Ich wurde kürzlich eingeladen, einen Vortrag auf der AI DevWorld Konferenz in San Jose, KalifornienEs war großartig, einem Publikum aus Entwicklern und Produktmanagern einen Überblick über das Problem und die aktuelle Forschung im Bereich der Programmsynthese zu geben. Echte Programmsynthese wird es dem Menschen schließlich ermöglichen, nützliche Computerprogramme ohne herkömmliche Programmierung zu erstellen. Vielmehr werden wir durch neuartige Benutzerschnittstellen und natürliche Sprache in der Lage sein, das Ziel eines Programms zu formulieren, und eine Softwareplattform wird den Code generieren, der das gewünschte Ziel erreicht.
Als Professor für Informatik und leitender Wissenschaftler bei SnapLogic genieße ich es, sowohl im akademischen Bereich als auch in der Industrie zu arbeiten (in der Vergangenheit habe ich darüber geschrieben Überbrückung der Kluft zwischen akademischen und industriellen Perspektiven). In meinem Vortrag auf der AI DevWorld konnte ich das formale Problem der Programmsynthese und einige der Forschungsarbeiten, die zur Lösung dieses Problems durchgeführt wurden, erläutern. Ich habe auch die Arbeit erläutert, die wir bei SnapLogic leisten, um die Programmsynthese in unserer Plattform praktisch zu machen. Wir kombinieren eine visuelle Programmiersprache mit maschinellem Lernen, um den Aufbau von Daten-, API- und Workflow-Pipelines zu automatisieren.
Falls Sie die AI DevWorld noch nicht kennen: Die Veranstaltung bezeichnet sich selbst als "die weltweit größte Veranstaltung für Entwickler künstlicher Intelligenz". Sie können die Zusammenfassung meines Vortrags hier lesen: "Auf dem Weg zur praktischen Programmsynthese für Daten-, API- und Workflow-Automatisierung." Das Publikum war engagiert, und mehrere Personen sprachen nach meinem Vortrag mit mir, um Folgefragen zu stellen und das Gespräch zu vertiefen.
Die Reaktion war faszinierend. Eine Person, die sich nach meinem Vortrag mit mir in Verbindung setzte, war mit dem Forschungsgebiet nicht vertraut, gewann aber ein Verständnis für die Komplexität des Problems. Wenn wir Software schreiben, und sei es in einer Hochsprache, übernehmen wir eigentlich die ganze schwere Arbeit, um Computer dazu zu bringen, das zu tun, was wir von ihnen wollen. Das heißt, als Menschen müssen wir immer noch auf der Ebene der Maschine arbeiten. Programme erfordern eine unglaubliche Menge an Details. Es ist also eine Herausforderung, von hochrangigen Zielen, die in natürlicher Sprache ausgedrückt werden, der es an Details mangelt, zu tatsächlichem Code überzugehen. Für mich besteht der Weg in die Zukunft darin, so viel Kontext wie möglich zu verwenden, um die Details auszufüllen, zusammen mit einem dialogischen Ansatz zur Programmsynthese, bei dem der Programmerstellungsprozess eine Reihe von Verfeinerungen des vorgeschlagenen oder synthetisierten Codes ist.
Alles in allem bin ich froh, dass ich einen Einblick in die Forschung und die praktischen Ansätze zur Programmsynthese geben konnte. Wenn Sie über alle KI- und ML-Innovationen, die wir bei SnapLogic durchführen, auf dem Laufenden bleiben möchten, bleiben Sie auf diesem Blog und schauen Sie sich unseren Machine Learning Showcase an!
