MACHINE LEARNING CODE GENERATION
Trendbeschreibung
Mit Machine Learning Code Generation kann aus natürlicher Sprache automatisch der notwendige Quellcode für die Softwareentwicklung generiert werden. Als Input wird in natürlicher Sprache beschreibend formuliert, welche Funktion die Software ausführen soll.
Trendbeschreibung
Mit Machine Learning Code Generation kann aus natürlicher Sprache automatisch der notwendige Quellcode für die Softwareentwicklung generiert werden. Als Input wird in natürlicher Sprache beschreibend formuliert, welche Funktion die Software ausführen soll. Anschließend wird der Input via Machine Learning Algorithmen analysiert und daraus ausführbarer Quellcode generiert. Auch der umgekehrte Fall ist möglich: Auf Basis von vorhandenem Quellcode wird eine Dokumentation generiert, welche die Funktionen in natürlicher Sprache beschreibt. Mithilfe von Machine Learning Code Generation können Softwareanwendungen und Dokumentationen daher auch ohne ausgiebige Programmierkenntnisse generiert werden.
Umwandlung von Sprache zu Code
OpenAI Codex ist ein Abkömmling von GPT-3; seine Trainingsdaten enthalten sowohl natürliche Sprache als auch Milliarden von Quellcodezeilen aus öffentlich zugänglichen Quellen, einschließlich Code in öffentlichen GitHub-Repositories. Die wichtigste Fähigkeit von GPT-3 ist die Generierung natürlicher Sprache als Antwort auf eine natürlichsprachliche Eingabe. OpenAI Codex verfügt über einen Großteil des natürlichen Sprachverständnisses von GPT-3, produziert aber funktionierenden Code, d. h. Sie können Befehle in englischer Sprache an jede Software mit einer API geben. OpenAI Codex ermöglicht es Computern, die Absichten der Menschen besser zu verstehen, was es jedem ermöglichen kann, mehr mit Computern zu machen.
SalesForce entwickelt CodeT5
CodeT5 ist ein Open-Source-Programmiersprachenmodell, das von Forschern bei SalesForce entwickelt wurde. Es basiert auf dem T5-Framework von Google (Text-to-Text Transfer Transformer). Um CodeT5 zu trainieren, hat das Team über 8,35 Millionen Beispiele von Programmcode, einschließlich Nutzerkommentaren, aus öffentlich zugänglichen GitHub-Repositories beschafft. Ein Großteil dieser Datensätze stammt aus dem CodeSearchNet-Datensatz, der Ruby, JavaScript, Go, Python, PHP, C und C# umfasst, sowie aus zwei C- und C#-Datensätzen von BigQuery.
Automatische Suche nach Quellcode
Es ist nicht mehr notwendig, die Programmierumgebung zu verlassen, um zu suchen, wie eine bestimmte Funktion zu erstellen ist. Blackbox macht es leicht, den richtigen Codeschnipsel zu finden, ohne dass die Umgebung verlassen werden muss, mehrere Registerkarten geöffnet und Webseiten mit Dokumentation und Ressourcen zu durchsuchen. Geben Sie einfach eine Frage ein, und Blackbox AI generiert automatisch den richtigen Codeschnipsel, in jeder Programmiersprache!