人工智能編程可以創(chuàng)造更多的智能機器嗎

技術(shù)日新月異的當(dāng)下，人工智能編程日益成熟，它的發(fā)展能有助于人類制造更多智能機器嗎？

程序合成是指基于規(guī)范自動生成程序的概念。它不同于程序驗證。程序驗證依賴于正式的證明來證實程序按照正式的規(guī)范運行。

1957年，在康奈爾大學(xué)符號邏輯協(xié)會舉行夏季會議期間，阿隆佐·邱奇試圖基于數(shù)學(xué)要求合成程序。20世紀(jì)60年代，人工智能相關(guān)研究人員詳細(xì)闡述了程序合成的概念，并將其應(yīng)用于典型的人工智能研究。

近年來，深度學(xué)習(xí)已經(jīng)改變了人工智能完成任務(wù)的方式。這種進步促使研究人員嘗試教授人工智能人類擅長的工作。其中一個重要領(lǐng)域就是創(chuàng)建元學(xué)習(xí)系統(tǒng)，讓人工智能學(xué)習(xí)人類擅長的各種工作。神經(jīng)程序合成和機器人技術(shù)的相關(guān)研究初步展現(xiàn)了利用程序合成來教授機器人精準(zhǔn)執(zhí)行任務(wù)的能力。

程序合成最常用于使計算機編程更容易實現(xiàn)。諸如AutoProf、FlashFill、Storyboard編程工具等應(yīng)用程序允許學(xué)生通過直接操作某些概念以更直觀的方式編寫程序，而無需編寫代碼。

在人工智能研究人員弗朗索瓦·喬萊的論文《智力測試》中，他將程序合成作為一種用于解決智力測試問題后建模的ARC任務(wù)的技術(shù)。

在接受Verge網(wǎng)站關(guān)于其論文的采訪時，喬萊說：“關(guān)鍵點是，在任何任務(wù)中，獲得高技能都不是智力的表現(xiàn)。除非這個任務(wù)是一個元任務(wù)，涉及到從大量此前未知的問題上獲得新的技能。這正是我所認(rèn)為的智力基準(zhǔn)?！?/p>

從本質(zhì)上講，系統(tǒng)智力應(yīng)通過以下方式測試，正如喬萊所說“這意味著只使用系統(tǒng)之前不知道的新任務(wù)，測量系統(tǒng)開始時對該任務(wù)之前的知識，以及測量系統(tǒng)的采樣效率（即學(xué)習(xí)完成該任務(wù)需要多少數(shù)據(jù)）。達(dá)到某一技能水平所需的信息（先前的知識和經(jīng)驗）越少，就說明越智能。如今的人工智能系統(tǒng)一點也不智能。”

他后來將ARC任務(wù)作為問題發(fā)布，來解決Kaggle的抽象和推理問題挑戰(zhàn)。解決這一問題將涉及到利用編程綜合的力量來學(xué)習(xí)以前未知的ARC任務(wù)。

分解編程合成問題

對于每一個看似不可能解決的問題，可以先把問題分解成小問題。如果您從未學(xué)習(xí)過編程合成，那么就在開始工作前了解一下存在什么問題以及怎么解決。

1.程序空間問題

每個編程合成問題最終都要在整個程序空間中進行搜索。搜索方法必須是有效的。想象一下，若使用樹算法，就必須有辦法砍下這棵樹的枝干，否則，在它生長的過程中，它有無限生長的潛力。

2. 用戶意向問題

在測試用戶意圖的邏輯之間常常存在模糊領(lǐng)域。當(dāng)用戶與環(huán)境交互時人們有了一方面的發(fā)現(xiàn)，在用戶參與時，新的數(shù)據(jù)可能會將問題轉(zhuǎn)化為用戶眼中的全新問題。

若要成功解決Kaggle挑戰(zhàn)必然涉及解決這兩個問題。

用于程序合成的實用工具

在Python中，Z3是用于程序合成的Python包。這里是阿德里安·桑普森為Z3提供的優(yōu)秀教程。

其文章中的例子如下：

構(gòu)建泛型求解器，如下所示：