機械プログラミングが次に投資すべきテクノロジーである理由は何ですか?

機械プログラミングが次に投資すべきテクノロジーである理由は何ですか?

[[413321]]

[51CTO.com クイック翻訳]一連の新しいツールは、機械学習やその他の方法を使用して、ソフトウェア開発プロセスの一部を自動化しています。たとえば、GitHub は先月、プログラマーがコードを開発する際に提案を行うツールをリリースしました。 Amazon はまた、ソフトウェアのパフォーマンスのボトルネックを自動的に見つけるのに役立つツールである CodeGuru も開発しました。 Facebook には Aroma があり、これもコーディングの提案を提供します。 Intel Labs の私のチームは、コード内のエラーを自動的に検出するツール (現在は社内使用向け) を構築しました。

このタイプの自動プログラミングは「マシンプログラミング」と呼ばれます。最も興味深い機能の 1 つは「コードの意味的類似性」です。これは、2 つのコード スニペットが類似した特性を示しているか、類似した目標を達成しているかを自動的に判断しようとします。これは、コンピューティングの進歩、「ビッグコードデータ」(約 1,400 万のコードサンプルを含む新しい IBM/MIT CodeNet プロジェクトなど)へのアクセス、および新しい機械学習アルゴリズムのおかげで最近可能になりました。

コード内のセマンティック類似性の力を活用することで、業界では自動化システムを開発することができ、ソフトウェアとハ​​ードウェアの複雑さが増しても開発チームが同じレベルの生産性を維持できるように CIO が支援するとともに、ソフトウェア開発の人材不足や職場の燃え尽き症候群に対処できるようになりました。

言語間の変換をサポート

コードの意味的類似性は、プログラミング言語間の変換を行うツール(翻訳ツールなど)でも使用できます。過去には、プログラムのソース コードをあるプログラミング言語から別のプログラミング言語に変換するソフトウェア システムは手の届かないものでした。しかし、これまでより専門的な従来の言語でプログラミングしてきた大規模なグローバル組織にとって、トランスパイルの最新の進歩は重要な意味を持つ可能性があります。

組織全体のコード ベースを COBOL から Python に手動で変換するのに何年もかかる代わりに、機械プログラミング システムがわずか数日ですべてを実行できる世界を想像してみてください。このようなシステムのプロトタイプはすでに存在しており、Adobe などの一部のテクノロジー企業でも使用されています。たとえば、私の知る限り、Adobe Photoshop は検証済みのリフトを使用して C/C++ を現在のバージョンの Halide に変換します。

マシン推論コード類似性 (MISIM) などのコード意味類似性システムは、組織がコード システム全体を更新するのに役立つだけでなく、人材プールの拡大にも役立ちます。より多くの開発者がこれらの新しい言語に精通するようになるにつれて(例:FORTRAN から Python に移行する)、組織のコード ベースを、今日のソフトウェア開発者にあまり理解されていない古いレガシー言語から最新のプログラミング言語に更新すると、採用が容易になります。新世代の言語は習得が容易で、システムの複雑さの多くを社内で処理しやすくなる傾向があるため、CIO はプログラミング エラーの減少を実感できるかもしれません。

初心者開発者を育成し、開発者のギャップを埋める

コード意味類似性システムもコードを提案できます。たとえば、前述の GitHub Co-Pilot は、ソフトウェアの意図を理解し、開発者を支援するために改良された(またはより完全な)バージョンを提案することを目的としています。

このようなコード提案システムを最大限に活用すれば、初心者と熟練した開発者の両方に改善された代替案を提供することで、ソフトウェアの品質と生産性を向上させることができます。最終的には、これにより、CIO とその IT 部門は、追加のスタッフを雇用したり、新しいリソースにお金をかけたりすることなく、ソフトウェアの需要に対応できるようになります。これらのコード提案システムの最終的なビジョンは、すべての開発者の生産性を向上させることです。

セマンティック類似性システムは開発者と連携してコード内のエラーを自動的に検出することもできます。

結論

ソフトウェアとハ​​ードウェアの異種性により、ソフトウェア開発の分野はますます複雑になっています。開発チームには、ソフトウェアをより速く開発することも求められています。 CIO と彼らが監督するソフトウェア開発にとって、マシン プログラミングは経済的に実行可能な唯一のアプローチである可能性があります。したがって、今こそ、新しいマシン プログラミング ツールを試し、組織内でそれらを最も効果的に実装する方法を学ぶ絶好の機会です。

原題: 機械プログラミングが次に投資すべきテクノロジーである理由、著者: Justin

[51CTOによる翻訳。パートナーサイトに転載する場合は、元の翻訳者と出典を51CTO.comとして明記してください]

<<:  一貫性ハッシュアルゴリズムとは何ですか?

>>:  TCPとUDPの違いと、フロー制御、輻輳制御、高速再送、高速回復アルゴリズムの詳細な説明

ブログ    

推薦する

農業革命:農業ロボットの台頭

近年、農業ロボットの登場により農業業界は大きな変化を遂げています。これらの最先端の機械は、作物の栽培...

MetaはAIアルゴリズムアプリケーションの透明性を高め、ユーザーに詳細な説明とより多くの選択肢を提供します。

6月30日、ソーシャルメディアプラットフォームはユーザーエクスペリエンスを向上させるためにAIアル...

...

ロボットと触覚センシング技術の衝突、人間とロボットの触覚センシングを初めて探る記事

触覚は人間が相互作用を調整する主な方法の 1 つです。触覚を通じて知覚される触覚は、人間が物体の大き...

リアルタイムの洞察を強化: コンピューター ビジョンとエッジ コンピューティングの相乗効果

今日の急速に変化する世界では、最先端技術のシームレスな統合がイノベーションの基盤となっています。その...

機械学習におけるクラス不均衡に対処するための 10 のヒント

導入あるクラスの観測値が他のクラスの観測値よりも高い場合、クラスの不均衡が生じます。例: 不正なクレ...

遠隔管理+早期警告人工知能が危険物輸送の安全性を向上

2017年7月、国務院は「新世代人工知能開発計画」を発表し、人工知能が国家戦略の重要なツールとなって...

プログラマーがアルゴリズムを本当に習得したら、どれほど強くなるでしょうか?

2020 = 1024 + 996... 2020 はプログラマーにとってあまり「フレンドリー」に...

ディープラーニングの「記憶喪失」に応えて、科学者たちは類似性に基づく重み付けインターリーブ学習を提案し、PNASに掲載された。

人間とは異なり、人工ニューラル ネットワークは新しいことを学習するときに以前に学習した情報をすぐに忘...

HSBC、コロナウイルス危機中にAIガードレールを導入

規制の厳しい業界の企業は、AI を導入しようとすると、いわゆる「ブラック ボックス」問題に直面するこ...

AIサイバーセキュリティ攻撃を防ぐ7つの戦略

人工知能(AI)が高度化し普及するにつれて、サイバーセキュリティの脅威が増大します。ハッカーやサイバ...

2018 年までに世界を変える 9 つのテクノロジーをご紹介します。

編集者注: 有名なベストセラー作家のバーナード・マー氏は最近、「2018 年に私たちの世界を定義する...

Google、写真を撮るだけで皮膚疾患を検出するAIツールの新機能を発表

5月19日、Googleの開発者会議I/O 2021が開幕した。完全オンライン形式を採用し、Goog...

機械学習の第一歩、ランダムフォレストのステップバイステップの入門書です

2020 年には、すでに多くの楽しい機械学習チュートリアルが見つかります。この記事では、最も人気のあ...

ControlNetの作者が新作を発表:数百万のデータを使ったトレーニング、レイヤー設計の先駆けとなるAI画像生成

画像を生成するための大規模なモデルがコンピュータービジョンやグラフィックスの基礎となっている一方で、...