขาประสบความสำเร็จในการพัฒนาโปรแกรมแปลงภาษาสำหรับ แอปพลิ เคชันปัญญาประดิษฐ์ เครื่องมือที่เรียกว่า TransCoder สามารถแปลงซอร์สโค้ดจากภาษาการเขียนโปรแกรมระดับสูงภาษาหนึ่งไปเป็นอีกภาษาหนึ่งได้ ตัวอย่างเช่น การเปลี่ยนจากC++เป็น Java, Pythonและในทางกลับกัน

สร้างขึ้นจากการเรียนรู้แบบไม่มีผู้ดูแล TransCoder ค้นหารูปแบบที่ไม่เคยค้นพบมาก่อนในชุดข้อมูล ซึ่งไม่มีป้ายกำกับและมีการควบคุมดูแลโดยมนุษย์เพียงเล็กน้อย จากการคำนวณ TransCoder นั้นเหนือกว่าเครื่องมือเชิงพาณิชย์ที่มีอยู่มาก

Facebook TransCoder สามารถแปลงซอร์สโค้ดจากภาษาการเขียนโปรแกรมหนึ่งไปเป็นอีกภาษาหนึ่งได้อย่างแม่นยำสูง

การแปลงซอร์สโค้ดโดยใช้ภาษาเก่าเป็นภาษาโปรแกรมที่ทันสมัยและมีประสิทธิภาพมากขึ้น เช่นJavaและ C++ มักจะมีค่าใช้จ่ายสูงทั้งในด้านเวลาและเงิน นอกจากนี้ผู้ที่รับงานนี้จำเป็นต้องมีความรู้เชิงลึกทั้งภาษาเก่าและภาษาใหม่ ตัวอย่างเช่น ธนาคารเครือจักรภพของออสเตรเลียใช้เวลา 5 ปีและมีค่าใช้จ่าย 750 ล้านดอลลาร์สหรัฐในการแปลงซอร์สโค้ดของระบบทั้งหมดจากภาษาโคบอลเป็นจาวา

ตามทฤษฎีแล้ว โปรแกรมแปลงภาษาสามารถรองรับกระบวนการข้างต้นได้อย่างมาก ช่วยให้โปรแกรมเมอร์ไม่ต้องเขียนซอร์สโค้ดใหม่ตั้งแต่ต้น อย่างไรก็ตาม ในทางปฏิบัติ เป็นเรื่องยากมากที่จะสร้างและทำให้ตัวแปลงสมบูรณ์แบบเนื่องจากภาษาการเขียนโปรแกรมสามารถใช้ชุดไวยากรณ์ที่แตกต่างกันและอาศัยแพลตฟอร์ม API ไลบรารีฟังก์ชันมาตรฐาน และประเภท ตัวแปรที่แตกต่างกัน

อย่างไรก็ตาม การใช้การเรียนรู้แบบไม่มีผู้ดูแล TransCoder ของ Facebook สามารถแปลงระหว่าง C++, Java และ Python ได้อย่างแม่นยำในระดับสูง TransCoder ได้รับการฝึกฝนโดยการบันทึกและแมปส่วนของโค้ดที่คล้ายกันซึ่งใช้ฟังก์ชันเดียวกันของภาษาการเขียนโปรแกรม ซอร์สโค้ดที่ใช้ในการฝึก TransCoder ยังถูกปกปิดด้วยข้อมูลโค้ดแบบสุ่ม เพื่อให้ TransCoder สามารถคาดเดาได้ตามบริบท

กระบวนการอื่นที่เรียกว่าการลดสัญญาณรบกวนการเข้ารหัสอัตโนมัติจะฝึก TransCoder ให้สร้างบรรทัดโค้ดที่ถูกต้องโดยอัตโนมัติเมื่อมีข้อมูลอินพุตที่ไม่ต่อเนื่องและไม่ชัดเจน สุดท้ายนี้ กระบวนการถอดรหัสซอร์สโค้ดทำให้ TransCoder สามารถสร้างระบบข้อมูลแบบขนานที่สามารถใช้สำหรับการฝึกอบรมในอนาคตได้

ลักษณะหลายภาษาของ TransCoder ได้รับการ "บำรุง" เพิ่มเติมโดยชุด "จุดยึด" ทั่วไปในภาษาการเขียนโปรแกรมเช่น คำหลักทั่วไป "สำหรับ" "ในขณะที่" "ถ้า" และ "ลอง" ตัวเลข ตัวดำเนินการทางคณิตศาสตร์ และ สายอังกฤษ. กระบวนการถอดรหัสจะช่วยให้ TransCoder ปรับปรุงคุณภาพเมื่อเวลาผ่านไป

นักวิจัยของ Facebook ได้ฝึกอบรม TransCoder บนชุดข้อมูลสาธารณะของ GitHub ซึ่งมีที่เก็บโอเพ่นซอร์ส 2.8 ล้านแห่ง เป้าหมายของกระบวนการฝึกอบรมนี้คือการช่วยให้ TransCoder แปลงภาษาการเขียนโปรแกรมหนึ่งไปเป็นอีกภาษาหนึ่งในระดับฟังก์ชัน หลังจากที่ TransCoder ได้รับการฝึกฝนกับซอร์สโค้ดที่มีอยู่ทั้งหมดแล้ว เฉพาะส่วนประกอบ denoising ที่ใช้การเข้ารหัสอัตโนมัติและการคอมไพล์เท่านั้นที่ได้รับการฝึกอบรมเพิ่มเติมเกี่ยวกับฟังก์ชันต่างๆ สลับกับส่วนประกอบที่ทำงานบนโทเค็น 6,000 ของภาษาการเขียนโปรแกรม

เพื่อประเมิน TransCoder นักวิจัยได้ดึงฟังก์ชันแบบขนาน 852 รายการจาก C++, Java และ Python จาก GeeksforGeeks ซึ่งเป็นแพลตฟอร์มออนไลน์ที่รวบรวมปัญหาการเขียนโปรแกรมและนำเสนอวิธีแก้ปัญหาในภาษาการเขียนโปรแกรมหลายภาษา แตกต่างกัน ด้วยวิธีนี้ พวกเขาได้พัฒนาระบบการวัดใหม่ ความแม่นยำในการคำนวณ เพื่อทดสอบว่าฟังก์ชันสมมุติฐานที่ให้อินพุตเดียวกันจะให้เอาต์พุตเดียวกันกับข้อมูลอ้างอิงหรือไม่

Facebook ยอมรับว่าแม้แต่ TransCoder เวอร์ชันที่ดีที่สุดก็ยังไม่มีโครงสร้างฟังก์ชันที่แม่นยำมากนักเมื่อเทียบกับอินพุต อย่างไรก็ตาม โดยทั่วไปแล้ว ผลลัพธ์การแปลงของเครื่องมือนี้มีความแม่นยำในการคำนวณสูง ด้านล่างนี้คือสถิติความแม่นยำของ TransCoder ที่ Facebook คำนวณ:

• เมื่อแปลจาก C++ เป็น Java TransCoder บรรลุผลสำเร็จ 74.8% ของผลลัพธ์ที่คาดหวัง
• เมื่อแปลจาก C++ เป็น Python TransCoder ได้ผลลัพธ์ที่คาดหวังถึง 67.2%
• เมื่อแปลจาก Java เป็น C++ TransCoder ได้ผลลัพธ์ที่คาดหวังถึง 91.6%
• เมื่อแปลจาก Python เป็น Java TransCoder ได้ผลลัพธ์ที่คาดหวังถึง 56.1%
• เมื่อแปลจาก Python เป็น C++ TransCoder ได้ผลลัพธ์ที่คาดหวังถึง 57.8%
• เมื่อแปลจาก Java เป็น Python TransCoder ได้ผลลัพธ์ที่คาดหวังถึง 68.7%

ตามที่นักวิจัย TransCoder แสดงให้เห็นถึงความเข้าใจที่ชัดเจนเกี่ยวกับไวยากรณ์เฉพาะของแต่ละภาษา รวมถึงโครงสร้างข้อมูลและวิธีการ ของภาษา TransCoder ยังสามารถปรับไลบรารีของแต่ละภาษาได้อย่างแม่นยำ ในขณะเดียวกันก็ปรับให้เข้ากับการแก้ไขเล็กๆ น้อยๆ เช่น ตัวแปรอินพุตที่ถูกเปลี่ยนชื่อ อย่างไรก็ตาม TransCoder ยังไม่ได้ระบุตัวแปรบางตัวในกระบวนการแปลง อย่างไรก็ตาม นักวิจัยยังคงให้คะแนน TransCoder ว่าเหนือกว่าเฟรมเวิร์กที่สร้างขึ้นโดยการเขียนกฎใหม่ด้วยตนเองตามความรู้เฉพาะทาง

นอกจาก Facebook แล้ว บริษัทใหญ่ๆ หลายแห่งยังสนใจที่จะพัฒนา AI ที่สามารถ "เขียนโค้ด" ในนามของมนุษย์ได้อีกด้วย

"TransCoder สามารถสรุปเป็นภาษาการเขียนโปรแกรมใดๆ ได้อย่างง่ายดาย โดยไม่ต้องอาศัยความรู้เชิงลึกใดๆ ในแง่ของประสิทธิภาพ TransCoder นั้นเหนือกว่าโซลูชันเชิงพาณิชย์ที่มีอยู่มาก"นักวิจัยของ Facebook กล่าว "ผลการทดลองของเราแสดงให้เห็นว่าข้อบกพร่องต่างๆ ของ TransCoder สามารถแก้ไขได้ง่ายโดยการเพิ่มข้อจำกัดง่ายๆ ให้กับตัวถอดรหัสเพื่อให้แน่ใจว่าฟังก์ชันที่สร้างขึ้นมีความถูกต้องทางวากยสัมพันธ์ หรือเราสามารถสร้างสถาปัตยกรรมเฉพาะสำหรับปัญหานี้ได้"

นอกจาก Facebook แล้ว ยังมียักษ์ใหญ่อีกจำนวนหนึ่งสนใจที่จะพัฒนาระบบ AI ที่สามารถ "เขียนโค้ด" แทนมนุษย์ได้ ในระหว่างการประชุม Microsoft Build เมื่อต้นปีนี้ OpenAI สาธิตปัญญาประดิษฐ์ที่ได้รับการฝึกอบรมบน GitHub พร้อมความสามารถในการเขียนซอฟต์แวร์ที่ทำงานได้อย่างสมบูรณ์ตามความคิดเห็นภาษาอังกฤษ เมื่อสองปีที่แล้ว มหาวิทยาลัยไรซ์ได้สร้างระบบที่เรียกว่า Bayou ซึ่งสามารถเขียนซอฟต์แวร์ของตัวเองได้โดยการสังเคราะห์ "พินัยกรรม" ในบรรทัดโค้ดที่เปิดเผยต่อสาธารณะ

“ระบบ AI เหล่านี้จะช่วยขจัดปัญหาเล็กๆ น้อยๆ ในกระบวนการพัฒนาซอฟต์แวร์ ” Justin Gottschlich ผู้อำนวยการของ Intel Labs กล่าว “พวกเขาสามารถช่วยให้โปรแกรมเมอร์เร่งการพัฒนาซอฟต์แวร์โดยการแก้ไขจุดบกพร่อง นอกจากนี้ยังช่วยเพิ่มจำนวนงานในอุตสาหกรรมเทคโนโลยีที่คนที่ไม่มีพื้นฐานด้านการเขียนโปรแกรมก็สามารถเข้าร่วมได้ คนเหล่านี้จะรับหน้าที่สร้างสรรค์และออกจากส่วนการเขียนโค้ด สู่เอไอ”

คุณคิดอย่างไรเกี่ยวกับ AI ใหม่นี้จาก Facebook กรุณาแสดงความคิดเห็นของคุณในส่วนความคิดเห็นด้านล่างบทความ!