让AI自动编程是人工智能领域长久以来的梦想之一。现在，来自彭博和英特尔实验室的两位研究人员，号称实现了首个能够自动生成完整软件程序的AI系统“AIProgrammer”，这个“AI程序员”利用遗传算法和图灵完备语言，开发的程序理论上能够完成任何类型的任务。AI自动编程的时代，大幕已开。
让AI自动编程一直是计算机科学家的梦想。目前这个方面的成果还非常有限，比如让AI自动补完编程语言，或者执行简单的加法程序。今天我们要介绍的这项工作，号称是第一个能够全自动生成完整软件程序的机器学习系统“AIProgrammer”。
研究人员表示，他们用这个系统证明了长久以来的假设，那就是功能完备的程序确实能够被自动生成。具体到这项工作，AIProgrammer利用机器学习中的遗传算法，模拟复杂的指令。虽然现在AIProgrammer生成的程序，复杂程度与人类新手程序员编写的结果相当。但研究人员认为，AI Programmer编写的程序完全可以超越传统范畴，不受人类时间和智慧的局限。
AI编写的程序只是在测试复杂度和计算资源之间找得到最适合的点。换句话说，可能性无限。
研究人员还表示，我们需要重新思考，设计新的、面向机器的编程语言，因为当前的编程语言是面向人类的，不适用于基于ML的编程。“在考虑ML驱动程序生成的未来时，我们需要放弃和重新考虑典型程序语言创建的方法。”
研究人员写道，只有这样做，我们才能开始设想一个由AI系统驱动，以人类创造力和设计为指导的计算机软件开发的新未来。
让AI自动编程一直是计算机科学家的梦想。目前这个方面的成果还非常有限，比如让AI自动补完编程语言，或者执行简单的加法程序。今天我们要介绍的这项工作，号称是第一个能够全自动生成完整软件程序的机器学习系统“AIProgrammer”。
研究人员表示，他们用这个系统证明了长久以来的假设，那就是功能完备的程序确实能够被自动生成。具体到这项工作，AIProgrammer利用机器学习中的遗传算法，模拟复杂的指令。虽然现在AIProgrammer生成的程序，复杂程度与人类新手程序员编写的结果相当。但研究人员认为，AI Programmer编写的程序完全可以超越传统范畴，不受人类时间和智慧的局限。
AI编写的程序只是在测试复杂度和计算资源之间找得到最适合的点。换句话说，可能性无限。
研究人员还表示，我们需要重新思考，设计新的、面向机器的编程语言，因为当前的编程语言是面向人类的，不适用于基于ML的编程。“在考虑ML驱动程序生成的未来时，我们需要放弃和重新考虑典型程序语言创建的方法。”
研究人员写道，只有这样做，我们才能开始设想一个由AI系统驱动，以人类创造力和设计为指导的计算机软件开发的新未来。
AIProgrammer的软件架构。从图中可见，由人类驱动的部分非常少，只需要在开始输入指令，最后接收适用于某项任务的函数即可，剩下部分全部由机器完成。
AIProgrammer：利用遗传算法自动生成程序，理论上能够完成所有类型的任务
根据论文，研究人员选择了无类型编程语言，只包括了8种指令来驱动AIProgrammer生成软件。
AIProgrammer：利用遗传算法自动生成程序，理论上能够完成所有类型的任务
根据论文，研究人员选择了无类型编程语言，只包括了8种指令来驱动AIProgrammer生成软件。
AIProgrammer使用的编程语言是图灵完备的，如表1所示。理论上，在时间和内存不限的情况下，图灵完备编程语言能够处理任何编程任务。本质上，任何一种具有这种特质的编程语言都能够解决海量编程问题。同样，AIProgrammer生成的软件能够完成所有任务。
有了这个保障，再来看AIProgrammer的核心——遗传算法。
要使用遗传算法生成软件程序，必须首先创建一个基因组（genome）。基因组是一组被组合在一起作为单个单元的基因。AIProgrammer的基因组编码为浮点数组，每个唯一指令的固定值范围在0和1之间，如上面表1的基因范围列所示。
创建好基因组后，AIProgrammer就将其转换为相应的程序，执行，并根据程序的输出为结果程序分配适合度。生成的程序越靠近解决提供的任务，适应度就越高，越有可能继续进行下一代的进化。在每一代，AIProgrammer利用随机选择以及交叉和变异来创建子程序，其中包含轻微的随机扰动，并且可能比其父母更好的基因组来解决目标任务。
有了这个保障，再来看AIProgrammer的核心——遗传算法。
要使用遗传算法生成软件程序，必须首先创建一个基因组（genome）。基因组是一组被组合在一起作为单个单元的基因。AIProgrammer的基因组编码为浮点数组，每个唯一指令的固定值范围在0和1之间，如上面表1的基因范围列所示。
创建好基因组后，AIProgrammer就将其转换为相应的程序，执行，并根据程序的输出为结果程序分配适合度。生成的程序越靠近解决提供的任务，适应度就越高，越有可能继续进行下一代的进化。在每一代，AIProgrammer利用随机选择以及交叉和变异来创建子程序，其中包含轻微的随机扰动，并且可能比其父母更好的基因组来解决目标任务。
图3展示了从浮点数组中构建基因组的实例。每个值范围映射到编程语言中的特定指令。最初，这些值是随机的，导致生成的程序无法正常运行。但是，其中必将有一两个能够运行并执行一些有效的指令。一个程序执行得越成功，就越有可能继续使用代码，实现更成功的后代。
为了创建后代，父母将其基因的一部分交给孩子，这个过程如图4所示。除了继承父母的编程指令外，每个孩子也可能会遇到突变，也就是对特定基因增加受控但随机的扰动。这导致特定基因的值发生修改，使所得到的编程指令发生变化，进而改变整个程序。
可执行程序根据其执行情况进行排名，如图5所示。其中，特定程序会被立即从基因组池中删除，成功的方案则被推进以产生新的后代。AIProgrammer使用结果：输出“HelloWorld”，反转字符串，加减乘，输出斐波那契数列……
AIProgrammer由C#.NET设计的模块化框架组成。包括运行遗传算法的引擎，基因组编码器和解码器，用于执行模拟程序的沙箱解读器，以及将代码转换为二进制可执行文件的编译程序。虽然最初设计AIProgrammer的时候使用C#，但需要注意的是，设计原则并不限于使用C#。
研究人员指出，AIProgrammer的适应性测试软件框架具有延展性，并已被开发。用户可以自己设计无数的定制化软件，最终指导系统的遗传算法（GA）生成和软件程序演变。
AIProgrammer由C#.NET设计的模块化框架组成。包括运行遗传算法的引擎，基因组编码器和解码器，用于执行模拟程序的沙箱解读器，以及将代码转换为二进制可执行文件的编译程序。虽然最初设计AIProgrammer的时候使用C#，但需要注意的是，设计原则并不限于使用C#。
研究人员指出，AIProgrammer的适应性测试软件框架具有延展性，并已被开发。用户可以自己设计无数的定制化软件，最终指导系统的遗传算法（GA）生成和软件程序演变。
如果目标程序旨在生成一个字符串，如”HelloWorld”（见上图），测试分数可能是字符串中的数字。但由于AIProgrammer是在字节级生成代码，测试分数应将输出字符的增量差考虑在内。
研究人员表示i，他们能用AIProgrammer生成很多软件程序。表2是所生成程序的名单。
研究人员表示i，他们能用AIProgrammer生成很多软件程序。表2是所生成程序的名单。
一开始，研究人员让AIProgrammer生成了一个非常简单的程序来输出“hi”。经过5700代后，测试成功。生成代码如图9所示。
经过580,900代后，生成了“helloworld”，如图10所示。
经过6,057,200代后，AIProgrammer成功生成了”Iloveallhumans”，如图11所示。
AIProgrammer生成反转字符串的程序。生成代码如图13所示。
AIProgrammer能在92,400代之后生成加法程序；在177,900代之后生成减法程序，如图15所示。
图16所示的生成程序可以从两个初始输入值来输出斐波纳契序列。
图16所示的生成程序可以从两个初始输入值来输出斐波纳契序列。
论文：AIProgrammer，使用遗传算法自动创建软件程序
摘要
在本文中，我们介绍了首个能够自动生成完整软件程序的机器学习（ML）系统，全程只需最低限度的人类参与。这个系统名叫“AIProgrammer”，以遗传算法（GA）为核心，加上紧密约束的编程语言，将其ML搜索空间的开销降到最低。AIProgrammer的新颖部分源于（i）独特的系统设计，包括用于效率和安全性的嵌入式手工解释器（hand-craftedinterpreter），以及（ii）对遗传算法的增强，纳入了指令基因（instruction-gene）随机化绑定，以及编程语言特定的基因组构建及消除技术。我们详细介绍了AIProgrammer的系统设计，详细介绍了系统的工作原理，以及使用主流CPU来演示其软件生成功能和性能的实验数据。
在本文中，我们介绍了首个能够自动生成完整软件程序的机器学习（ML）系统，全程只需最低限度的人类参与。这个系统名叫“AIProgrammer”，以遗传算法（GA）为核心，加上紧密约束的编程语言，将其ML搜索空间的开销降到最低。AIProgrammer的新颖部分源于（i）独特的系统设计，包括用于效率和安全性的嵌入式手工解释器（hand-craftedinterpreter），以及（ii）对遗传算法的增强，纳入了指令基因（instruction-gene）随机化绑定，以及编程语言特定的基因组构建及消除技术。我们详细介绍了AIProgrammer的系统设计，详细介绍了系统的工作原理，以及使用主流CPU来演示其软件生成功能和性能的实验数据。
本文转自：LUPA开源社区
from http://cj.sina.com.cn/article/detail/6012376111/419241
No comments:
Post a Comment