Microsoft ने एक AI विकसित किया है जो कोड में बग ढूंढ और ठीक कर सकता है

कोड लिखना कुछ बनाने का पहला कदम है। बग्स के लिए अपने कोड का पता लगाना और उन्हें ठीक करना समय लेने वाला है और अक्सर अनुमान से अधिक समय लगता है, लेकिन फिर भी यह एक आवश्यक कदम है।

यदि केवल बग को स्वचालित रूप से ठीक करने का एक तरीका था जो सिंटैक्स त्रुटियों से परे है और वास्तव में आपके कोड के पीछे के इरादों को समझता है।

हाल ही में, Microsoft ने एक AI विकसित किया है जो डीप लर्निंग का उपयोग करके कोड में बग का पता लगाने और उन्हें ठीक करने में सक्षम है। लेकिन क्रांतिकारी तकनीक का यह टुकड़ा कैसे अस्तित्व में आया और यह कैसे काम करता है?

बगलैब क्या है और यह कैसे काम करता है?

BugLab एक आर्टिफिशियल इंटेलिजेंस पायथन कार्यान्वयन है जो कोड के भीतर बग का शिकार करता है और उन्हें ठीक करता है। इसे माइक्रोसॉफ्ट रिसर्च के दो शोधकर्ताओं मिल्टोस अलामनिस और मार्क ब्रोकश्मिट द्वारा विकसित किया गया था। वे अक्सर उपयोग किए जाने वाले लेबल किए गए डेटा की कमी को दूर करने में कामयाब रहे यंत्र अधिगम स्व-पर्यवेक्षण सीखने का सहारा लेकर और बगलैब को कोड की पंक्तियों के साथ "लुका-छिपी" गेम के माध्यम से खुद को प्रशिक्षित करने की अनुमति देकर।

BugLab को दो कंप्यूटिंग मॉडल का उपयोग करके प्रशिक्षित किया गया था; एक जो कोड के सही स्निपेट में बग छुपाता है, और दूसरा जो बग ढूंढता है और उन्हें ठीक करता है। दोनों मॉडल लगातार एक दूसरे से सीखते हैं। समय के साथ, बग चयनकर्ता कोड में बग छिपाने में बेहतर हो जाता है, और डिटेक्टर उन्हें पकड़ने और ठीक करने में बेहतर हो जाता है।

बगलैब के साथ कोड को समझना

बगलैब एआई को जिन बगों का पता लगाने और उन्हें ठीक करने के लिए प्रशिक्षित किया जाता है, उनमें से अधिकांश तार्किक त्रुटियों में परिणत नहीं होते हैं, लेकिन कोड के सामान्य संदर्भ के परिणामस्वरूप केवल गलत होते हैं। इन बग्स को खोजने के लिए डेवलपर के इरादे को समझना जरूरी है।

कोड के स्निपेट्स को उसी तरह से ट्रीट करना जैसे प्राकृतिक भाषाओं को प्रोसेस करना उप-इष्टतम परिणाम देता है। अलग-अलग टोकन में विभाजित होने पर एआई के लिए अलग-अलग बयानों के बीच संबंधों को समझना अभी भी मुश्किल है।

इसके बजाय, BugLab पूरे कोड को देखता है। इस तरह, प्रत्येक सिंटैक्स, अभिव्यक्ति, प्रतीक और पहचानकर्ता को ग्राफ़ में बिंदुओं के रूप में दर्शाया जाता है, जिससे AI को विभिन्न नोड्स के बीच कनेक्शन और संबंध को "समझने" की अनुमति मिलती है।

तंत्रिका नेटवर्क आर्किटेक्चर फिर डिबगिंग एआई को प्रशिक्षित करने के लिए उपयोग किया जाता है। वे कोड ग्राफ़ की समृद्ध संरचना से अंतर्दृष्टि प्राप्त करने में सक्षम हैं और प्रत्येक नोड के दूसरे के साथ संबंध के लिए कारण प्रदान करते हैं।

क्या बगलैब रीयल-लाइफ कोड पर काम करता है?

यह ध्यान रखना महत्वपूर्ण है कि BugLab एक कुशल प्रोग्रामर का प्रतिस्थापन नहीं है। ऐसा इसलिए है क्योंकि जटिल बग अभी भी पहुंच के भीतर नहीं हैं।

एआई के साथ माइक्रोसॉफ्ट का उद्देश्य गलत बूलियन ऑपरेटरों जैसे सामान्य रूप से होने वाली बग का पता लगाना और उन्हें ठीक करना है। जैसे "और" के बजाय "या" का उपयोग और इसके विपरीत, उल्टे मूल्य तुलना और चर के अलावा दुरूपयोग।

के अनुसार माइक्रोसॉफ्ट, परिणाम आशाजनक हैं, क्योंकि बगलैब कोड के एक टुकड़े में लगभग 26 प्रतिशत बग का पता लगाने और स्वचालित रूप से ठीक करने में सक्षम है। फिर भी, झूठी सकारात्मकता और छूटे हुए बग के कारण सटीकता का एक महत्वपूर्ण प्रतिशत अभी भी खो गया है।

Microsoft BugLab के भविष्य के अनुप्रयोग

बगलैब के साथ माइक्रोसॉफ्ट का लक्ष्य सॉफ्टवेयर डेवलपर्स के समय की बचत करना है, जो अक्सर अपने कोड पर जाकर छोटी से छोटी बग की तलाश में खर्च करते हैं।

जबकि एआई डिबग मॉडल अभी भी प्रगति पर है, इसमें इसका मौका है बग ढूंढना और ठीक करना जो असुविधाजनक से लेकर विनाशकारी तक कहीं भी हो। लेकिन कुछ वर्षों में, आप उम्मीद कर सकते हैं कि बगलैब हर डेवलपर के टूलकिट में जरूरी हो जाएगा, भले ही वह सही न हो।

स्व-शिक्षण एआई का घातीय विकास

BugLab जैसे AI मॉडल को वास्तविक जीवन के उदाहरणों पर जितना अधिक समय देना होगा, वे उतने ही बेहतर और सटीक परिणाम प्राप्त करेंगे।

सबसे चुनौतीपूर्ण बाधाओं में से एक Microsoft शोधकर्ताओं ने BugLab को विकसित करते समय टूल में कोड और इरादे की मानवीय समझ को नियोजित किया था। लेकिन अब जब यह ज्यादातर हल हो गया है, तो आप समय के साथ BugLab के बेहतर होने की उम्मीद कर सकते हैं।

डीप लर्निंग बनाम। मशीन लर्निंग बनाम। एआई: वे एक साथ कैसे जाते हैं?

आर्टिफिशियल इंटेलिजेंस, मशीन लर्निंग और डीप लर्निंग के बीच अंतर जानने की कोशिश कर रहे हैं? यहाँ उन सभी का क्या मतलब है।

आगे पढ़िए

लेखक के बारे में