机器码农：深度学习自动编程

/* 版权声明：可以任意转载，转载时请标明文章原始出处和作者信息 .*/

                                                                                         张俊林

                                                                   （本文2016年发表于《程序员》杂志）

                          （想更系统地学习深度学习知识？请参考：深度学习枕边书）

     随着深度学习技术的快速进展，人工智能时代的序幕已经揭起，目前深度学习在图像处理方面的能力已经接近人，甚至在某些方面已经超过人的识别能力，在语音识别、自然语言处理等人机交互方面也取得了很大的技术进步。在未来社会，各行各业的不同类型工种逐步由机器代替人作为一个社会发展趋势已经开始逐步显现，比如工业机器人目前已经开始在工厂大量使用，特斯拉也已经在在售汽车中开始启用自动驾驶功能，由人工智能代替了传统的驾驶员的功能。

     目前看人工智能已经能够成功从事一些体力为主的工作岗位，那么程序员作为一个脑力密集型劳动岗位，是否会被机器取而代之？从技术和社会发展趋势来看，这个问题在很大程度上可能会是个肯定答案。那么机器码农如何理解需求？如何根据需求秒速写出代码？本文后续内容即简介相关技术，尤其是深度学习相关的一些技术思路。

    深度学习介入自动编码领域是最近两年的事情，应该说目前深度学习系统自动编码能够解决的问题还比较简单，比如目前能够做到自动根据训练数据写出冒泡排序等排序算法，自己根据例子会学会十位数加减法以及字符串正则匹配规则等，所以短期内机器码农还没有替代人类程序员的可能。但是也要看到随着深度学习在自动编码领域的深入应用，其技术发展速度是非常快的，极有可能在未来几年有突破性的技术进展。

 

一．       归纳程序综合问题

    如何让机器自动产生代码这个问题由来已久，是人工智能一直希望攻克的重大问题之一，传统上一般将这个问题称为“归纳程序综合”（InductiveProgram Synthesis，简称IPS）问题。IPS问题的研究目标是：

    给定一组<输入，输出>数据对，如何自动产生一段代码，这段代码能够正确地将这些给定的输入转换为给定的输出。

    传统的研究方法里，建立能自动产生代码的IPS系统一般主要涉及两个过程：代码组合空间搜索以及代码排序。一般一个编程语言可以形成的程序语句是非常多样的，那么如果随机选择其中一些语句组合起来，就能够对输入数据完成某种转换的任务形成输出。但是这种合法代码组合出的空间非常大，在这么大的代码语句组合空间里，到底哪些语句组合起来能够将给定的那组<输入，输出>数据进行正确的转换呢？这就需要在巨大的代码组合空间中进行搜索，找到那些能够对给定数据都能进行转换的代码片段，这些代码片段就是机器自动产生的程序。很明显，这里的关键是设计高效的搜索算法。另外，在代码组合空间里搜索，有可能找到很多段程序，这些程序都能够将输入数据进行准确地转换，那么到底输出哪一段最合理呢？这就是代码排序要做的工作，就是给多段完成相同功能的代码进行排序，找出最好的那一段，比如一种简单直观的方式是输出代码长度最短的那段作为自动生成的代码。

    上面介绍的是传统的IPS系统的设计思路，最近深度学习也开始被频繁应用到代码自动生成领域，后面内容主要介绍典型的相关技术思路。

 

二．       机器如何使用深度学习学会