12月9日 消息:如今，AI系統的能力越來越出眾，比如最近火遍全網的chatgpt可以寫作、寫代碼、寫小說等等。最近，DeepMind 的新人工智能系統AlphaCode在能夠在編程競賽中“達到接近人類水平的表現”也引發了不少關注。

據科學雜志的報道，與 Co<愛尬聊_百科大全>dex 的研究人員一樣（注:Codex作為 OpenAI 用來支持 Github Copilot 的大規模預訓練模型，可謂是目前最強的編程語言預訓練模型。），AlphaCode 的創建者首先向 GitHub 提供了一個大型語言模型，其中包含了數十億GB的代碼，目的只是為了讓 GitHub 熟悉編碼語法和約定。

接著，他們訓練使用從編程競賽中收集的數千個問題將問題描述轉化為代碼。他們使用從編程競賽中收集到的數千個問題，訓練AI系統將問題描述轉換成代碼。

例如，一個問題可能要求程序確定長度為 n 但不包含任何連續零的二進制字符串（零和一的序列）的數目。當遇到新問題時，AlphaCode 生成候選代碼解決方案(用 Python 或 C + +) ，并過濾掉不好的解決方案。但是，盡管研究人員之前使用 Codex 等模型生成了數十或數百個候選方案，對比下下，DeepMind 卻可以讓 AlphaCode 生成了多達100萬個候選答案。

為了過濾不好的解決方案，AlphaCode 首先只保留1% 通過伴隨問題的測試用例的的程序。為了進一步縮小范圍，它會根據訓練人員的輸出與虛構輸入的相似度對其進行分組。然后，它從最大的集群開始，逐個提交每個集群的程序，直到成功提交一個或達到10個（大約是人類在比賽中能提交的最大值）。從不同的集群提交允許它測試廣泛的編程策略。

研究人工智能編碼的康奈爾大學計算機科學家凱文?埃利斯（kevinEllis）表示，這是 AlphaCode 過程中最具創新性的一步

據悉，經過訓練，AlphaCode 解決了大約34%的分配問題。對比之下，在類似的基準測試中，Codex 僅成功解決個位數百分比的問題。

為了進一步測試其實力，DeepMind 讓 AlphaCode 參加了在線編碼競賽。在至少有5000名參與者的競賽中，該系統的表現優于45.7% 的程序員。

研究人員還將其程序與訓練數據庫中的程序進行了比較，發現它沒有重復大量的代碼或邏輯。它產生了一些新的東西——一種讓埃利斯感到驚訝的創造力。這項研究指出了軟件不斷自我改進的長期風險。一些專家表示，這種自我提升可能導致超級智能人工智控制世界的結果。雖然這種情況看起來遙不可及，但研究人員仍然希望人工智能編碼領域能夠建立制衡機制。

如果你想了解AlphaCode 更多內容，可訪問官網了解。網址:https://alphacode.deepmind.com/