Искусственный интеллект, способный заменить профессионалов – реальность ближайшего будущего.
Google представила Для просмотра ссылки Войдиили Зарегистрируйся , улучшенную версию своей модели для генерации кода, разработанной лабораторией DeepMind около года назад. AlphaCode 2 работает на базе модели Gemini, точнее на её варианте, Gemini Pro, настроенном на данные из конкурсов по программированию. Google утверждает, что AlphaCode 2 значительно превосходит своего предшественника, особенно в одном конкретном тесте.
На части программных соревнований на платформе Codeforces AlphaCode 2, использующий языки Python, Java, C++ и Go, показал результаты лучше, чем у 85% участников. Это в сравнении с 50% участников, которых превзошёл предыдущий AlphaCode.
Для просмотра ссылки Войдиили Зарегистрируйся на дополнительном наборе данных «более высокого качества», но, судя по скудным подробностям в техническом отчете, не совсем ясно, какие именно данные использовались и в каком именно объеме. Исследователи выбрали 12 недавних соревнований с более чем 8,000 участниками из разделов 2 и более сложного 1+2, включающих 77 задач. AlphaCode 2 решил 43% задач за 10 попыток, что почти в два раза больше, чем у оригинального AlphaCode (25%).
AlphaCode 2 способен решать задачи с "сложной" математикой и теоретическими вопросами компьютерных наук. Он также умеет применять динамическое программирование, что особенно важно, поскольку задачи, требующие этого метода, были сложностью для первоначального AlphaCode.
Для решения задач AlphaCode 2 использует "модели политик", генерирующие код для каждой задачи. Он отсеивает код, не соответствующий описанию задачи, и применяет алгоритм кластеризации для группировки "семантически похожих образцов кода". Затем модель оценки в AlphaCode 2 выбирает лучшее решение для каждого из 10 крупнейших кластеров кода.
Тем не менее, у всех моделей ИИ есть недостатки. AlphaCode 2 требует множества проб и ошибок, слишком дорог в эксплуатации и сильно зависит от способности отфильтровывать явно плохие образцы кода. Переход на более мощную версию Gemini, такую как Gemini Ultra, может уменьшить некоторые из этих проблем.
Изначально AlphaCode так и не был выпущен, но по словам вице-президента DeepMind по продукту Эли Коллинза, возможно, что AlphaCode 2 в будущем будет использоваться как инструмент для содействия всему процессу разработки программного обеспечения.
Google представила Для просмотра ссылки Войди
На части программных соревнований на платформе Codeforces AlphaCode 2, использующий языки Python, Java, C++ и Go, показал результаты лучше, чем у 85% участников. Это в сравнении с 50% участников, которых превзошёл предыдущий AlphaCode.
Для просмотра ссылки Войди
AlphaCode 2 способен решать задачи с "сложной" математикой и теоретическими вопросами компьютерных наук. Он также умеет применять динамическое программирование, что особенно важно, поскольку задачи, требующие этого метода, были сложностью для первоначального AlphaCode.
Для решения задач AlphaCode 2 использует "модели политик", генерирующие код для каждой задачи. Он отсеивает код, не соответствующий описанию задачи, и применяет алгоритм кластеризации для группировки "семантически похожих образцов кода". Затем модель оценки в AlphaCode 2 выбирает лучшее решение для каждого из 10 крупнейших кластеров кода.
Тем не менее, у всех моделей ИИ есть недостатки. AlphaCode 2 требует множества проб и ошибок, слишком дорог в эксплуатации и сильно зависит от способности отфильтровывать явно плохие образцы кода. Переход на более мощную версию Gemini, такую как Gemini Ultra, может уменьшить некоторые из этих проблем.
Изначально AlphaCode так и не был выпущен, но по словам вице-президента DeepMind по продукту Эли Коллинза, возможно, что AlphaCode 2 в будущем будет использоваться как инструмент для содействия всему процессу разработки программного обеспечения.
- Источник новости
- www.securitylab.ru