La IA de Deepmind está aprendiendo sobre el arte de la codificación

gregorio peluquero

En el campo de la informática, quizás no haya tarea más fundamental que ordenar. Burbujee, amontone, fusione: elija. Los métodos para reordenar datos dentro de una computadora han sido teorizados hasta la saciedad, sirvieron como ejercicios de práctica para millones de novatos y han sido optimizados durante décadas por desarrolladores expertos. Escriba una función sort() en cualquier lenguaje de programación, y es un código en el que puede confiar. No lo toques. Ya funciona muy bien.

Pero el año pasado, un sistema de inteligencia artificial desarrollado por ingenieros de Deepmind de Google mejoró lo suficiente como para ser importante. El sistema, que Deepmind llama AlphaDev, se encargó de idear una nueva forma de clasificar secuencias cortas en números en C++, el popular lenguaje de codificación. Significaba ir bajo el capó y hacer que la IA construyera nuevos algoritmos en código ensamblador, las instrucciones que cierran la brecha entre los lenguajes de programación como C++ y el hardware de la computadora. Cuando un desarrollador de C ++ le dice a la computadora que "clasifique", esos comandos se convierten en un código legible por máquina que le dice a la memoria y al procesador de una computadora exactamente qué hacer: dónde mover los datos y cómo cambiarlos. Es donde los bits se encuentran con el metal.

El experimento funcionó. Desde abril del año pasado, C++ se ha estado ejecutando un poco más rápido, gracias a un nuevo conjunto de algoritmos de clasificación inventados por IA. Pero según los ingenieros de AlphaDev, quienes describieron el trabajo hoy en Nature, ese es solo el primer paso. "Queremos optimizar toda la pila informática", dice Daniel Mankowitz, científico investigador del personal de Deepmind que dirigió el proyecto de clasificación. Mankowitz dice que AlphaDev ya ha mejorado los algoritmos no solo para la clasificación, sino también para otras tareas básicas como el hash.

"Creo que este trabajo es increíblemente emocionante", dice Armando Solar-Lezama, experto en síntesis de programas del MIT, que no participó en la investigación. Es útil que AI presente un nuevo algoritmo de clasificación; es mucho más importante construir una IA que pueda aprender a escribir código de última generación en una variedad de tareas, dice. Eso significa que AlphaDev ha comenzado a aprender algo más fundamental sobre el arte de la codificación en sí.

Eso viene con limitaciones significativas, por supuesto. "Estos son programas diminutos, diminutos", agrega, que suman no más de unas pocas docenas de instrucciones en código ensamblador. Pero esos pequeños programas a menudo representan grandes cuellos de botella para el rendimiento de la computadora, ya que han sido optimizados en la medida en que las personas pueden presionarlos. En general, los nuevos algoritmos de clasificación C++ de AlphaDev son un 1,7 por ciento más eficientes que los métodos anteriores al clasificar largas secuencias de números y hasta un 70 por ciento más rápidos para secuencias de cinco elementos. A escala, estas mejoras se suman, dice Mankowitz. Desde que el código escrito por IA se envió a Libc++, una importante biblioteca de código abierto para C++, estima que los algoritmos se han utilizado billones de veces al día.

Esas mejoras se deben a una técnica llamada aprendizaje por refuerzo, que es el mismo enfoque que se utiliza para ayudar a la IA de Deepmind a dominar juegos como el ajedrez y el Go. Este tipo de IA aprende haciendo. Funciona al tratar una tarea determinada, como escribir un programa de ensamblaje, como un juego, en el que la IA recibe recompensas por realizar movimientos inteligentes que aumentan la eficiencia del programa. Con el tiempo, el sistema funciona para maximizar esta recompensa, lo que da como resultado una estrategia Go ganadora o un programa de ensamblaje más rápido. Esto difiere del tipo de IA que se encuentra en modelos de lenguaje grandes como GPT-4, que se basan en grandes cantidades de datos para aprender a escribir palabras o codificar. Eso es excelente para producir escritura que refleje el tono de Internet o para producir segmentos comunes de código. Pero no es tan bueno para producir soluciones novedosas y de vanguardia para los desafíos de codificación que la IA nunca antes había visto.

jeremy blanco

kate knibbs

jeremy blanco

Gedeón Lichfield

Al igual que jugar al ajedrez o al Go, escribir código ensamblador es una tarea complicada y abierta, con muchos movimientos potenciales y muchas maneras de cometer errores. Los lenguajes de programación modernos como C ++ o Python enmascaran el meollo de la cuestión de mover datos con comandos breves que reflejan el lenguaje humano. En la década de 1950, cuando debutaron estos lenguajes de "alto nivel", algunos creían que el problema de la programación básicamente se había resuelto. Hasta entonces, la programación consistía esencialmente en jugar con el ensamblaje, tanto que Fortran, uno de los primeros lenguajes de alto nivel, se comercializó inicialmente como el "sistema de codificación automática de Fortran", porque sus comandos siempre se traducían en código ensamblador funcional. "Fortran iba a escribir código mejor que los humanos y sin errores", dice Solar-Lezama. "Hoy eso suena risible. Pero era verdad".

Mejorar un lenguaje como C++ o Fortran a menudo aún requiere retoques con el ensamblaje subyacente, encontrando formas de hacer que funcione más rápido, generalmente eliminando pasos superfluos. Debido a que el ensamblaje carece de las estructuras formales y las abstracciones de la programación de alto nivel, y debido a que un solo error puede hacer que el algoritmo se rompa, el juego que debe jugar la IA no es divertido. “Va a fallar una y otra y otra vez”, explica Solar-Lezama.

La innovación de AlphaDev es que mejora la forma en que se representa la estructura de un programa ensamblador en funcionamiento en el código de IA. Eso permite que su sistema de recompensas reduzca mejor las posibilidades. La IA mejora, más rápido.

A un alto nivel, la solución de clasificación de la IA parece familiar. Hay tantas formas de poner un puñado de números en orden ascendente. Se las arregla para eliminar algunas instrucciones de la secuencia de ensamblaje utilizando algunas instrucciones no convencionales, que un programador humano probablemente no pensaría en probar. Mankowitz compara estas acciones con la jugada 37, la infame mano jugada por AlphaGo en su partido de exhibición de 2016 contra el gran maestro Lee Sedol. El movimiento fue tan extraño que los observadores inicialmente pensaron que la computadora había estropeado el partido. Pero terminó siendo fundamental para la victoria de la computadora, y desde entonces ha alterado la forma en que se juega.

Por lo tanto, el código resultante se ve un poco extraño, en parte porque necesita obligar a la computadora a mover los datos de formas muy específicas. "Definitivamente no es una forma económica de escribir el código", dice Nikolas Klauser, colaborador de Libc++ que revisó la propuesta de Deepmind la primavera pasada. Esto aumentó las apuestas para realmente poner el código en producción, dice. Es arriesgado actualizar algoritmos fundamentales como la clasificación que han funcionado bien durante años por lo que podría ser solo una pequeña mejora en la eficiencia. Pero al final, todo salió bien. Se realizó la actualización del código.

Mankowitz reconoce que los programas actuales que AlphaDev puede producir son pequeños y que probablemente se necesitarán nuevos avances en el desarrollo de IA para generar algoritmos más grandes y complejos que superen los mejores intentos humanos. Pero para los expertos en generación de código como Solar-Lezama, la investigación es un paso importante hacia una codificación de IA más generalizada, una que lo hace reflexionar sobre Fortran y su sistema de "programación automatizada". ¿Puso a los programadores fuera del negocio? En lo mas minimo. ¿Cambió lo que significaba ser programador? Completamente.