在过去的几十年中，无论在硬件组织还是软件架构上，计算机行业已经发生了翻天覆地的变化，各种软硬件产品的性能和用户体验均得到了显著提升。
但对程序员而言，软件编码的本质似乎并没有什么本质的改变：无论哪种编程语言，仍然需要程序员根据算法逻辑和实现步骤一步一步地手动敲入代码。虽然近几年随着编码工具的改进和编程语言的版本更新，对于程序员而言，这一过程已经相当方便了，但学习如何编程仍然是诸多计算机用户不得不面对的一道难题。
雷锋网消息，近日，微软在论文中公布了一项最新的代码合成系统：RobustFill。它基于深度学习技术，可以根据用户指定的输入输出样例进行特征提取，然后自动合成能够实现相应功能的软件代码，大大缩减了程序员的编码工作量。
举例来说，假设用户需要编码实现如下功能：将输入的人名信息进行规范化缩写后输出。具体如下图所示，当输入人名为 “jacob daniel devlin” 时，系统应该输出 “Declin,J” 。基于 RobustFill，用户只需要提供一些简单的输入输出样例（图中前三行黑色字体），系统就能自动合成实现这一功能的软件代码，并输出正确结果（图中后三行灰色字体）。如果用户需要处理的人名有成千上万个，这就能节约大量的处理时间。
RobustFill 系统生成的代码基于 DSL（Domain Specific Language），即领域特定语言。雷锋网获知，用户并不需要理解 DSL 的编程细节，实际上，用户根本看不到 DSL 代码，而只需要关注具体的功能实现就行了。对应上述人名缩写样例，RobustFill 生成的 DSL 代码如下所示：
Concat( ToCase( GetToken( input, Type=Word, Index=-1), Type=Proper), Const(", "), ToCase( SubString( GetToken( input, Type=Word, Index=1), Start=0, End=1), Type=Proper), Const("."))
自动代码合成的难点主要有两个：
-
一是系统可以自动合成万亿级的不同的 DSL 代码组合，如何判断哪一种是正确结果；
-
二是用户提供的输入输出样例一般都是人工输入，难免会出现一些笔误（例如上面人名缩写的例子中，表格第二行，用户把“Useato”写成了“uesato”），系统如何避免这些笔误的不良影响。
针对这两个问题，此前的解决方案是微软 Excel 软件中的 FlashFill 系统。该系统凭借开发人员手动设置规则和启发式搜索（Heuristic Search）的方式，为用户输出特定功能的代码。但 FlashFill 系统严重弱化了 DSL 语言的扩展能力，并且需要开发者大量的人工输入，同时对人工输入的笔误也非常敏感，因此并不是最优的解决方案。
与 FlashFill 不同，在深度学习技术的支持下，RobustFill 可以利用数据驱动的方式进行代码合成，而无需开发者手动设置规则。此外，RobustFill 还使用了此前用于自然语言翻译的一种名为“attentional sequence-to-sequence neural network”（注意力序列到序列神经网络）的技术，因此才能基于用户给定的输入输出样例，自动合成代码。RobustFill 的大体结构流程如下图所示。
微软用数百万随机生成输入/输出和对应的编码来训练该系统。由于 RobustFill 能学会 DSL 的语法，微软认为它在真实数据上会有良好表现。雷锋网(公众号：雷锋网)了解到，总的来说，微软 RobustFill 在真实测试中达到了 92% 的精确度。最让人感到鼓舞的是，即便输入/输出样例包含大量噪音，RobustFill 仍能够保持高水准的精确度。
意义
在 FlashFill DSL 这样的强大函数语言上，成功地训练神经架构学习编程，是神经代码合成的一项了不起的成就。微软表示，这同时也是迈向通用 AI 的一小步。RobustFill 解决了加入可编译性（ interpretability）的核心难题，并探索了用知识的符号表示连接分布式表达（ connecting distributed representations with symbolic representations of knowledge）这一课题。
微软最后在官方博客宣布：
“我们正在开发这些架构的扩展，用变量和控制流来学习 DSL 中的代码，以生成更丰富的代码类。我们相信，照这个方向走下去需要我们研究、解决代码合成和归纳问题中的关键技术难关。”
via microsoft
