अधिक अचूक कोडिंग: संशोधक टॉकॉन मॉन्टे कार्लो सीरियल

कृत्रिम बुद्धिमत्ता मॉडेल्सच्या मदतीने कोडिंग सुरू आहे लोकप्रिय अधिग्रहण, परंतु बर्‍याच जणांनी हायलाइट केले जेव्हा विकसक कोडिंग सहाय्यकांवर अवलंबून असतात तेव्हा उद्भवणारे मुद्दे.

तथापि, मॅसेच्युसेट्स इन्स्टिट्यूट ऑफ टेक्नॉलॉजी, मॅकगिल युनिव्हर्सिटी, ईटीएच झ्यूरिक, जॉन्स हॉपकिन्स आणि येल युनिव्हर्सिटीच्या संशोधकांनी कृत्रिम बुद्धिमत्तेपासून तयार केलेली चिन्हे अधिक अचूक आणि उपयुक्त आहेत हे सुनिश्चित करण्यासाठी एक नवीन मार्ग विकसित केला आहे. ही पद्धत प्रत्येक भाषेच्या नियमांचे पालन करण्यासाठी भिन्न प्रोग्रामिंग भाषा आणि उत्कृष्ट भाषा मॉडेल (एलएलएम) निर्देशित करते.

या गटाला असे आढळले आहे की नवीन नमुने पद्धतींमध्ये रुपांतर करून, कृत्रिम बुद्धिमत्ता मॉडेल प्रोग्रामिंग व्याकरणाचे अनुसरण करण्यासाठी आणि लहान भाषा मॉडेल्स (एसएलएम) ची कार्यक्षमता वाढविण्यासाठी निर्देशित केली जाऊ शकतात, जे सहसा कोड तयार करण्यासाठी वापरले जातात आणि मोठ्या भाषिक मॉडेल मॉडेलला मागे टाकतात.

पेपरमध्ये, संशोधक मॉन्टे कार्लो यांनी एसएमसीचा वापर केला “अनेक कठीण अर्थपूर्ण विश्लेषण समस्यांचे उपचार, वाढत्या निश्चित आणि गतिशील विश्लेषणासह पिढीला निर्देशित.” सीरियल मॉन्टे कार्लो अल्गोरिदमच्या एका कुटुंबाकडे निर्देश करते जे समस्येचे निराकरण करण्याचे निराकरण करण्यास मदत करतात.

पेपरचे सह -लेखक जोआओ लुला म्हणाले की मॅसेच्युसेट्स इन्स्टिट्यूट ऑफ मॅसॅचटेन्सच्या कॅम्पसला दिलेल्या मुलाखतीत खाते खर्चाची गणना देखील कमी होऊ शकते आणि री -नेव्हिगेशन पद्धतींपेक्षा अधिक कार्यक्षम होऊ शकते.

कृत्रिम बुद्धिमत्तेपासून तयार केलेला कोड मजबूत असू शकतो, असे संशोधकांनी निदर्शनास आणून दिले, परंतु यामुळे प्रोग्रामिंग भाषेच्या अर्थपूर्ण नियमांकडे दुर्लक्ष करणारे प्रतीक देखील होऊ शकते. हे टाळण्याचे इतर मार्ग मॉडेल्स विकृत करू शकतात किंवा बराच वेळ लागू शकतात.

त्यांची पद्धत एलएलएम प्रोग्रामिंगच्या सूचनांच्या आउटपुटपासून मुक्त करुन प्रोग्रामिंग भाषेच्या नियमांचे पालन करते जे प्रक्रियेच्या सुरुवातीस कार्य करू शकत नाही आणि “वैध आणि अचूक असण्याची शक्यता असलेल्या आउटपुटसाठी प्रयत्नांचे वाटप करा.”

कोड व्युत्पन्न करण्यासाठी एसएमसी वातानुकूलन

संशोधकांनी एक रचना विकसित केली जी एसएमसीला “विविध प्रकारच्या व्याकरणात्मक आणि अर्थपूर्ण निर्बंधामध्ये” निर्माण करते.

“प्रतिबंधित कोडिंगसाठी मागील अनेक फ्रेमवर्कच्या विपरीत, आमचे अल्गोरिदम संपूर्ण प्रतीकात्मक शब्दसंग्रह, तसेच पिढी दरम्यान अनियमित कालावधीतच मूल्यांकन केले जाऊ शकते अशा निर्बंधांवर वाढत्या प्रमाणात मूल्यांकन केलेल्या निर्बंधांना समाकलित करू शकते.”

एसएमसीच्या नमुन्यांना अनुकूलित करण्याच्या मुख्य वैशिष्ट्यांमध्ये मॉडेलची निर्मिती करणे समाविष्ट आहे जेथे प्रतीकात्मक नमुने स्वस्त निर्बंधाद्वारे निर्देशित केले जातात, महत्त्वाचे वजन जे पूर्वग्रहण आणि पुनर्संचयित करतात जे आंशिक पिढ्यांच्या मोजणीच्या प्रयत्नांना पुनर्संचयित करतात.

संशोधकांनी नमूद केले की एसएमसी मॉडेल अधिक निरोगी आणि उपयुक्त चिन्हाकडे निर्देशित करू शकते, परंतु त्यांनी कबूल केले की या पद्धतीस काही समस्या उद्भवू शकतात.

“स्थानिक पारदर्शकतेच्या डिकोडिंगमध्ये महत्त्वपूर्ण नमुने घेत असले तरी, त्यांना मोठ्या प्रमाणात कमकुवतपणाचा त्रास देखील होतो: वजन सुधारणे आणि महागड्या क्षमता या प्रस्तावाचा संपूर्ण क्रम तयार केल्याशिवाय समाकलित केल्या जात नाहीत. बर्‍याच प्रकरणांमध्ये कोणत्याही मर्यादित गोष्टींचा उपयोग केला जाऊ शकतो की नाही याची ही महत्त्वपूर्ण माहिती आहे. ते म्हणाले.

फॉर्म चाचणी

त्यांचा सिद्धांत सिद्ध करण्यासाठी, लोला आणि त्याच्या कार्यसंघाकडे अभियंताचा एसएमसी वापर अधिक अचूक आहे की नाही हे पाहण्यासाठी प्रयोग होते.

हे अनुभव असे होते:

• बेथॉन कोड व्युत्पन्न डेटाबेस कार्ये, ज्याने स्वतंत्रपणे लाइनची कदर करण्यासाठी लामा 3 70 बीचा वापर केला आणि लवकर आवृत्त्यांची चाचणी घेतली
• लामा 3 8 बी सह एसक्यूएलला मजकूर निर्मिती
• एजंटच्या स्थितीचा अंदाज लावण्याचे काम करण्याचे नियोजन करण्याचे उद्दीष्ट तसेच लामा 3 8 बी वापरण्याचे उद्दीष्ट
• औषध शोधाचे आण्विक संश्लेषण

त्यांना आढळले की एसएमसी मॉडेल्सचा वापर, सुधारित अचूकता आणि टिकाऊपणा आणि मोठ्या मॉडेल्सना मागे टाकले.

हे महत्वाचे का आहे

कृत्रिम बुद्धिमत्ता मॉडेल्सने अभियंता आणि इतर प्रोग्रामर वेगवान आणि अधिक कार्यक्षम बनविले आहेत. हे पूर्णपणे नवीन प्रकारच्या सॉफ्टवेअर अभियंता देखील उपस्थित आहे: व्हिब प्रोग्रामर. परंतु कोडची गुणवत्ता, कोडिंग खर्चासाठी समर्थनाची कमतरता आणि साधा कोड व्युत्पन्न करण्यासाठी सर्वात जटिल खाते याबद्दल चिंता होती.

एसएमसी एअर कंडिशनिंग सारख्या नवीन रस्ते, कर्जमाफीच्या आंतरराष्ट्रीयचा समान वापर करू शकतात आणि मॉडेल्सच्या परिणामी कोडवर विश्वास ठेवण्यास अभियंत्यांना सक्षम करू शकतात.

इतर कंपन्या कृत्रिम बुद्धिमत्तेद्वारे तयार केलेला कोड सुधारण्याचे मार्ग शोधतात. एकत्रितपणे, अ‍ॅम्नेस्टी इंटरनेशनल आणि एजंटिका दीपकोडर -14 बी रिलीज झाले, जे कमी पॅरामीटर्सची चेष्टा करते. चिन्हाची गुणवत्ता सुधारण्यात मदत करण्यासाठी त्याच्या कोडला मदत करण्याचे वैशिष्ट्य Google ने देखील सुधारले आहे.

दररोज व्हीबी सह व्यवसायाच्या वापराच्या प्रकरणांबद्दल दैनंदिन दृष्टी

आपण कामावर आपल्या बॉसला पटवून देऊ इच्छित असल्यास, आपण दररोज व्हीबी कव्हर केले आहे. संघटनात्मक परिवर्तनांपासून ते व्यावहारिक प्रकाशन ऑपरेशनपर्यंत कंपन्या प्रसूतीच्या कृत्रिम बुद्धिमत्तेसह कंपन्या काय करतात याविषयी आम्ही आपल्याला अंतर्गत पत्रकारितेचे प्राधान्य देतो, जेणेकरून आपण गुंतवणूकीवर जास्तीत जास्त परतावा दर्शवू शकता.

आमचे गोपनीयता धोरण वाचा

सदस्यता घेतल्याबद्दल धन्यवाद. येथे अधिक व्हीबी वृत्तपत्रे तपासा.

एक त्रुटी आली.