Microsoft研究人員開發(fā)了一種人工智能(AI)解決方案，他們認(rèn)為該解決方案可以幫助程序員更快、更準(zhǔn)確地調(diào)試他們的應(yīng)用程序。這種名為BugLab的人工智能基于“捉迷藏”游戲模型，其工作方式類似于生成對抗網(wǎng)絡(luò)(GAN)的創(chuàng)建方式。

研究人員MiltosAllamanis(首席研究員)和MarcBrockschmidt(高級首席研究經(jīng)理)在博客文章中詳細(xì)介紹了這項研究，解釋了他們?nèi)绾蝿?chuàng)建兩個網(wǎng)絡(luò)并將它們相互對抗，就像玩捉迷藏一樣。

一個網(wǎng)絡(luò)旨在在現(xiàn)有代碼中創(chuàng)建大大小小的錯誤，而另一個網(wǎng)絡(luò)旨在找到它們。隨著游戲的進(jìn)行，并且兩個“參與者”都越來越擅長，AI達(dá)到了足以識別隱藏在實際代碼中的錯誤的程度。

研究人員解釋說，這兩個模型是在沒有標(biāo)記數(shù)據(jù)的情況下以自我監(jiān)督的方式聯(lián)合訓(xùn)練的，超過“數(shù)百萬個代碼片段”。

研究人員聲稱，盡管這個想法是創(chuàng)建一個可以識別任意復(fù)雜錯誤的程序，但這些仍然“超出了現(xiàn)代人工智能方法的范圍”。相反，他們專注于常見的錯誤，例如不正確的比較、錯誤的布爾運算符、變量濫用和類似的錯誤。

擋道的誤報

測試是在Python上完成的，在訓(xùn)練應(yīng)用程序之后，是時候在現(xiàn)實生活中測試它了。

“為了衡量性能，我們手動注釋了Python包索引中包含此類錯誤的包中的一個小錯誤數(shù)據(jù)集，并表明與其他替代方法相比，使用我們的“捉迷藏”方法訓(xùn)練的模型最多可提高30%，例如，用隨機插入的錯誤訓(xùn)練的檢測器，”該博客補充道。

兩人將結(jié)果描述為“有希望的”，因為可以自動找到并修復(fù)大約四分之一(26%)的錯誤。更重要的是，在檢測到的錯誤中，有19個以前未知的錯誤。

盡管如此，仍有許多誤報，導(dǎo)致研究人員得出結(jié)論，在實際部署這樣的模型之前需要進(jìn)行更多的培訓(xùn)。