Facebook 研究人員表示，他們已經(jīng)開(kāi)發(fā)出了一種名為TransCoder AI 的 “神經(jīng)編譯器” ，該系統(tǒng)可以將代碼從一種高級(jí)編程語(yǔ)言(如 C ++、Java 和 Python)轉(zhuǎn)換為另一種。
將現(xiàn)有的代碼庫(kù)遷移到更現(xiàn)代或更高效的語(yǔ)言需要大量的資源，包括財(cái)務(wù)和人力。譬如，澳大利亞聯(lián)邦銀行在 5 年的時(shí)間里花費(fèi)了大約 7.5 億澳元，將其平臺(tái)從 COBOL 轉(zhuǎn)換為 Java。而從理論上講，轉(zhuǎn)編譯器可以則幫助消除從頭重寫(xiě)代碼所需的費(fèi)用。但是，由于源語(yǔ)言和目標(biāo)語(yǔ)言都具有不同的語(yǔ)法、變量類型、標(biāo)準(zhǔn)庫(kù)函數(shù)和平臺(tái) API，因此這個(gè)在實(shí)踐中其實(shí)很難構(gòu)建。
據(jù)介紹，F(xiàn)acebook 的 TransCoder AI 則采用了一種無(wú)監(jiān)督的學(xué)習(xí)方法來(lái)應(yīng)對(duì)這些挑戰(zhàn)。它可以在無(wú)人監(jiān)督的情況下不受監(jiān)督地運(yùn)行，從而在沒(méi)有標(biāo)簽的情況下在數(shù)據(jù)集中找到未檢測(cè)到的模式，比基于規(guī)則數(shù)據(jù)集的模型要高效得多。
無(wú)論使用哪種編程語(yǔ)言，神經(jīng)編譯器都可以將代表相同指令的代碼段映射到相同代碼段。一位共同作者寫(xiě)道：“ TransCoder 可以輕松地推廣到任何編程語(yǔ)言，不需要任何專業(yè)知識(shí)就可以將代碼從一種編程語(yǔ)言轉(zhuǎn)換為另一種編程語(yǔ)言，并且在很大程度上優(yōu)于商業(yè)解決方案。我們的結(jié)果表明，通過(guò)向解碼器添加簡(jiǎn)單的約束以確保生成的函數(shù)在語(yǔ)法上是正確的，或者通過(guò)使用專用架構(gòu)，可以輕松解決該模型所犯的許多錯(cuò)誤。”
TransCoder AI 的準(zhǔn)確性
Facebook 研究人員在超過(guò) 280 萬(wàn)個(gè)開(kāi)源存儲(chǔ)庫(kù)中的公開(kāi)代碼上對(duì) TransCoder AI 進(jìn)行了訓(xùn)練，以專注于功能級(jí)別的代碼轉(zhuǎn)換。
為了評(píng)估 TransCoder AI 的性能，他們從 GeeksforGeeks 中選擇了 852 個(gè) C ++、Java 和 Python 并行函數(shù)。GeeksforGeeks 是一個(gè) 在線平臺(tái)，用于收集編寫(xiě)代碼時(shí)的問(wèn)題，并提供多種編程語(yǔ)言的解決方案。
利用以上兩個(gè)數(shù)據(jù)，他們開(kāi)發(fā)了一個(gè)名為 " 計(jì)算精度(computational accuracy)" 的新指標(biāo)，用于檢查翻譯后的函數(shù)在輸入相同的情況下是否會(huì)產(chǎn)生與源語(yǔ)言相同的輸出。
結(jié)果
這是 AI 從以下位置轉(zhuǎn)換代碼時(shí)獲得的結(jié)果的準(zhǔn)確性水平：
- C++ to Java: 74.8%
- C++ to Python: 67.2%
- Java to C++: 91.6%
- Java to Python: 68.7%
- Python to Java: 56.1%
- Python to C++: 57.8%
研究人員表示，TransCoder AI 已經(jīng)展示出對(duì)每種語(yǔ)言(Java、Python 和 C ++)的語(yǔ)法及其數(shù)據(jù)結(jié)構(gòu)的理解。它甚至能夠正確地調(diào)整每種語(yǔ)言的庫(kù)，同時(shí)適應(yīng)小的修改 -- 例如，重命名輸入中的一個(gè)變量。盡管 Transcoder 并非十分完美，無(wú)法在代碼生成過(guò)程中考慮某些變量類型。但是，它的性能確實(shí)優(yōu)于已有的利用專家知識(shí)手動(dòng)構(gòu)建的框架。
完整論文地址：https://arxiv.org/pdf/2006.03511.pd
