Phòng thí nghiệm Intel có kế hoạch lớn cho một công cụ phần mềm có tên ControlFlag sử dụng trí tuệ nhân tạo để quét mã và chọn ra lỗi.

Một trong những mục tiêu đó, có lẽ là có thể thực hiện được trong tương lai, là đưa nó vào các gói chip như một tuyến phòng thủ cuối cùng chống lại mã lỗi. Điều này có thể làm cho luồng thông tin trên các kênh liên lạc an toàn và hiệu quả hơn.

Nhưng đó là một chữ “nếu” lớn và tùy thuộc vào nhiều thứ đã được đặt đúng chỗ. Tuần trước Intel đã cung cấp công cụ nguồn mở – được đặt tên là ControlFlag – cho các nhà phát triển phần mềm. Phần mềm dò tìm các dòng mã và chỉ ra các lỗi mà các nhà phát triển có thể sửa chữa.

Công ty đã chạy ControlFlag trên một phần mềm độc quyền có chất lượng sản xuất nội bộ với hàng triệu dòng mã. Nó tìm thấy 104 điểm bất thường, trong đó có một lỗ hổng bảo mật. Nhưng nó cũng tìm thấy 96 kết quả dương tính giả

Chipzilla hy vọng công cụ AI cuối cùng sẽ trở thành một hệ thống phức tạp giúp giảm thiểu – và hy vọng loại bỏ – xác minh mã thủ công, nhằm mục đích tự động hóa hoàn toàn quy trình gỡ lỗi tốn kém và tốn thời gian.

“Việc gỡ lỗi chỉ tồn tại vì chúng ta truyền đạt sai ý định của mình tới máy móc. Và nếu chúng ta cải thiện cách thể hiện chủ ý của mình với máy móc, thì toàn bộ lĩnh vực gỡ lỗi sẽ biến mất hoặc [sẽ không] tồn tại nữa,” Justin Gottschlich, nhà khoa học AI chính tại Intel Labs, người đang dẫn đầu quá trình phát triển của công cụ, đã nói Đăng ký.

Ông so sánh điều đó với sự chuyển đổi từ hộp số sàn sang hộp số tự động trên ô tô. Gottschlich nói: “Đó là bởi vì chúng tôi đã tìm ra cách thực hiện quá trình chuyển đổi tự động thông qua các bánh răng đó mà không cần sự tham gia của con người”.

Chuyển lên một bậc

Gottschlich cho biết công ty nhận ra rằng họ cần phải phát triển một hệ thống AI chống đạn và một mô hình học tập chính xác đến mức tạo ra kết quả đáng tin cậy không thể nghi ngờ về việc xác minh mã. Ông nói, hệ thống học tập của ControlFlag đang phát triển và trở nên chính xác hơn khi nó thu thập nhiều dữ liệu hơn.

Độ chính xác của hệ thống AI có thể bị ảnh hưởng vì những lý do bao gồm sai lệch mô hình, trong đó dữ liệu bị lỗi được đưa vào hệ thống học tập khiến kết quả không như mong muốn.

Trong những trường hợp khác, công nghệ không phải là câu trả lời. Năm ngoái, Walmart ngưng việc sử dụng robot ở các lối đi để theo dõi hàng tồn kho sau khi phát hiện ra rằng con người - trái ngược với AI - tạo ra kết quả tốt hơn.

Hệ thống ControlFlag của Intel sử dụng quy trình hai bước để tạo, xác minh và cải thiện mô hình phát hiện sự bất thường. Hệ thống xác định phân tích mã, phân tích thông tin như ý nghĩa ngữ nghĩa của mã và gắn cờ các phần tử đáng ngờ.

Phần thứ hai là khía cạnh ngẫu nhiên sử dụng tính năng tự giám sát, trong đó hệ thống AI bắt đầu tự học và cách phân loại thông tin ngữ nghĩa và cú pháp từ mã cũng như thế nào là bất thường và không bất thường.

Intel đã xây dựng mô hình học tập của ControlFlag thông qua các kỹ thuật bao gồm phân tích cú pháp mã nguồn mở trên Github, ngày nay có hơn 200 triệu kho lưu trữ.

“Nó đọc mã và cố gắng phân biệt xem mã này có đáng tin cậy không? Và nếu có, tôi có thể học được gì từ mã này? Gottschlich nói: Loại dữ liệu lịch sử, cố gắng dự đoán dữ liệu mới… dữ liệu cơ bản là kho lưu trữ mã nguồn.

Hệ thống này khác với các ứng dụng AI thông thường như xử lý ngôn ngữ tự nhiên hoặc nhận dạng hình ảnh và không tuân theo cấu trúc liên kết hoặc thiết kế hệ thống cấp cao truyền thống mà nó có thể được cắm vào.

Gottschlich nói: “Bởi vì chúng tôi không sử dụng nhãn mác nên điều chúng tôi phải làm là suy nghĩ lại toàn bộ vấn đề.

Tin tưởng, nhưng xác minh

Intel dựa vào một khái niệm gọi là "bán tin cậy", trong đó công ty sử dụng dữ liệu môi trường xung quanh kho lưu trữ để hướng dẫn ControlFlag xem bạn có thể tin tưởng vào dữ liệu được đưa vào hay không. Ví dụ: hệ thống xếp hạng dựa trên sao trên GitHub giúp ControlFlag đánh giá mức độ phổ biến và độ tin cậy của mã từ kho lưu trữ.

Công ty đã chạy ControlFlag trên một phần mềm độc quyền có chất lượng sản xuất nội bộ với hàng triệu dòng mã. Nó tìm thấy 104 điểm bất thường, trong đó có một lỗ hổng bảo mật. Nhưng nó cũng tìm thấy 96 kết quả dương tính giả.

“Những gì chúng tôi cần nỗ lực cải thiện là một số thông tin sai lệch. Đó chắc chắn là một lĩnh vực cần cải tiến để trở nên thân thiện hơn với nhà phát triển vì [a] tỷ lệ dương tính giả 50% không phải là quá lớn,” Gottschlich nói.

Các nhà phát triển có thể tải xuống ControlFlag từ Github tại đây và chạy nó trên mã. Nó hoạt động trên Linux và Mac OS và Chipzilla đang nỗ lực bổ sung hỗ trợ cho Windows.

Gottschlich cho biết Intel đang dành nhiều nguồn lực hơn để phát triển hệ thống này – mà họ gọi là lập trình máy – trong thời gian dài, nhưng một thách thức khác là tìm hiểu xem truyền thông, học máy và điện toán sẽ phát triển như thế nào.

Intel nhận thấy ControlFlag có thể được đưa vào chip để giúp các kênh truyền dữ liệu hiệu quả hơn. Nhưng để làm được điều đó, hệ thống AI cần phải hoàn thiện và đáng tin cậy đến mức quá trình gỡ lỗi có thể được tự động hóa.

“Hiện tại, [ControlFlag] chủ yếu nằm trong phần mềm. Một phần trong đó là khi chúng tôi xây dựng các…hệ thống tiên tiến hơn, một số thành phần cốt lõi, nếu chúng tôi có thể ghi chúng vào phần cứng, vì chúng rất quan trọng đối với hệ thống máy học, thì chúng tôi có thể sẽ làm điều đó,” Gottschlich nói. ®

PlatoAi. Web3 được mô phỏng lại. Khuếch đại dữ liệu thông minh.
Nhấn vào đây để truy cập.

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