Intel Labsは、人工知能を使用してコードをスキャンし、エラーを検出するControlFlagと呼ばれるソフトウェアツールの大きな計画を立てています。

それらの目標のXNUMXつは、おそらく将来的には、欠陥のあるコードに対する最後の防衛線として、それをチップパッケージに焼き付けることです。 これにより、通信チャネルでの情報の流れがより安全かつ効率的になる可能性があります。

しかし、それは大きな「if」であり、多くのことが適切に行われることを条件としています。 先週、Intelはソフトウェア開発者にツール（ControlFlagと呼ばれる）をオープンソース化しました。 ソフトウェアはコード行を調べ、開発者が修正できるエラーを指摘します。

同社は、数百万行のコードを含む独自の内部生産品質ソフトウェアでControlFlagを実行しました。 104の異常が見つかり、そのうちの96つはセキュリティの脆弱性でした。 しかし、XNUMXの誤検知も見つかりました

Chipzillaは、AIツールが最終的に、コストと時間のかかるデバッグプロセスを完全に自動化することを目的として、コードの手動検証を削減し、できれば排除する高度なシステムになることを望んでいます。

「デバッグが存在するのは、マシンに対する意図が誤って伝えられているためです。 そして、機械に対する志向性を表現する方法を改善すると、デバッグの分野全体が消滅するか、もはや存在しなくなります」と、開発を主導しているIntelLabsの主任AI科学者であるJustinGottschlich氏は述べています。ツールの、言われた 登録.

彼はそれを自動車のマニュアルギアからオートマチックトランスミッションへのシフトと比較しました。 「それは、人間が関与することなく、これらのギアを介して自動移行を行う方法を理解したためです」とゴットシュリッヒ氏は述べています。

ノッチを上げる

Gottschlich氏は、同社は、防弾AIシステムと、コード検証で間違いなく信頼できる結果を生成するほど正確な学習モデルを開発する必要があることを認識していると述べました。 ControlFlagの学習システムは進化しており、より多くのデータを取り込むにつれてより正確になっていると彼は語った。

AIシステムの精度は、学習システムに入力された誤ったデータが結果をレールから外すモデルドリフトなどの理由で低下する可能性があります。

他の場合では、テクノロジーは答えではありません。 昨年、ウォルマート 中止 AIとは対照的に、人間がより良い結果を生み出したことが判明した後、通路でロボットを使用して在庫を追跡しました。

IntelのControlFlagシステムは、XNUMX段階のプロセスを使用して、異常検出モデルを生成、検証、および改善します。 決定論的システムは、コードを分析し、コードの意味的な意味などの情報を解析し、疑わしい要素にフラグを立てます。

XNUMX番目の部分は、自己監視を使用する確率的側面です。ここでは、AIシステムが独自に学習を開始し、コードから意味情報と構文情報を分類する方法、および異常と非異常とは何かを示します。

Intelは、現在200億を超えるリポジトリがあるGithubでのオープンソースコードの解析などの手法を使用して、ControlFlagの学習モデルを構築しました。

「それはコードを読み、識別しようとします、このコードは私が信頼できるのですか？ もしそうなら、私はこのコードから何を学ぶことができますか？ 新しいデータの予測を行おうとする一種の履歴データ…ベースラインデータはソースコードリポジトリです」とGottschlich氏は述べています。

このシステムは、自然言語処理や画像認識などの従来のAIアプリケーションとは異なり、プラグインできる従来の高レベルのシステム設計やトポロジには準拠していません。

「私たちはラベルを使用しないので、私たちがしなければならないことは、問題全体を再考する必要があることです」とゴットシュリッヒは言いました。

信頼するが、検証する

Intelは、「セミトラスト」と呼ばれる概念に依存しています。この概念では、リポジトリ周辺の環境データを使用して、取り込まれたデータを信頼できるかどうかをControlFlagに導きます。 たとえば、GitHubのスターベースの評価システムは、ControlFlagがリポジトリからのコードの人気と信頼性を評価するのに役立ちます。

同社は、数百万行のコードを含む独自の内部生産品質ソフトウェアでControlFlagを実行しました。 104の異常が見つかり、そのうちの96つはセキュリティの脆弱性でした。 しかし、XNUMXの誤検知も見つかりました。

「改善に取り組む必要があるのは、いくつかの誤検知です。 [a] 50％の偽陽性率はそれほど高くないため、これは確かに開発者にとってより使いやすいものにするための改善領域です」とGottschlich氏は述べています。

開発者は ここからGithubからControlFlagをダウンロードします コードで実行します。 LinuxとMacOSで動作し、ChipzillaはWindowsサポートの追加に取り組んでいます。

Intelは、このシステム（機械プログラミングと呼ばれる）の開発により多くのリソースを長期にわたって捧げていますが、もうXNUMXつの課題は、通信、機械学習、コンピューティングがどのように進化するかを理解することです。

Intelは、データ通信チャネルをより効率的にするために、ControlFlagがチップに組み込まれている可能性があると考えています。 ただし、そのためには、AIシステムが成熟し、デバッグプロセスを自動化できる点まで信頼できる必要があります。

「現在、[ControlFlagは]主にソフトウェアです。 その一環として、より高度なシステムを構築する際に、コアコンポーネントの一部をハードウェアに組み込むことができれば、それらは機械学習システムにとって非常に重要であるため、そうする可能性があります」とGottschlich氏は述べています。 ®

PlatoAi。 Web3の再考。 増幅されたデータインテリジェンス。
アクセスするには、ここをクリックしてください。

出典：https：//go.theregister.com/feed/www.theregister.com/2021/10/25/intel_controlflag/