Искусственная нейронная сеть, используемая для компиляции исходного кода

Question

Было бы правдоподобно иметь ANN, который при обучении миллионам примеров исходного кода и результатам их компиляции мог бы скомпилировать исходный код в правильный вывод?Например, ANN, обученный исходному коду Python и полученному в результате байт-коду Python, который, когда ему предоставляется программа Python, мог правильно скомпилировать его в байт-код.

Answer 1

Хотя это может быть очень интересным эпистемологическим вопросом, он, на мой взгляд, не очень интересен с технической точки зрения: если вы посмотрите на то, как развивалось программирование ИИ, вы обнаружите, что первые подходы были ориентированы на обработку чистого логические правила, с которыми люди работают, думая.Например, Решение общих проблем , написанное Саймоном, Шоу и Ньюэллом в 1957 году (!), Пыталось работать на очень высоком абстрактном уровне, следуя общим логическим принципам.

Движущей силой было убеждение, что каждая проблема может быть формализована как логическая проблема и решена с использованием баз знаний с соответствующими правилами вывода.Очевидно, что это не относится к чему-то «тривиальному», как распознавание образов или (визуальное, слуховое и т. Д.) Восприятие.Только после того, как столкнулся с такими проблемами, идея Soft Computing (включая ANN) получила широкое распространение и указала, что для некоторых проблем формальные подходы не уместны .

Короче говоря, длинная история: Для проблемы компиляции формального (!) Языка в другой формальный (логический) подход является наиболее подходящим .Другими словами: хотя может даже можно открыть банку камнем, я бы предпочел использовать консервный нож ...;)

Answer 2

Нет, если вы разрешаете произвольно длинные программы.

Если ваш NN конечен, то он может производить только конечное число скомпилированных программ. Но если мы допустим произвольно длинные программы на Python, то у нас будет бесконечное количество скомпилированных программ. Таким образом, конечный NN не может их всех классифицировать.

Даже с программами Python ограниченной длины я думаю, что это вряд ли сработает. NNs хороши и классификационные задачи, такие как «Есть ли на этом фото человек?». Компиляция - это процедурная проблема. Две очень похожие программы на Python могут иметь очень разные функциональные возможности (вы когда-нибудь ошибались в своих отступах в Python?).

Answer 3

На самом деле, вы можете компилировать произвольно длинные программы с конечным NN, если вы вводите сегмент кода ограниченного размера за раз.Я думаю, что способ доказать это состоит в том, что:

• компиляция программы является разрешимой проблемой (например, она может быть решена машиной Тьюринга)
• , которую вы можете построить из любого логического элементаnand gate
• вы можете построить машину с полной проверкой, используя логический вентиль
• нейрон NN, используя в качестве передаточной функции функцию f
  (где f(x) = 1 if x <= 0, f(x) = 0 if x > 0)
  и иметь только два входа с равным весом - это, как правило, nand gate

, так что вы можете построить полный тьюринг NN => существует NN, который может скомпилировать любую программу

Answer 4

По теореме суперпозиции Колмогорова, нейронная сеть может воспроизводить любую непрерывную функцию, и компилятор можно рассматривать как очень очень сложную функцию.Но это было бы совсем не практично.