MIT等推新型機(jī)器編程系統(tǒng)：機(jī)器推斷代碼相似性（MISIM）

計(jì)算機(jī)編程從未如此簡(jiǎn)單。

最初，程序員用手編寫(xiě)程序，將符號(hào)寫(xiě)到方格紙上，然后將它們穿孔打卡，計(jì)算機(jī)才可以對(duì)其進(jìn)行處理。如果有一個(gè)標(biāo)記不準(zhǔn)確，整個(gè)過(guò)程可能需要重做。

如今，程序員使用了一系列功能強(qiáng)大的工具，可自動(dòng)完成大部分工作。但是如果出現(xiàn)一個(gè)愚蠢的 bug 仍然可能使整個(gè)軟件崩潰，隨著系統(tǒng)變得越來(lái)越復(fù)雜，跟蹤這些 bug 變得越來(lái)越困難。

最近，英特爾科學(xué)家與麻省理工學(xué)院（MIT），以及佐治亞理工學(xué)院（Georgia Tech）的研究人員共同推出了一種新的機(jī)器編程（MP）系統(tǒng)——機(jī)器推斷代碼相似性（MISIM）。該系統(tǒng)是一種自動(dòng)引擎，旨在通過(guò)研究代碼的結(jié)構(gòu)，并分析具有類(lèi)似行為的其他代碼的句法差異來(lái)學(xué)習(xí)某個(gè)軟件計(jì)劃執(zhí)行的操作。

MISIM系統(tǒng)的性能要比當(dāng)前最先進(jìn)的系統(tǒng)高出40倍，可以看出從代碼推薦到自動(dòng)錯(cuò)誤修復(fù)的應(yīng)用前景。

MISIM：提高開(kāi)發(fā)效率，性能是最先進(jìn)相似性系統(tǒng)的40倍

隨著異構(gòu)計(jì)算的興起，硬件和軟件系統(tǒng)變得越來(lái)越復(fù)雜。這種復(fù)雜性，再加上缺乏能夠在多種體系結(jié)構(gòu)中以專(zhuān)家水平進(jìn)行編程的程序員，使得人們對(duì)新開(kāi)發(fā)方法的需求日益凸顯。

多年來(lái)，自動(dòng)代碼生成一直是研究的熱點(diǎn)。微軟正在將基本的代碼生成構(gòu)建到其廣泛使用的軟件開(kāi)發(fā)工具中。

Facebook 開(kāi)發(fā)了一個(gè)名為 Aroma 的系統(tǒng)，該系統(tǒng)可以自動(dòng)完成小程序，而 DeepMind 開(kāi)發(fā)的神經(jīng)網(wǎng)絡(luò)可以提供比人類(lèi)設(shè)計(jì)的更有效的簡(jiǎn)單算法版本。甚至 OpenAI 的 GPT-3 語(yǔ)言模型也可以從自然語(yǔ)言提示中生成簡(jiǎn)單的代碼段。

機(jī)器編程是英特爾實(shí)驗(yàn)室和麻省理工學(xué)院在「The Three Pillars of Machine Programming」論文中提出的一個(gè)術(shù)語(yǔ) ，旨在通過(guò)使用自動(dòng)化工具來(lái)提高開(kāi)發(fā)效率。

這些新興機(jī)器編程工具中的一項(xiàng)關(guān)鍵技術(shù)是代碼相似性，它能準(zhǔn)確有效地自動(dòng)化某些軟件開(kāi)發(fā)過(guò)程來(lái)滿(mǎn)足這一需求。

然而，建立精確的代碼相似性系統(tǒng)是一個(gè)尚未解決的問(wèn)題。這些系統(tǒng)試圖確定兩個(gè)代碼片段是否顯示出相似的特征或旨在達(dá)到相似的目標(biāo)。當(dāng)僅學(xué)習(xí)源代碼時(shí)，這是一項(xiàng)艱巨的任務(wù)。

因此， 研究人員提出了機(jī)器推斷代碼相似性（MISIM），這是一種全新的端到端代碼相似性系統(tǒng)。MISIM 可以準(zhǔn)確推斷兩段代碼何時(shí)執(zhí)行相似的計(jì)算，即使這兩段代碼使用不同的數(shù)據(jù)結(jié)構(gòu)和算法。

英特爾實(shí)驗(yàn)室首席科學(xué)家兼機(jī)器編程研究總監(jiān) Justin Gottschlich 表示，「這是邁向更宏偉的機(jī)器編程愿景的重要一步?！?/p>

MISIM 與現(xiàn)有代碼相似性系統(tǒng)之間的核心區(qū)別在于其新穎的上下文感知語(yǔ)義結(jié)構(gòu)（CASS），其目的是了解代碼的實(shí)際作用，可以幫助從代碼語(yǔ)法中提升語(yǔ)義含義。

與其他現(xiàn)有方法不同，它可以將 CASS 配置為特定的上下文，從而使其可以捕獲更高級(jí)別描述代碼的信息。CASS 可以提供有關(guān)代碼功能而非方法的更具體的見(jiàn)解。

此外，MISIM 無(wú)需使用編譯器即可對(duì)代碼進(jìn)行評(píng)級(jí)，編譯器將人類(lèi)可讀的源代碼轉(zhuǎn)換為計(jì)算機(jī)可執(zhí)行的機(jī)器代碼。

與現(xiàn)有系統(tǒng)相比，MISIM 還具有許多優(yōu)勢(shì)，包括能夠在開(kāi)發(fā)人員當(dāng)前正在編寫(xiě)的不完整代碼段上執(zhí)行的能力，這是推薦系統(tǒng)或自動(dòng)錯(cuò)誤修復(fù)的重要實(shí)用特征。

MISIM系統(tǒng)總攬

MISIM 提供了基于神經(jīng)的代碼相似性評(píng)分算法，該算法可通過(guò)具有學(xué)習(xí)參數(shù)的各種神經(jīng)網(wǎng)絡(luò)體系結(jié)構(gòu)來(lái)實(shí)現(xiàn)。

一旦將代碼的結(jié)構(gòu)集成到 CASS 中，神經(jīng)網(wǎng)絡(luò)系統(tǒng)就會(huì)根據(jù)其設(shè)計(jì)要執(zhí)行的工作，為代碼片段提供相似性評(píng)分。

換句話(huà)說(shuō)，如果兩段代碼在結(jié)構(gòu)上看起來(lái)有很大不同，但執(zhí)行相同的功能，則神經(jīng)網(wǎng)絡(luò)會(huì)將它們?cè)u(píng)為大致相似。

研究人員最后將 MISIM 與三個(gè)最新的檢測(cè)代碼相似性系統(tǒng)進(jìn)行了比較：

（i）code2vec

（ii）Neural Code Comprehension

（iii） Aroma

通過(guò)將這些原理整合到一個(gè)統(tǒng)一的系統(tǒng)中，研究人員發(fā)現(xiàn)MISIM能夠比當(dāng)前的最新系統(tǒng)更準(zhǔn)確地識(shí)別相似的代碼，最多可識(shí)別40倍。

從研究到演示：代碼推薦，大幅削減開(kāi)發(fā)成本

盡管英特爾仍在擴(kuò)展 MISIM 的功能集，但公司已將其從研究工作轉(zhuǎn)移到了演示工作，目的是創(chuàng)建一個(gè)代碼推薦引擎，以協(xié)助所有軟件開(kāi)發(fā)人員能夠跨英特爾各種異構(gòu)體系結(jié)構(gòu)進(jìn)行編程。

這種類(lèi)型的系統(tǒng)將能夠識(shí)別開(kāi)發(fā)人員輸入的簡(jiǎn)單算法背后的意圖，并提供語(yǔ)義上相似但性能有所提高的候選代碼。

Gottschlich 表示，「我想，如果有可能，大多數(shù)開(kāi)發(fā)人員會(huì)很樂(lè)意讓機(jī)器為他們查找并修復(fù)錯(cuò)誤」。

這可以為雇主省去一些麻煩，更不用說(shuō)幫助開(kāi)發(fā)人員自己了。

根據(jù)劍橋大學(xué) Judge 商學(xué)院發(fā)表的一項(xiàng)研究，程序員將50.1％的工作時(shí)間用于編程，而將一半的時(shí)間用于調(diào)試。估計(jì)每年的調(diào)試總費(fèi)用為3120億美元?？梢钥闯?，這需要消耗大量精力和財(cái)力。

英特爾機(jī)器編程實(shí)驗(yàn)室還與英特爾的軟件部門(mén)合作，以了解如何將 MISIM 集成到他們的日常開(kāi)發(fā)中。像 MISIM 這樣的以AI為動(dòng)力的代碼推薦和審查工具有望大幅削減開(kāi)發(fā)成本，同時(shí)使編碼人員能夠?qū)Ｗ⒂诟邉?chuàng)造性、更少重復(fù)性的任務(wù)。

Gottschlich 在一次采訪(fǎng)時(shí)表示，「如果我們?cè)跈C(jī)器編程方面取得成功，最終目標(biāo)之一就是使所有人能夠創(chuàng)建軟件?！?br /> 責(zé)編AJX