מיקרוסופט מפתחת בינה מלאכותית שיכולה למצוא באגים בקוד

חוקרים ממיקרוסופט פיתחו בינה מלאכותית שיכולה למצוא באגים בקוד, ועוזרת למפתחים לנפות באגים ביישומים שלהם בצורה מדויקת ויעילה יותר.

החוקרים מילטוס אלאמניס, חוקר ראשי ומארק ברוקשמידט, מנהל מחקר ראשי בכיר פיתחו את הבינה המלאכותית שלהם, BugLabs, בערך באותו האופן שבו נוצרות רשתות יריביות (GAN).

מיקרוסופט הציבה שתי רשתות זו מול זו - אחת שנועדה להכניס באגים באגים קטנים לקוד קיים ואחרת שמטרתה למצוא את הבאגים האלה. שתי הרשתות הפכו טובות יותר ויותר, וכתוצאה מכך בינה מלאכותית שהייתה טובה בזיהוי באגים מוסתרים בקוד אמיתי.

היתרון של גישה זו היה שהתהליך היה בפיקוח עצמי לחלוטין, ולא נזקק לנתונים מסומנים.

הם מדווחים על התוצאות כדלקמן:

בתיאוריה, נוכל ליישם את משחק המחבואים בצורה רחבה, ללמד מכונה לזהות באגים מורכבים באופן שרירותי. עם זאת, באגים כאלה עדיין נמצאים מחוץ להישג ידן של שיטות AI מודרניות. במקום זאת, אנו מתרכזים בקבוצה של באגים הנפוצים. אלה כוללים השוואות שגויות (לדוגמה, שימוש ב-"<=" במקום "<" או ">"), אופרטורים בוליאניים שגויים (לדוגמה, שימוש ב-and" במקום "או" ולהיפך), שימוש לרעה במשתנים (למשל, שימוש שגוי "i" במקום "j") ועוד כמה. כדי לבדוק את המערכת שלנו, אנו מתמקדים בקוד Python.

לאחר שהגלאי שלנו מאומן, אנו משתמשים בו כדי לזהות ולתקן באגים בקוד מהחיים האמיתיים. כדי למדוד ביצועים, אנו מסמנים ידנית מערך נתונים קטן של באגים מחבילות באינדקס החבילות של Python עם באגים כאלה ומראים שמודלים שאומנו בשיטת ה"מחבואים" שלנו טובים עד 30% בהשוואה לחלופות אחרות, למשל, גלאים מאומנים עם באגים שהוכנסו באופן אקראי. התוצאות מבטיחות, ומראות שניתן למצוא ולתקן כ-26% מהבאגים באופן אוטומטי. בין הבאגים שהגלאי שלנו מצא היו 19 באגים שלא היו ידועים בעבר בקוד GitHub בקוד פתוח אמיתי. עם זאת, התוצאות הראו גם אזהרות חיוביות כוזבות רבות, המצביעות על כך שיש צורך בהתקדמות נוספת לפני שניתן יהיה לפרוס מודלים כאלה באופן מעשי.

הם מסיקים שהגישה שלהם מבטיחה, אם כי כמובן נדרשת עבודה רבה יותר כדי להפוך גלאים כאלה לאמינים לשימוש מעשי. נָתוּן עבודת GPT-3 של מיקרוסופט על GitHub עם זאת, יתכן בהחלט שעבודה זו עשויה להיות ממוסחרת בסופו של דבר.

קרא את העיתון המלא שלהם כאן.