谷歌日前發布了AlphaCode2，這是一款由Gemini模型驅動的AI編程工具，是對前代AlphaCode的改進版本。與Gemini模型同時亮相，AlphaCode2在編程競賽中表現出色，尤其在動態規劃等復雜問題上具備更強大的能力。
研究人員通過在CodeForces競賽網站上收集的約15000個問題和3000萬份人類編寫的代碼的數據集上對Gemini Pro系統進行精細調整，為AlphaCode2的問題解決能力提供了強大支持。
根據谷歌在Codeforces平臺上的數據，AlphaCode2在涵蓋Python、Java、C++和Go等多語言的編程競賽中，平均勝過了約85%的競爭對手，相較于前代，這是一次顯著的提升。在技術白皮書中指出，在12場最近的競賽中，AlphaCode2解決了77個問題中的43%，而前代僅在25%的問題上獲得成功。
動態規劃是編程競賽中常見的復雜問題之一，而AlphaCode2展現出其在這方面的卓越表現。DeepMind研究科學家Rémi Leblond在一段預錄視頻中解釋說，AlphaCode2不僅知道何時正確實施動態規劃策略，還知道在何處使用它。這對于原始AlphaCode在處理需要動態規劃的編程問題時曾經遇到的困難而言，是一項顯著的進步。
AlphaCode2的工作原理涉及一系列“策略模型”，這些模型為每個問題生成多個代碼樣本。不符合問題描述的代碼樣本被過濾掉，然后通過聚類算法將“語義相似的代碼樣本”分組，以避免冗余。最終，AlphaCode2內的評分模型確定每個最大代碼樣本“簇”中的最佳候選答案。
盡管AlphaCode2在編程競賽中表現出色，但白皮書指出其存在一些缺陷。例如，AlphaCode2需要大量的試錯，運營成本較高，且過于依賴于過濾明顯錯誤的代碼樣本。據猜測，遷移到更強大的Gemini版本，如Gemini Ultra，可能會緩解這些問題。
Google DeepMind相信，通過使用Gemini Ultra，一個比Gemini Pro更大更強大的大型語言模型，他們可以構建一個更出色的代碼編寫模型，并表示正在努力將其能力提供給開發者。團隊希望將AlphaCode2的獨特能力引入基礎Gemini模型，使這種新的編程范式成為所有人的首選。
關于AlphaCode2是否會成為產品的問題，DeepMind的產品副總裁Eli Collins在一次簡報中暗示了這一可能性。
他表示:“關于最新結果最讓我興奮的事情之一是，當程序員與[由Gemini提供動力的] AlphaCode2合作時，通過定義代碼應遵循的某些屬性，[模型]的性能會變得更好。”
他進一步指出:“在未來，我們預見程序員將利用高度 capable 的AI模型作為協作工具，從問題推理到輔助實施，助力整個軟件開發過程。”
