अस्वीकरण: मैं एक देशी अंग्रेजी वक्ता है और न ही क्षेत्र में एक विशेषज्ञ नहीं हूँ, मैं एक amateur हूँ - क्या पालन में imprecisions और/या त्रुटियों की उम्मीद है। तो, स्टैक ओवरफ्लो की भावना में, मेरे गद्य और/या मेरी सामग्री को सही और सुधारने से डरो मत। ध्यान दें कि यह automatic programming तकनीकों (code generation (सीजी) Model-Driven Architectures (एमडीए) से कम से कम एक उत्तीर्ण उल्लेख का एक पूरा सर्वेक्षण है)।
मैं Varkhan उत्तर (जो अनिवार्य रूप से सही है) में और जोड़ना चाहता हूं।
Genetic Programming (जीपी) Automatic Programming इंगित, अपने fitness functions, दो अलग अलग समस्याओं के साथ करने के लिए दृष्टिकोण ("आत्म संकलन" धारणात्मक एक चाहती हैं):
- आत्म-सुधार/अनुकूलन - की संश्लेषित प्रोग्राम और, अगर सिंथेसाइज़र के लिए वांछित है; और
- program synthesis।
w.r.t. स्व-सुधार/अनुकूलन जुर्गन श्मिटहुबर के Goedel machines: आत्म-संदर्भित सार्वभौमिक समस्या हलकों को स्पष्ट रूप से इष्टतम स्व-सुधार बनाने का संदर्भ लें। (एक साइड नोट के रूप में: artificial curiosity पर उनका काम दिलचस्प है।) इस चर्चा के लिए भी प्रासंगिक Autonomic Systems है।
w.r.t. -, आगमनात्मक और निगमनात्मकstochastic (जैसा कि ऊपर उल्लेख जीपी तरह संभाव्य): program synthesis, मुझे लगता है कि 3 मुख्य शाखाओं वर्गीकृत करने के लिए संभव है।
GP अनिवार्य है stochastic क्योंकि यह इस तरह के विदेशी, यादृच्छिक उत्परिवर्तन, जीन दोहराव, जीन विलोपन, आदि के रूप में heuristics के साथ होने की संभावना कार्यक्रमों के अंतरिक्ष ... (की तुलना में यह fitness function और जाने के साथ कार्यक्रमों का परीक्षण करती है पैदा करता है सबसे ज्यादा जीवित रहें और पुनरुत्पादित करें)।
प्रेरक कार्यक्रम संश्लेषण आमतौर पर Inductive Programming (आईपी), जिनमें से Inductive Logic Programming (आईएलपी) एक उप-क्षेत्र के रूप में जाना जाता है। आम तौर पर यह तकनीक logic program संश्लेषण या एक तर्क प्रोग्रामिंग भाषा में लिखे गए सिंथेसाइज़र तक सीमित नहीं है (न ही दोनों "तक सीमित हैं .. स्वचालित प्रदर्शन या भाषा/वर्गीकरण सीखने")।
IP अक्सर है नियतात्मक (लेकिन वहाँ अपवाद हैं): (जैसे कि उदाहरण के इनपुट/आउटपुट जोड़े के रूप में) एक अधूरा विनिर्देश से शुरू होता है और उपयोग करने की संभावना कार्यक्रमों की खोज अंतरिक्ष के लिए इस तरह के विनिर्देश को संतोषजनक और उसके बाद में रोके करने के लिए इसका परीक्षण करें (जेनरेट-एंड-टेस्ट दृष्टिकोण) या दिए गए उदाहरणों में पुनरावृत्ति का पता लगाने वाले प्रोग्राम को सीधे संश्लेषित करने के लिए, जिसे सामान्यीकृत किया जाता है (डेटा संचालित या विश्लेषणात्मक दृष्टिकोण)। पूरी तरह से प्रक्रिया अनिवार्य रूप से statistical induction/inference है - यानी अपूर्ण विनिर्देश में शामिल करने के बारे में विचार करना यादृच्छिक नमूनाकरण जैसा है।
Generate-and-test and data-driven/analytical § दृष्टिकोण काफी तेजी से किया जा सकता है, इसलिए दोनों का वादा कर रहे हैं (भले ही केवल थोड़ा संश्लेषित कार्यक्रमों अब तक सार्वजनिक रूप से प्रदर्शन कर रहे हैं), लेकिन उत्पन्न और परीक्षण (जीपी) की तरह embarrassingly parallel और उसके बाद उल्लेखनीय सुधार (है यथार्थवादी कार्यक्रम आकार के लिए स्केलिंग) की उम्मीद की जा सकती है।लेकिन ध्यान दें कि Incremental Inductive Programming (आईआईपी) §, जो मूल रूप से अनुक्रमिक है, ने परिमाण के आदेशों को गैर-वृद्धिशील दृष्टिकोणों के अधिक प्रभावी होने का प्रदर्शन किया है।
§ ये लिंक सीधे पीडीएफ फाइलों के लिए हैं: क्षमा करें, मैं एक सार नहीं ढूंढ पा रहा हूं।
Programming by Demonstration (PBD) और Programming by Example (PBE) end-user development लाभ उठाने के लिए आगमनात्मक कार्यक्रम संश्लेषण व्यावहारिक रूप में जाना जाता है तकनीक है। एक (प्रकल्पित) पूरा (औपचारिक) विनिर्देश (तर्क की स्थिति) के साथ
Deductive program synthesis शुरू बजाय। तकनीकों का लाभ automated theorem provers: किसी प्रोग्राम को संश्लेषित करने के लिए, यह विनिर्देश को पूरा करने वाली ऑब्जेक्ट के अस्तित्व का सबूत बनाता है; इसलिए, Curry-Howard-de Bruijn isomorphism (सबूत-जैसे-कार्यक्रम पत्राचार और सूत्र-जैसे-प्रकार पत्राचार) के माध्यम से, यह सबूत से एक प्रोग्राम निकालता है। अन्य प्रकारों में constraint solving और deductive composition of subroutine libraries का उपयोग शामिल है।
मेरी राय आगमनात्मक और निगमनात्मक संश्लेषण अभ्यास में दो कुछ हद तक विभिन्न कोणों से एक ही समस्या पर हमला कर रहे हैं, क्योंकि क्या गठन एक पूरा विनिर्देश बहस का मुद्दा है (इसके अलावा, एक पूर्ण विनिर्देश आज अधूरा बन सकता है कल - दुनिया स्थैतिक नहीं है)।
जब (यदि) इन तकनीकों (आत्म-सुधार/अनुकूलन और कार्यक्रम संश्लेषण) परिपक्व होगा, वे declarative programming द्वारा प्रदान की स्वचालन की राशि वृद्धि करने का वादा (कि इस तरह की सेटिंग "प्रोग्रामिंग" माना जा रहा है sometimes debated है) : हम सॉफ़्टवेयर मैनुअल डिज़ाइन और विकास, मैन्युअल डिबगिंग, मैन्युअल सिस्टम प्रदर्शन ट्यूनिंग आदि के मुकाबले Domain Engineering और Requirements Analysis and Engineering पर अधिक ध्यान केंद्रित करेंगे (संभवतया कम accidental complexity के साथ वर्तमान मैनुअल के साथ पेश किए गए, स्वयं सुधार/अनुकूलन तकनीकों के साथ)। यह अभी तक मौजूदा तकनीकों द्वारा प्रदर्शित किए जाने के लिए agility के स्तर को भी बढ़ावा देगा।
मैंने अक्सर इस बारे में सोचा है। एआई के मुताबिक, औसत परिणामों के साथ दशकों तक इसकी कोशिश की गई है: एक आधुनिक दृष्टिकोण। – AaronLS
मेरे पास वह पुस्तक है, इसे पढ़ा नहीं है। मैंने सुना यह मानक है। कॉलेज में एआई कभी नहीं लिया और हमेशा सिद्धांत पर पढ़ना चाहता था, मुख्य रूप से इसलिए मैं बेहतर गेम लिख सकता था। – tkotitan