世界遵循旧版代码 ，很难现代化和确保 。TransCoder有一天可以是通用语言翻译器的AI ，但代码 。
喜欢指数的未来？加入我们的Xpotential社区，通过Xpotential University的课程 ，Connect ，观看Keynote或浏览我的博客的未来证明自己。
新的人工智能（AI）创新意味着，我们越来越习惯于有一天计算机能够设计 ，编辑 ，进化和编写自己的代码和应用，而无需人工程序员参与其中 - 与某些AI已经在设计和产生新AI的方式相同 。但是 ，尽管Microsoft Deepcoder ，Google Bayou和Openai的GPT-3等平台在越来越好，但他们在将经验丰富的程序员退出工作之前，他们仍然还有一些路 。
尽管Facebook研究人员在开发了所谓的“神经transpopiler”之后宣布了该地区的重大突破 ，但该系统将从一种高级编程语言中转换代码 ，例如C ++，Java和Python ，即使对于一个经验丰富的程序员也很难做到这一点。您几乎可以将其视为通用翻译器 ，但对于代码…
他们的新平台也无监督，这意味着它在没有标签和最少的人类监督的数据集中寻找先前未发现的模式 ，据报道 ，它以“显着的利润 ”优于基于规则的基线 。
将现有代码库迁移到现代或更有效的语言（例如Java或C ++）都需要源和目标语言的专业知识，而且通常是昂贵的 。例如 ，澳大利亚联邦银行在五年的时间里花费了约7.5亿美元 ，将其平台从Cobol转换为Java。提交者可以从理论上提供帮助 - 他们消除了从头开始重写代码的需求 - 但是它们很难在实践中构建，因为不同的语言可以具有不同的语法 ，并且依赖于独特的平台API ，标准图书馆函数和可变类型 。
Facebook的系统称为Transcoder，可以在C ++，Java和Python之间转换 ，以无监督的学习方法来应对挑战 。TransCoder首先使用跨语性语言模型进行预审计 ，该模型绘制的代码片段将相同的说明表达为相同表示形式，而不论编程语言如何。源代码序列的输入流被随机掩盖 ，而转码器的任务是根据上下文预测掩盖的部分。然后 ，一个称为DeNoing自动编码列车的过程，即使在用嘈杂的输入数据馈送时 ，也会训练系统以生成有效的序列 ，而反向翻译允许转码器生成可用于训练的并行数据 。
转码器的跨语性性质来自跨编程语言存在的共同令牌（锚点）的数量，这些数量来自“ for ” ，“ for” ，“ while ”，“ if ” ，“ if”和“ try ” ，以及数字，数学运算符以及出现在源代码中的英语字符串的常见关键字 。反向翻译通过将源与目标模型与并行训练的“向后 ”目标对源模型耦合来提高系统的翻译质量。目标对源模型用于将目标序列转化为源语言，产生嘈杂的源序列 ，而源对目标模型有助于从嘈杂的来源重建目标序列 ，直到两个模型收敛 。
Facebook研究人员在包含超过280万个开源存储库的公共GitHub语料库上训练了Transcoder，以功能级别的翻译为目标 - 在编程中 ，功能是可重复使用的代码块 ，用于执行单个相关的操作 。在所有可用的源代码上进行了经过trans码后，对自动编码和反向翻译组件进行了验证 ，仅对功能进行了培训 ，在批次约为6,000个代币的组件之间交替。
为了评估Transcoder的性能，研究人员从Geeksforgeeks中提取了852个并行功能 ，该功能是Geeksforgeeks ，这是一个在线平台，该平台收集编码问题并以几种编程语言提出解决方案 。使用这些 ，他们开发了一种新的度量计算准确性 - 测试假设功能是否在给出相同输入时是否会产生与参考相同的输出 。
Facebook指出 ，虽然最佳版本的Transcoder并未产生许多与参考文献相同的功能，但其翻译具有很高的计算精度。他们将其归因于梁搜索的掺入，这种方法维护一组部分解码的序列 ，这些序列被添加以形成序列 ，然后得分，因此最佳序列泡泡到了顶部：
从C ++转换为Java时 ，Transcoder的几代人中有74.8％返回了预期的输出 。
从C ++转换为Python时 ，Transcoder的世代中有67.2％返回了预期的输出 。
从Java转换为C ++时，Transcoder的几代人中有91.6％返回了预期的输出。
从Python转换为Java时 ，Transcoder的几代人中有56.1％返回了预期的输出 。
从Python转换为C ++时 ，Transcoder的一代中有57.8％返回了预期的输出 。
从Java转换为Python时，Transcoder的几代人中有68.7％返回了预期的输出。
根据研究人员的说法 ，TransCoder展示了对每种语言特定的语法以及在实验过程中的数据结构及其方法的理解 ，并且在适应小型修改的同时，它正确地对准了跨编程语言的库 ，例如当输入中的变量更名。尽管它不是完美的 - 例如 ，转码器在一代过程中未能说明某些变量类型，但它优于使用专家知识手动构建的规则的表现 。
合着者写道：“转码器很容易被推广到任何编程语言，不需要任何专家知识 ，并且要大大优于商业解决方案 。”“我们的结果表明 ，模型犯下的许多错误可以通过向解码器添加简单的约束来轻松解决，以确保生成的函数在句法上是正确的 ，或者使用专用的体系结构。 ”
Facebook并不是唯一开发代码生成AI系统的组织 。在今年早些时候的Microsoft构建会议上 ，Openai演示了一个在GitHub存储库中训练的模型，该模型使用英语评论来生成整个功能 。两年前 ，赖斯大学的研究人员创建了一个系统 - Bayou-能够通过将“意图 ”在公开代码后面关联来编写自己的软件程序。
英特尔实验室的首席科学家贾斯汀·戈特奇利（Justin Gottschlich）说：“ [这样的程序]实际上只是试图消除创建软件的细节 。”“ [他们]可以帮助加速生产力……[通过照顾]烦恼 。[他们可以]增加[技术]中的工作数量 ，因为没有编程背景的人将能够通过这些故意界面通过机器来掌握其创意直觉。”
来源:https://yayait.com/zshi/202506-10094.html 来源:https://0514ps.com/cx/202506-1752.html 来源:https://yayait.com/zshi/202506-9958.html 来源:https://www.siyonli.com/wiki/202506-3787.html 来源:https://0514ps.com/zixun/202506-1884.html 来源:https://0514ps.com/zhis/202506-1740.html 来源:https://0514ps.com/cx/202506-1703.html 来源:https://0514ps.com/inte/202506-1662.html 来源:https://xianggongguan.cn/zskp/202506-4537.html 来源:https://yayait.com/wiki/202506-10003.html
来源:https://yayait.com/zshi/202506-10094.html 来源:https://0514ps.com/cx/202506-1752.html 来源:https://yayait.com/zshi/202506-9958.html 来源:https://www.siyonli.com/wiki/202506-3787.html 来源:https://0514ps.com/zixun/202506-1884.html 来源:https://0514ps.com/zhis/202506-1740.html 来源:https://0514ps.com/cx/202506-1703.html 来源:https://0514ps.com/inte/202506-1662.html 来源:https://xianggongguan.cn/zskp/202506-4537.html 来源:https://yayait.com/wiki/202506-10003.html
本文来自作者[蒋俊侠]投稿，不代表策华号立场，如若转载，请注明出处：https://cehuayingxiao.cn/wiki/202506-39578.html
评论列表（4条）
我是策华号的签约作者“蒋俊侠”！
希望本篇文章《世界遵循旧版代码，很难现代化和确保。TransCoder有一天可以是通用语言翻译器的AI，但代码。》能对你有所帮助！
本站[策华号]内容主要涵盖：国足,欧洲杯,世界杯,篮球,欧冠,亚冠,英超,足球,综合体育
本文概览：世界遵循旧版代码，很难现代化和确保。TransCoder有一天可以是通用语言翻译器的AI，但代码。 喜欢指数的未来？加入我们的Xpotential社区，通过Xpotent...