Ipar

Úgy kódol a DeepMind MI-je, mint egy jó közepes programozó

A fejlesztői szerint az AlphaCode mesterséges intelligencia már az átlagos szakemberek tudásához viszonyítva is versenyképes teljesítményt nyújt.

A DeepMind-nak a kutatói azt állítják, hogy az AlphaCode nevű, programok fejlesztésére alkalmas rendszer megoldásai medián szintű pontszámokat értek el az általuk kiválasztott programozási versenyeken. Vagyis a legjobb szakemberekkel még bőven nem veszi fel a versenyt, de a teljesítményük nagyjából megfelel az ott megjelenő, átlagos programozói tudásnak, ami a kódolás mellett a természetes nyelven leírt problémák megértését is feltételezi.

A fejlesztők szempontjából mindig is fontos kérdés volt, hogy melyik programozási nyelvbe ássák bele magukat, rengeteg időt fektetve a tanulásba. Az ő szempontjukból nem feltétlenül örömhír, de lehet, hogy ez a dilemma belátható időn belül eltűnik, ahogy a mesterséges intelligencia fejlődésével az új modellek is egyre hatékonyabbá válnak a problémák leírásának helyes értelmezésében és azzal összefüggésben a kódok generálásában.

A február elején közzétett, nem lektorált tanulmány alapján az AlphaCode 10 programozási versenyen a több mint 5000 résztvevő átlagának 54,3 százalékát hozta a Codeforces kódverseny-platformon. A DeepMind szerint az AlphaCode az első olyan mesterségesintelligencia-alapú kódgeneráló rendszer, amely stabilan jól teljesít a humán fejlesztők számára kiírt kódversenyeken.

Nem csak programoznia kellett

A DeepMind fejlesztése ezzel nem csak a programozó szakemberek termelékenységét javíthatja, de segíthet a szaktudással nem rendelkezőknek is a problémák megoldásában. A fentieket összefüggésbe helyezi, hogy a szóban forgó programozási versenyek nagyobb kihívást jelentenek a gépi intelligencia számára, mint ha mondjuk a GitHub adatait használva kellene betanítani egy-egy modellt valamilyen kódolási kihívás megoldására.

Az emberekhez hasonlóan ugyanis az AlphaCode-nak is meg kellett értenie a felvetett problémák több bekezdésből álló, szöveges leírását, különös tekintettel a háttérben húzódó narratíva részleteire, valamint a kívánt megoldás ismertetését a bemenet és a kimenet tekintetében. Ugyanígy szempont lehet a megfelelő programozási nyelvet kiválasztása is, ami szintén fontos lehet a feladatok hatékonyabb megoldásának szempontjából.

Az AlphaCode saját adatkészlete egyébként a betanítás előtt 715 gigabájt kódot tartalmazott a GitHub-tárolókból származó, a C++, a C#, a Go, a Java, a JavaScript/TypeScript, a Lua, a Python, a PHP, a Ruby, a Rust és a Scala nyelveken írt fájlokból. A fejlesztők a Codeforces-ból és más adatkészletekből összegyűjtött, kompetitív programozási problémák adatkészleteinek segítségével hangolták a modellt.

Egyre jobb lesz egyre gyorsabban

A DeepMind szerint az AlphaCode teljesítményének ilyen mértékű felfutása a nagyméretű transzformátormodellek kombinációjára épül: ilyen például az OpenAI GPT-3 vagy a Google BERT nyelvi modellje. A DeepMind is transzformátor alapú nyelvi modelleket használt a programkódok generálására, majd a kimenetet megszűrte, hogy az ígéretesnek minősített programok kis csoportját nyújtsa be az értékelésre.

Azzal elvileg a DeepMind is tisztában van, hogy a fejlesztéseinek lehetséges árnyoldalai is vannak. Az AlphaCode vagy más modellek könnyen generálhatnak olyan kódokat, amelyek egyszerűen kihasználható sebezhetőségekkel rendelkeznek, sőt a dolognak környezeti hatásai is vanna, hiszen a modell betanítása „több száz petaFLOPS-napot” igényelt a Google adatközpontjaiban.

Az MI ilyen irányú alkalmazása ugyanakkor hosszabb olyan rendszerek megalkotásához vezethet, amelyek képesek rekurzív módon írni és alakítani magukat, ezzel pedig egyre gyorsabban egyre fejlettebbé válnak. Fennáll persze annak a veszélye, hogy az automatizálással a fehlesztők munkája iránti igány is csökken, de a DeepMind ezzel a ma is használt kódkiegészítő eszközök korlátozottságát állítja szembe, amelyek így is nagymértékben javítják a programozás termelékenységét.

Forrás: Bitport

Related Topics:AI deepmind intelligencia kódolás mesterséges MI programozó

Up Next

Az európai chipgyártás nagyobb forráshoz fog jutni

Don't Miss

Az Apple hamarosan kiad egy olcsóbb, 5G-s iPhone-t

Ipar

DfAM Fusionben: topológia optimalizálás additív gyártáshoz – ADMASYS HU webinár

Az additív gyártás összes előnye csak additív szemléletű tervezéssel használható ki. Az ADMASYS HU online webinárja bemutatja, hogyan alkalmazható a topológia optimalizálás az Autodesk Fusion környezetben és miért ideális páros ehhez az SLS technológia a Formlabs Fuse 1+ 30W rendszerrel – valós mérnöki példán keresztül.

A topológia optimalizálás gyakorlati választ ad egy klasszikus mérnöki dilemmára: hogyan csökkenthető az anyagfelhasználás és a tömeg úgy, hogy az alkatrész teherbírása üzembiztos maradjon. Ez a megközelítés különösen jól érvényesül SLS technológiával, ahol a lecsupaszított, bonyolult geometria nem többletköltséget, hanem tényleges költségcsökkenést eredményez.

👉 Regisztráció ezen a linken >>

Az ADMASYS HU február 26-án gyakorlatias online webinárt szervez, amely kifejezetten azoknak a mérnököknek szól, akik Fusiont használnak, és szeretnének szintet lépni az additív gyártásra tervezés (DfAM) területén. A résztvevők egy valós alkatrészen keresztül követhetik végig a teljes munkafolyamatot: a végeselemes szimulációtól és optimalizálástól egészen a gyártás-előkészítésig.

A webinár főbb témái:

Additív gyártásra tervezés (DfAM) és topológia optimalizálás mérnöki alapjai
Végeselemes szimulációk értelmezése: terhelések, peremfeltételek, anyagmodellek
Topológia optimalizálás lépésről lépésre Fusionben egy valós alkatrészen
Gyártástechnológiai megkötések és optimalizálási célok helyes beállítása
Gyártás-előkészítés SLS nyomtatáshoz a Formlabs PreForm szoftverben

Időpont: 2026. február 26. (csütörtök)

Időtartam: 15:00–16:00 (CET)

Előadó: Kőcs Péter – full-stack engineer (Shapr3D, Ideaform), az ADMASYS HU 3D Akadémia oktatója

👉 Regisztráljon ezen a linken >>

A webinár ajánlott minden olyan tervezőnek és mérnöknek, aki Fusionben dolgozik, és szeretné már a tervezési fázisban kihasználni az additív gyártás műszaki és gazdasági előnyeit.

További friss híreket talál az IoTmagazin főoldalán! Csatlakozzon hozzánk a Facebookon is!

Ipar

Újfajta védelmi megoldás az áramhálózatok számára

Akár 60 hardveralapú védelmi készülék kiváltható virtualizációval.

Az informatikában már bizonyított virtualizáció a villamosenergia-hálózatokban is növekvő szerepet kap. Egy most bemutatott új megoldással felgyorsítható az áramhálózatok bővítése, és csökkenthető az alállomások épületeinek helyigénye.

Az új Siprotec V egyetlen, szerveralapú megoldásban egyesíti akár 60 darab, hardveralapú Siemens Siprotec 5 készülék funkcionalitását. Ezek a széleskörűen használt intelligens védelmi- és mezőirányítókészülékek folyamatosan monitorozzák az elektromos hálózatot, hiba (például rövidzárlat) esetén pedig lekapcsolják az érintett szakaszt, biztosítva ezzel a hálózat további megbízható működését.

A virtualizációnak köszönhetően a Siprotec V lehetővé teszi alállomási védelem- és irányítástechnikai, valamint kommunikációs konfigurációk teljes körű digitális tesztelését, még az üzembe helyezés előtt. Ez nem csupán leegyszerűsíti a telepítést, felgyorsítja a tesztelést és minimalizálja a hibák számát, de gyors alkalmazkodást tesz lehetővé a változó rendszerkövetelményekhez, a hardver korlátaitól függetlenül. Ezáltal megkönnyíti a szoftverfrissítések, javítások és funkcionális bővítések zökkenőmentes bevezetését, valamint a jelenlegi és jövőbeni kiberbiztonsági szabványoknak való megfelelést.

A hardvereszközök kiváltásával ráadásul kevesebb kapcsolószekrényre, rézkábelre, illetve egyéb fizikai eszközre van szükség. Így alállomásonként a beruházási (CAPEX) költségek 25 százaléka, valamint a telepítéssel és anyaghasználattal járó szén-dioxid-kibocsátás fele megspórolható, miközben az energiaszolgáltatók a teljes életciklusra vetített költségek akár 20 százalékát meg tudják takarítani.

A Siprotec V továbbá lehetővé teszi fejlett mesterségesintelligencia-alkalmazások futtatását, közvetlenül az alállomási környezetben, így az áramszolgáltatók valós idejű betekintést, prediktív elemzéseket és jobb döntéstámogatást kaphatnak.

További friss híreket talál az IoTmagazin főoldalán! Csatlakozzon hozzánk a Facebookon is!

Ipar

AI vezérli a horvát Telekom adatközpontjának hűtését

Hatszámjegyű megtakarítást jelent az optimalizáció.

A világ teljes villamosenergia-használatának több mint 3 százalékát adatközpontok adják, és ez a szám 2030-ra várhatóan 13 százalékra fog nőni. Ennek az energiának jelentős részét hűtésre használják, így ennek optimalizálásával számottevő energiamegtakarítás érhető el.

Hatékonyabb működés, kevesebb karbantartás

Ezt az utat választotta a vezető horvát távközlési vállalat, a Hrvatski Telekom (HT) is, mely a Siemens-technológiáját vezette be adatközpontja hűtésére. Az intelligens szenzorrendszernek és a mesterséges intelligenciával támogatott hűtésmenedzsmentnek köszönhetően a telekom szolgáltató legnagyobb, zágrábi adatközpontja immár klímabarátabb módon működik, ami hat számjegyű euróösszegű megtakarítást eredményezett a vállalatnak.

Az új rendszer számos eszköz, köztük vezeték nélküli szenzor- és vezérlőmodulok segítségével folyamatosan figyeli a szerverszekrények hőmérsékletét, illetve azok változásait. Ezeket a valós idejű adatokat mesterséges intelligenciát használva elemzi, és a mindenkori igényekhez dinamikusan igazodva, automatikusan szabályozza a hűtésért felelős ventilátorokat.

A folyamatos optimalizálás és a gépi tanulás révén az adatközpontokban előforduló hotspotok akár 99 százaléka véglegesen megszüntethető lett. A megoldás így nem csupán csökkentette a hűtőberendezések üzemidejét, hanem a karbantartási költségeket is mérsékelte: a korábban hő okozta meghibásodások és a nem-tervezett leállások jelentős része elkerülhető lett, azonosítva a hibásan működő komponenseket, és támogatva a prediktív karbantartást.

Jöhetnek a „gyárilag” intelligens adatközpontok

Ugyanezt a White Space Cooling Optimization technológiát alkalmazza a néhány éve átadott, 14,5 ezer négyzetméteres, Tallinn melletti Greenergy Data Centers adatközpont is, ami a Baltikum legnagyobb és leginkább energiahatékony ilyen létesítményének számít.

Szintén ezt az adat- és AI-vezérelt működést veszi alapul az a moduláris, „plug-and-play” alapú adatközpont, ami egy teljesen előre gyártott, konfigurálható rendszer. Ez már eleve integrált, intelligens és környezetbarát energiagazdálkodással érkezik, a Siemens, valamint a német Cadolto Datacenter GmbH és a Legrand Data Center Solutions vállalatok által jelezve.

A Siemens ezek mellett számos adatközponti megoldást kínál.

További friss híreket talál az IoTmagazin főoldalán! Csatlakozzon hozzánk a Facebookon is!