Intel выложила в открытый доступ ControlFlag — инструмент на основе машинного обучения, автоматически выявляющего ошибки в коде. ControlFlag уже нашел ошибки в кодах, используемых несколько миллиардов раз в день.
Согласно исследованиям, поиск и устранение ошибок в коде чаще всего выполняется вручную и занимает более 50: рабочего времени разработчиков. ControlFlag был разработан для ускорения процесса разработки с помощью такого ИИ-подхода, как обнаружение аномалий. Инструмент обучался обнаруживать стандартные шаблоны написания кода на большой базе данных и может находить аномалии — потенциальные источники ошибок — независимо от языка программирования.
Впервые представленный в конце 2020-го года, ControlFlag до сих пор использовался Intel только внутри компании для выявления аномалий в разработке собственного программного обеспечения. Открыв доступ к инструменту для внешних разработчиков, Intel рассчитывает расширить возможности системы для оптимизации процесса написания кода.
ControlFlag основан на методе обучения без учителя. Система изучила более миллиарда строк кода, что позволило ей достичь высокой степени точности и даже адаптироваться к стилю отдельных разработчиков, чтобы отличать аномалию от особенностей стиля написания кода.
В прошлом году ControlFlag обнаружил аномалию в коде Client URL (CURL), который передает данные с использованием различных сетевых протоколов более миллиарда раз в день. Команда CURL согласились с выводами ControlFlag и переработала код, чтобы устранить проблему.
Система является частью проекта Intel по исследованию машинного программирования (MPR), основная цель которого — за счет автоматизации в 1000 раз сократить время, необходимое для разработки программного обеспечения. В частности, сейчас в Intel работают над тем, чтобы обучить Controlflag автоматически исправлять обнаруженные ошибки. Также в 2020-м году компания выпустила инструмент MISIM, разработанный совместно с лабораториями MIT, который может изучать фрагменты кода, чтобы понять, что намеревается делать часть кода. Cистему планируется использовать для того, чтобы предлагать разработчикам способы повысить эффективность кода.
