研究人員在本周的《科學(xué)》雜志上報告說："這一結(jié)果標(biāo)志著人工智能系統(tǒng)首次在編程比賽中取得了競爭性的表現(xiàn)。"

 

　　雖然現(xiàn)在還沒有必要對天網(wǎng)敲響警鐘，但DeepMind的代碼生成系統(tǒng)在Codeforces平臺上最近的編程競賽的模擬評估中獲得了54.3%的平均排名--這是一個非常"平均"的平均數(shù)。

 

　　"競爭性編程是一項(xiàng)極其困難的挑戰(zhàn)，我們現(xiàn)在的水平（在10次提交中解決約30%的問題）與頂級程序員（在一次提交中解決>90%的問題）之間存在巨大差距，"DeepMind研究科學(xué)家李宇佳（科學(xué)論文的主要作者之一）稱，"剩下的問題也明顯比我們目前解決的問題更難。"

 

　　盡管如此，該實(shí)驗(yàn)指出了人工智能應(yīng)用的一個新的前沿。微軟也在探索這一領(lǐng)域，它有一個名為Copilot的代碼建議程序，通過GitHub提供。亞馬遜也有一個類似的軟件工具，叫做CodeWhisperer。

 

　　西雅圖艾倫人工智能研究所的創(chuàng)始首席執(zhí)行官兼AI2孵化器的技術(shù)總監(jiān)奧倫-埃齊奧尼（Oren Etzioni）表示，新發(fā)表的研究強(qiáng)調(diào)了DeepMind在應(yīng)用被稱為大型語言模型或LLM的AI工具方面的主要地位。

 

　　"這是一個令人印象深刻的提醒，OpenAI和微軟并沒有壟斷LLMs的驚人功績，"Etzioni在一封電子郵件中說。"遠(yuǎn)非如此，AlphaCode比GPT-3和微軟的Github Copilot都要好。"

 

　　AlphaCode因其編程方式而引人注目，也因其編程質(zhì)量而引人注目。"該系統(tǒng)最令人驚訝的地方也許是AlphaCode不做什么。AlphaCode不包含關(guān)于計(jì)算機(jī)代碼結(jié)構(gòu)的明確的內(nèi)置知識。相反，AlphaCode依靠一種純粹的'數(shù)據(jù)驅(qū)動'方法來編寫代碼，通過簡單地觀察大量的現(xiàn)有代碼來學(xué)習(xí)計(jì)算機(jī)程序的結(jié)構(gòu)，"卡內(nèi)基梅隆大學(xué)的計(jì)算機(jī)科學(xué)家J.Zico Kolter在一份關(guān)于該研究的科學(xué)評論中寫道。

 

　　AlphaCode使用一個大型的語言模型，根據(jù)對問題的自然語言描述來構(gòu)建代碼。該軟件利用了大量的編程問題和解決方案的數(shù)據(jù)集，加上GitHub上的一組非結(jié)構(gòu)化代碼。AlphaCode為手頭的問題生成數(shù)以千計(jì)的擬議解決方案，對這些解決方案進(jìn)行過濾，以拋出那些無效的解決方案，將幸存的解決方案歸為一組，然后從每組中選擇一個例子提交。

 

　　這種程序有可能"創(chuàng)造"出正確的代碼，這似乎令人驚訝。Kolter說，可以想象，AlphaCode的方法可以與更多的結(jié)構(gòu)化機(jī)器語言方法相結(jié)合，以提高系統(tǒng)的性能。

 

　　他寫道："如果將數(shù)據(jù)驅(qū)動的學(xué)習(xí)與工程知識相結(jié)合的'混合'ML方法可以在這個任務(wù)上表現(xiàn)得更好，就讓他們試試吧。AlphaCode鑄就了這一點(diǎn)。DeepMind正在繼續(xù)完善AlphaCode。雖然AlphaCode是從~0%到30%的重要一步，但仍有很多工作要做，"

 

　　在尋求創(chuàng)建代碼生成軟件的過程中，人工智能有很大的空間，期望快速迭代和改進(jìn)。Etzioni說："我們離生成性人工智能的'大爆炸'只有10秒鐘。許多在更廣泛的數(shù)據(jù)上的令人印象深刻的產(chǎn)品，包括文本和結(jié)構(gòu)化的數(shù)據(jù)，很快就會到來，"Etzioni說。"我們正在狂熱地試圖弄清楚這項(xiàng)技術(shù)能走多遠(yuǎn)。"

 

　　隨著工作的進(jìn)行，AlphaCode可能會激起關(guān)于人工智能的承諾和潛在危險的長期辯論，就像DeepMind的AlphaGo程序在展示基于機(jī)器的對圍棋游戲的掌握時那樣。而且，編程并不是人工智能的快速發(fā)展引起爭議的唯一領(lǐng)域。

 

　　一個名為ChatGPT的開放性人工智能程序在科技界引發(fā)了一股熱潮，因?yàn)樗軌蛞栽敿?xì)的答案和文件來回應(yīng)信息請求，而這些答案和文件可以幫助我們更好地理解人工智能。