决定学习哪种编程语言对于当今的开发者来说都是一个大问题，因为这都需要大量的时间投入。但在未来使用人工智能 (AI) ，通过它理解需求描述并编码来完成所有工作时，这个问题可能会变得无所谓了。  

这不，2月3日Alphabet 旗下的 AI 公司 DeepMind 又搞出了新进展。DeepMind 表示，该公司设计的 AlphaCode AI系统具备能撰写程序的能力，且在竞赛中证明已经具备人类中级程序员的水平！

DeepMind开发的 AlphaCode 属于机器学习范畴，可自主学习并具体解决问题的能力。

DeepMind 利用大量现存代码及数据集训练后，AlphaCode 的转换器（transformer）语言模型随后产出大规模的程序代码，从中产出指定的程序。

AlphaCode 经过编程平台Codeforces的比赛，被认为具各中等开发人员的水准，这也是AI编写代码系统首次达到具有竞争力的成绩。而这些比赛是需要人类理解自然语言描述的问题，然后才能有效地编写算法。 

以下示例是 Codeforces 上的 1553D 问题：（链接：https://codeforces.com/problemset/problem /1553/D）。

有两个字符串 s 和 t，都是由小写字母组成。对于字符串 s，我们从前向后扫描整个字符串。

如果按下 Backspace 键，就删除该光标前到上一个未删除字符之间的所有字符。例如字符串 s 是”abcbd”，你分别在第一个位置和第四个位置按下 Backspace，那么将得到字符串”bd”。

因为在第一个光标位置前没有字符，所以第一次没有动作。第四个光标位置前的字符是 c，上一个未删除字符是 a，所以按下 Backspace 将删除前三个字符”bd”。

好了，现在问题来了：我们能否从前向后扫描一次 s 字符串, 让 s 变为 t。如果可以输出 YES，否则输出 NO。

AlphaCode 给出的代码是这样的：

向以上程序输入 4 组字符串：

得到的输出结果是：

AlphaCode 不再是黑箱，它不仅成功解决了问题，还能将代码和注意力用高亮的对应位置显示出来。

如果把这个分数放到过去六个月总体来看，AlphaCode的成绩更为优秀，因为它只刷了10周的题目，就已经达到了前28%用户的水平。

DeepMind指出，程序算法竞赛本质上是程序员解决问题的过程。参赛者接到多个问题描述，并被要求在几小时内编写程序并解决问题。赢得编程竞赛需要的问题解决能力超出现有AI系统能力，而这集结了分析思维、逻辑、演算法、程序编写及自然语言理解。为此，DeepMind结合了大规模转换器（transformer）模型大量程序取样（sampling）及筛选（filtering）试图开发出能解决未知问题的AI系统。

在执行层面，AlphaCode 的预训练数据集包含了 715 GB 的代码，这些代码取自 GitHub ，分别用 C++、C#、Go、Java、JavaScript/TypeScript、Lua、Python、PHP、Ruby、Rust 和 Scala 编写。该团队使用从 Codeforces 和类似数据集中抓取的竞争性编程问题数据集对模型进行了微调。 

在评估阶段，他们为编程比赛主办方给定的问题各建立了该公司历来最大量C++和Phyton代码，然后开始针对这些程序进行筛选、集合及重新排名，最后完成10支最有希望的程序，然后提交给比赛方。

模型原理

DeepMind指出，这套自动化模型系统运作不同于一般比赛者使用的尝试错误（trial and error）过程，即除错、编译、测试及提交。

图片来源／DeepMind

最后，他们在主办方同意下，模拟参赛近年10次竞赛，每一次AlphaCode都必须编写出新的解决方案。总结而言，AlphaCode能力在所有参赛者中，大约名列前54%的水准，居中等能力。虽然无法完全赢得大赛，但DeepMind认为AlphaCode已显示深度学习模型解决分析思维任务的能力进展。

Codeforces由俄罗斯程序员Mikhail Mirzayanov创办，大约每周举行一次名为“Codeforces Rounds”的编程比赛。通过Codeforces的Elo评分可以衡量一位程序员的编程水平。

当看到AlphaCode的成绩后，连创始人Mirzayanov都惊讶不已。他原本对AI持怀疑态度，因为编程比赛考验的是发明算法的能力，这是最困难的，没想到AlphaCode的结果完全超出了他的预期。

DeepMind相信这有助于推进问题解决型AI的研究。DeepMind也将AlphaCode使用的资料集公布在GitHub上，包括每一次测试的资料供外界开发者参考。

DeepMind发布这条消息仅半天，在Twitter上已经有2000多次转发、5000多点赞。

还值得注意的是，微软 GitHub 也正在开发一个名为 Copilot 的类似项目，该项目充当人类开发者的编码助手，使用公开可用的代码来训练 AI 系统。

英国曼彻斯特大学的Riza Theresa Batista-Navarro这样评价道，鉴于DeepMind 在其预印本论文中提供的示例，它似乎确实可以解决问题，同时从训练数据中复制的代码比人类已经做的要多一些。

她说，AlphaCode 似乎经过精心调整，可以解决复杂的算法挑战，而以前的 AI 编码工具在更简单的任务上仍然可以胜过它。

“虽然 AlphaCode 在竞争挑战上比 GPT 等最先进的 AI 做得好，但在入门挑战上的表现却相对较差，”Batista-Navarro 说。“假设他们想做竞赛级别的编程问题，以解决更具挑战性的编程问题，而不是介绍性的一般问题。这似乎表明该模型在更复杂的问题上得到了很好的调整，在某种程度上，它有点忘记入门级问题了。”

DeepMind 的 Oriol Vinyals 在一份声明中表示：“我从未期望 ML （机器学习） 在竞争对手中达到人类平均水平。但是，这表明要达到最高绩效水平，并提高我们人工智能系统解决问题的能力，还有很多工作要做。”

如此看来，这些写代码的AI，是来帮助我们开发者的，未来几代开发者的生活可能会轻松一些了。

作者：万能的大雄