江苏龙网

  1. 首页 > 资讯 > 科技 > >

|不再重复造轮子，AI 给你推荐更好的代码，还没bug


|不再重复造轮子，AI 给你推荐更好的代码，还没bug
本文插图

作者 | 青 暮
编辑 | 丛 末
程序员的的代码大部分都不是如同写书法那般一挥而就 ， 而需要反复地抠bug ， 抠到怀疑人生 。
|不再重复造轮子，AI 给你推荐更好的代码，还没bug
本文插图

剑桥大学法官商学院发表的一项研究显示 ， 程序员将50.1％的工作时间用于编程 ， 而将一半的时间用于debug 。 估计每年的debug总费用为3120亿美元 。
现代软件系统越来越复杂 ， 很多时候一个小小的错误就可能让系统崩溃 ， 带来巨大损失 。 所以不仅是程序员 ， 企业也在为debug付出巨大代价 。 但现在 ， AI带来了福音 。
英特尔、麻省理工学院、佐治亚理工学院的研究人员合作开发了自动化代码相似性检测系统MISIM ， 该系统可以判断两段代码的相似性 ， 即便这两段代码使用的是不同的结构和算法 ， 也可以依据它们是否执行相似的任务、是否有相似的代码特征加以判断 。
代码相似性检测可以应用在代码推荐、自动修复bug中 。 在代码推荐的应用过程有点像输入法的词推荐 ， 由于MISIM可以对不完整的代码片段进行评估 ， 当它检测到不完整的、有bug的代码时 ， 就会从其它地方选出功能一样的、没有bug的代码 ， 来替换原来的代码 。
|不再重复造轮子，AI 给你推荐更好的代码，还没bug
本文插图

并且 ， MISIM 还会将代码转换为统一的形式 ， 确定代码功能 ， 从而在不受编写方式的影响下进行代码片段的对比 。 由于MISIM不受编程语言限制 ， 它还可以用于代码语言转换 。
在45,780个程序的实验评估中 ， MISIM识别C和C ++程序中的代码 ， 这些程序是由学生编写的 ， 旨在解决104个编码问题 。 如果一对程序都解决了相同的问题 ， 则它们在数据集中被标记为相似 。 MISIM的表现始终好于三个当前最先进系统 ， 最高达到40.6倍 。
自动代码生成一直是一个研究热点 ， 产业界和学术界都在此方向上努力着 。 OpenAI的GPT-3语言模型甚至可以根据自然语言描述生成网页布局的代码 。 而代码相似性检测则可以复用已有代码 ， 使质量高的代码得到更有效的利用 。
|不再重复造轮子，AI 给你推荐更好的代码，还没bug
本文插图

输入“创建一个长得像西瓜的按钮” ， GPT-3就生成了上图中绿皮红瓢的原型按钮 。 或者输入“welcome to my newsletter的大号字体” ， GPT-3就生成了上图中的红色大号字体 。
当然 ， 代码相似性检测也可以用于代码查重 。 所以 ， 计算机系的同学们 ， 注意自己写作业！虽然现在已有非AI的代码查重系统 ， 但谁知道AI什么时候会后来居上呢？
1
MISIM架构
|不再重复造轮子，AI 给你推荐更好的代码，还没bug
本文插图

MISIM架构概览
MISIM由两个核心组件组成 。 首先 ， MISIM具有新型的上下文感知语义结构（CASS） ， 该结构通过捕获描述代码上下文的信息 ， 使用机器学习算法来确定给定源代码的目的（例如 ， 代码是一个函数调用、一个操作等） 。 其次 ， MISIM还具有基于神经网络的代码相似性评估算法 ， 该算法可通过各种神经网络架构来实现 。
一旦构建了CASS ， 就将其向量化并用作神经网络的输入 ， 神经网络会生成特征向量 。 生成特征向量后 ， 就可以进行代码相似度评估（例如 ， 向量点积、余弦相似度等） 。
对于MISIM的相似性评估算法 ， 研究人员研究了三种神经网络方法：GNN、RNN和BoF神经网络 。 其中 ， 使用GNN的 MISM 总体表现最好 ， 能够以超过75%的准确率识别出两个程序的相似程度 。


推荐阅读


上一篇：|图神经网络越深，表现就一定越好吗？

下一篇：|1%大气密度也能飞？NASA把无人机送上火星，最具野心探测计划启动