AlphaCode

Alunos: Brena Alves (379132911025) , Lorhan Venancio

(383524511025)
Centro Educacional Anhanguera Niterói
Professor: Giomar
6 Período , Ciências Da Computação M

Resolvendo novos problemas e
estabelecendo um novo marco na
programação competitiva
Criar soluções para problemas imprevistos é uma segunda
natureza da inteligência humana – resultado do
pensamento crítico informado pela experiência. A
comunidade de aprendizado de máquina fez um tremendo
progresso na geração e compreensão de dados textuais,
mas os avanços na resolução de problemas permanecem
limitados a problemas relativamente simples de
matemática e programação, ou então recuperando e
copiando soluções existentes. Como parte da
missão da DeepMind de resolver a inteligência, criamos
um sistema chamado AlphaCode que escreve programas
de computador em um nível competitivo. A AlphaCode
alcançou uma classificação estimada entre os 54%
melhores participantes em competições de programação,
resolvendo novos problemas que exigem uma combinação
de pensamento crítico, lógica, algoritmos, codificação e
compreensão de linguagem natural.
Em nosso artigo , detalhamos o AlphaCode, que usa
modelos de linguagem baseados em transformadores para
gerar código em uma escala sem precedentes e, em
seguida, filtra de maneira inteligente para um pequeno
conjunto de programas promissores.
Resolvendo novos problem
as e estabelecendo um novo marco na
programação competitiva
Validamos nosso desempenho usando competições
hospedadas no Codeforces , uma plataforma popular que
hospeda competições regulares que atraem dezenas de
milhares de participantes de todo o mundo que vêm testar
suas habilidades de codificação. Selecionamos para
avaliação 10 concursos recentes, cada um mais recente
que nossos dados de treinamento. AlphaCode ficou
aproximadamente no nível do concorrente mediano,
marcando a primeira vez que um sistema de geração de
código de IA atingiu um nível competitivo de desempenho
em competições de programação.
Para ajudar outras pessoas a desenvolver nossos
resultados, estamos lançando nosso conjunto de dados
de problemas e soluções de programação competitivos
no GitHub , incluindo testes extensivos para garantir que
os programas que passam nesses testes estejam corretos
— um recurso crítico que falta aos conjuntos de dados
atuais. Esperamos que este benchmark leve a mais
inovações na solução de problemas e geração de código.
A programação competitiva é uma atividade popular e
desafiadora; centenas de milhares de programadores
participam de competições de codificação para ganhar
experiência e mostrar suas habilidades de forma divertida
e colaborativa. Durante as competições, os participantes
recebem uma série de longas descrições de problemas e
algumas horas para escrever programas para resolvê-los.
Os problemas típicos incluem encontrar maneiras de
colocar estradas e edifícios dentro de certas restrições ou
criar estratégias para ganhar jogos de tabuleiro
personalizados. Os participantes são então classificados
principalmente com base em quantos problemas eles
resolvem. As empresas usam essas competições como
ferramentas de recrutamento e problemas semelhantes
são comuns nos processos de contratação de
engenheiros de software
Posso dizer com segurança que os resultados do AlphaCode
superaram minhas expectativas. Eu estava cético porque, mesmo
em problemas competitivos simples, muitas vezes é necessário
não apenas implementar o algoritmo, mas também (e essa é a
parte mais difícil) inventá-lo. A AlphaCode conseguiu atuar no nível
de um novo e promissor concorrente. Mal posso esperar para ver o
que vem pela frente!
Mike Mirzayanov, Fundador, Codeforces
As habilidades de resolução de problemas necessárias para se
destacar nessas competições estão além das capacidades dos
sistemas de IA existentes. No entanto, combinando avanços em
modelos de transformadores em grande escala (que
recentemente mostraram habilidades promissoras para gerar
código) com amostragem e filtragem em grande escala, fizemos
um progresso significativo no número de problemas que
podemos resolver. Nós pré-treinamos nosso modelo em código
público selecionado do GitHub e o ajustamos em nosso conjunto
de dados de programação competitivo relativamente pequeno.
No momento da avaliação, criamos uma enorme quantidade de
programas C++ e Python para cada problema, ordens de
magnitude maiores do que o trabalho anterior. Em seguida,
filtramos, agrupamos e reclassificamos essas soluções em um
pequeno conjunto de 10 programas candidatos que enviamos
para avaliação externa. Este sistema automatizado substitui o
processo de tentativa e erro dos concorrentes de depuração,
compilação,
Com a permissão da Codeforces, avaliamos o AlphaCode
simulando a participação em 10 concursos recentes. O
trabalho impressionante da comunidade de programação
competitiva criou um domínio onde não é possível resolver
problemas por meio de atalhos, como duplicar soluções
vistas antes ou experimentar todos os algoritmos
potencialmente relacionados. Em vez disso, nosso modelo
deve criar soluções novas e interessantes. No geral, o
AlphaCode ficou aproximadamente no nível do concorrente
mediano. Embora longe de vencer competições, esse
resultado representa um salto substancial nas capacidades
de resolução de problemas de IA e esperamos que nossos
resultados inspirem a comunidade de programação
competitiva.

Resolver problemas de programação competitivos é uma

coisa muito difícil de fazer, exigindo boas habilidades de
codificação e criatividade na resolução de problemas em
humanos. Fiquei muito impressionado que o AlphaCode
pudesse progredir nessa área e animado para ver como o
modelo usa seu entendimento de declaração para produzir
código e guiar sua exploração aleatória para criar soluções.

Petr Mitrichev, engenheiro de software, programador

competitivo de classe mundial e do Google
Contexto importante Para que a inteligência artificial ajude a humanidade,
nossos sistemas precisam ser capazes de desenvolver

para inteligência
capacidades de resolução de problemas. O AlphaCode
ficou entre os 54% melhores em competições de

artificial.
programação do mundo real, um avanço que demonstra o
potencial dos modelos de aprendizado profundo para
tarefas que exigem pensamento crítico. Esses modelos
alavancam elegantemente o aprendizado de máquina
moderno para expressar soluções para problemas como
código, voltando à raiz do raciocínio simbólico da IA ​de
décadas atrás. E isso é apenas um começo. Nossa
exploração na geração de código deixa um amplo espaço
para melhorias e sugere ideias ainda mais interessantes
que podem ajudar os programadores a melhorar sua
produtividade e abrir o campo para pessoas que
atualmente não escrevem código.
links utilizados: https://www-deepmind-com.translate.goog/blog/com
petitive-programming-with-alphacode?_x_tr_sl=en&_x_
tr_tl=pt&_x_tr_hl=pt-BR&_x_tr_pto=sc

https://youtu.be/3CcUdqGm5rc (ALPHACODE E O FIM

DOS PROGRAMADORES?)

https://youtu.be/-etdjTLvAHA (ALPHACODE: A IA
Supera humanos em competições de programação)