Machine learning 智能代码完成？有人工智能可以通过学习编写代码吗？

我问这个问题是因为我知道这里有很多通俗易懂的CS类型的人可以给出一个明确的答案

我想知道是否存在（或正在研究/开发）这样一种人工智能，它通过自己生成和编译代码来编写程序，然后通过从以前的迭代中学习来进步。我说的是让我们这些程序员变得过时。我正在想象一种通过反复试验学习编程语言中哪些有效，哪些无效的东西

我知道这听起来像是天方夜谭，所以我想知道到底做了什么，如果有的话

当然，即使是人类程序员也需要输入和规范，因此这样的实验必须有仔细定义的参数。就像人工智能要探索不同的计时功能一样，这方面必须明确定义

但是有了一个复杂的学习人工智能，我很想知道它会产生什么

我知道有很多人类的品质是电脑无法复制的，比如我们的判断力、品味和偏见。但我的想象力喜欢这样一个想法：一天的思考后，一个程序会把一个网站吐出来，让我看到它产生了什么，即使如此，我还是经常认为它是垃圾；但也许每天我会给它一次反馈，帮助它学习

这种想法的另一个途径是，最好给出一个高层次的描述，如“menued网站”或“图像工具”，它生成的代码具有足够的深度，可以作为代码完成模块，供我编写详细的代码。但我认为这可以被看作是一种非智能的静态分层代码完成方案

---

怎么样？

这样的工具是存在的。他们是一门学科的主题，这门学科叫做。你如何评价他们的成功取决于他们的应用范围

他们已经非常成功地（比人类效率高几个数量级）设计了工业过程管理、自动化医疗诊断或集成电路设计的最佳方案。这些过程受到很好的约束，有一个明确的、不变的成功度量，以及大量的“宇宙知识”，即关于什么是有效的、有效的、程序的和什么不是的一大套规则

它们在试图构建需要用户交互的主流程序时完全没有用，因为系统了解需求的主要项目是明确的“评估”，或者对其提出的当前解决方案的质量进行评估

---

在处理“程序学习”时可以看到的另一个领域是，尽管它更多地用于提供自动演示或语言/分类学习。

免责声明：我不是英语母语人士，也不是该领域的专家，我希望在接下来的内容中出现不精确和/或错误。因此，本着stackoverflow的精神，不要害怕纠正和改进我的散文和/或内容。还要注意的是，这不是一个完整的技术调查（（MDA）中的（CG）至少值得一提）

我想补充更多的问题（基本上是正确的）

（GP）方法将两个不同的问题结合在一起（“自编译”在概念上是一个不需要动脑筋的问题）：

• 自我改进/自适应-合成程序，如果需要，合成器本身；及

w、 r.t.自我改进/适应参考Jürgen Schmidhuber的《自我参照通用问题解决者进行可证明的最佳自我改进》。（旁注：他的工作很有趣。）与本次讨论相关的还有

w、 r.t.，我认为有可能将其分为三个主要分支：（概率-如上述GP）、归纳和演绎

本质上是因为它产生了可能的程序空间与启发式，如交叉，随机变异，基因复制，基因删除等。。。（而不是用计算机测试程序，让适者生存和繁殖）

归纳程序综合通常被称为（IP），其中（ILP）是一个子领域。也就是说，一般而言，该技术不限于合成或以逻辑编程语言编写的合成器（也不限于“自动演示或语言/分类学习”）

通常是确定性的（但也有例外）：从不完整的规范（例如示例输入/输出对）开始，并使用该规范约束满足此类规范的可能程序的搜索空间，然后对其进行测试（生成和测试方法）或者直接合成一个程序来检测给定示例中的重复，然后将其推广（数据驱动或分析方法）。整个过程本质上是——即，考虑不完整规范中包含的内容类似于随机抽样

§方法可能非常快，因此两者都很有希望（即使到目前为止只有很少的合成程序公开演示），但生成和测试（如GP）是可行的，然后可以预期显著的改进（扩展到实际的程序大小）。但请注意，（IIP）§，其本质上是连续的，已证明比非增量方法更有效几个数量级

§这些链接直接指向PDF文件：对不起，我找不到摘要

（PbD）和（PbE）是已知的实际利用归纳程序合成的技术

从一个（假定的）完整的（正式的）规范（逻辑条件）开始。利用的技术之一是：为了合成一个程序，它构造一个符合规范的对象存在的证明；因此，通过（作为程序对应的证明和作为类型对应的公式），它从