讨论的“AI 编程技术”是将自然语言句子转化为可执行程序的输出。然而，现有的 AI 编程技术并不总能让人满意，AI 只能机械地复制粘贴代码，难以为人类灵活需求生成程序。AI 编程的核心问题在于组合泛化能力，即 AI 是否能够理解并生成程序的复杂组合。人类天生具有这种能力，可以理解和生成复杂的语言句子。
未来ai是否可能自学编程写代码，代替程序员？
当下 AI 编程现状：AI 编程一直是人们对人工智能的一大期望，现有的 AI 编程技术虽然已经惠及了许多不会编程的普通用户，但从上图来看，还远没有达到满足人们预期的程度。AI 只会进行机械地记忆与复制粘贴，难以灵活处理人们的需求。微软亚洲研究院在这方面所作出的努力：新型神经网络架构 LANE（Learning Analytical Expressions），可以模拟人类的抽象化思维，从而在 AI 编程中获得组合泛化能力。
让 AI 学会写程序，是人们的普遍预期：直接用自然语言描述想干什么，AI 就能自动生成相应的程序。现有 AI 编程技术远未达到这种预期，但相关技术在特定领域中惠及大量不会编程的普通用户。微软在 Excel 中展示的新功能，只需要向 Excel 提问题，它就能自动理解并进行智能数据分析，并通过可视化图表方式将结果呈现。另一个例子是微软 Semantic Machines 团队研发的智能对话服务，基于程序合成。讨论的“AI 编程技术”是将自然语言句子转化为可执行程序的输出。然而，现有的 AI 编程技术并不总能让人满意，AI 只能机械地复制粘贴代码，难以为人类灵活需求生成程序。
AI 编程的核心问题在于组合泛化能力，即 AI 是否能够理解并生成程序的复杂组合。人类天生具有这种能力，可以理解和生成复杂的语言句子。AI 缺乏这种能力，导致在处理复杂需求时效果不佳。研究工作旨在探索如何让 AI 具备组合泛化能力。深度学习缺乏组合泛化能力，这是 AI 编程技术面临的关键挑战。
深度神经网络的架构需要被设计来模拟人类的认知过程，特别是抽象化能力。新型神经网络架构 LANE（Learning Analytical Expressions）通过抽象化过程，从源域表达式逐渐抽象简化到目标域表达式，从而在语义解析任务中模拟人类的抽象化思维，获得组合泛化能力。实验结果表明，LANE 在语义解析任务上表现优异，达到100%的准确度。
微软亚洲研究院的 LANE 架构展示了 AI 编程技术的潜力，它通过自动化探索抽象化过程，学习数据中的解析表达式映射，从而在 AI 编程任务中实现组合泛化。这为 AI 编程技术的发展提供了一个新的方向，但需要进一步的研究来提高训练效率、容错学习能力和与其他方法的结合。微软亚洲研究院的研究人员希望通过 LANE 架构探讨深度学习如何从简单的记忆与模仿走向探索与归纳，拓展 AI 的能力边界。
论文和代码的链接提供进一步的细节和实现。微软亚洲研究院的官方知乎账号分享计算机领域尤其是人工智能的前沿研究，为研究提供讨论平台，促进公众对 AI 的理解。微软亚洲研究院的专家团队提供见解，欢迎关注微博和微信账号了解更多研究动态。2024-11-17
