学界 | 遗传算法自动编写软件:新研究让AI开始代替程序员工作

2017 年 9 月 20 日 机器之心

选自arXiv

机器之心编译

参与:李亚洲、李泽南


人工智能究竟会在未来代替哪些人类的工作?程序员似乎在这个问题中永远排在最后一位。不过,这样的看法似乎并不准确。最近,来自 Bloomberg 和英特尔实验室的研究人员提出了一种基于遗传算法的人工智能程序 AI Programmer,它可以在普通计算机的硬件基础之上为指定任务生成程序。


从计算机被发明以来,正确、高效地开发软件程序一直是个根本性挑战。为了帮助解决该问题,软件开发领域已经作出了无数的突破。一些突破包括在静态、动态、渐进式系统中的安全、灵活的进步;使用自动化存储管理和垃圾收集系统作出的简化、安全、稳健的进步;在通用与特定领域语言的普通和特定发展;当然还包括以各种方式协助程序员的众多工具。


目前,在硬件创新领域中,新发展也在以类似的频率在发生,例如越来越多的通用性能多核 CPU,带有高级的硬件扩展,或者是低能耗 SoC 边缘计算设备、接近先前超级计算机性能的高性能嵌入式协处理器;宽泛数据并行的 GPU;适合神经网络和计算机视觉的 ASIC,等等。


在硬件进展持续扩展计算的深度与广度的同时,副作用就是把软件开发与人类写代码的效率之间的紧张关系变得越来越复杂、恶劣。


在这篇论文中,作者们探索了一种取代传统人类软件开发的方式,也就是使用遗传算法自动创造软件程序,只需要少量的人类指导。


据论文介绍,该研究的技术贡献在于:


1. 史无前例的提出了软件生成框架 AI Programmer,使用遗传算法结合全新简化编程语言构建程序。

2. 给出多种批评观测系统,包括一个嵌入式注释器和模拟器解决方案,保证机器学习生成的软件的安全与优化。

3. 在硬件上完整生成了多个软件程序,给出了经验式结果证明 AI Programmer 的功效与效率。


图 1:AI Programmer 的软件架构


AI Programmer 由 C# .NET. 上的模块化框架组成。它包括用于运行遗传算法的引擎,用于基因组图的编码器和解码器,用于模拟程序执行的沙箱解释器,以及将代码转换为二进制可执行文件的编译器。虽然 AI Progammer 使用 C#,但它的应用范围不仅限于 C#。AI Programmer 的软件框架是可以扩展的,开发者们可以在此基础上构建适合自己的工具,通过指导系统的遗传算法,不断改进自己的软件程序。


表 2:AI Programmer 的结果


论文:AI Programmer: Autonomously Creating Software Programs Using Genetic Algorithms


链接:https://arxiv.org/abs/1709.05703


摘要:在此论文中,我们史无前例的提出了一种名为 AI Programmer 的机器学习系统,只需少量的人类指导就能生成完整软件程序。AI Programmer 的核心是使用遗传算法,加上极其约束的编程语言最小化其机器学习搜索空间。AI Programmer 的部分创新性来自于其独特的系统设计,包括一个嵌入式、手动注释器来提高效率与安全;还有它对遗传算法的增强,包括遗传指令随机捆绑和程序特定语言基因构建和消除技术。我们给出了 AI Programmer 系统设计的详细测试,系统运行原理的详细示例,以及只使用主流 CPU 证明软件生成能力和性能的试验数据。


本文为机器之心编译,转载请联系本公众号获得授权

✄------------------------------------------------

加入机器之心(全职记者/实习生):hr@jiqizhixin.com

投稿或寻求报道:content@jiqizhixin.com

广告&商务合作:bd@jiqizhixin.com

登录查看更多
4

相关内容

【干货书】《机器学习导论(第二版)》,348页pdf
专知会员服务
245+阅读 · 2020年6月16日
【干货书】现代数据平台架构,636页pdf
专知会员服务
253+阅读 · 2020年6月15日
Python导论,476页pdf,现代Python计算
专知会员服务
259+阅读 · 2020年5月17日
专知会员服务
123+阅读 · 2020年3月26日
【经典书】Python数据数据分析第二版,541页pdf
专知会员服务
192+阅读 · 2020年3月12日
DTalk|自动化机器学习-人工智能的未来
机器之心
4+阅读 · 2018年9月15日
深度学习开发必备开源框架
九章算法
12+阅读 · 2018年5月30日
用于神经网络机器翻译的全并行文本生成
十五条有用的Golang编程经验
CSDN大数据
5+阅读 · 2017年8月7日
Arxiv
4+阅读 · 2018年12月20日
Arxiv
5+阅读 · 2018年10月4日
Arxiv
7+阅读 · 2018年1月24日
Arxiv
11+阅读 · 2018年1月18日
VIP会员
相关资讯
Top
微信扫码咨询专知VIP会员