Si. Ya hay mucha investigación en curso en este campo. Puedo ver tres corrientes de investigación actualmente.
- Aprendizaje intuitivo algorítmico desde cero:
[1511.08228] Las GPU neuronales aprenden algoritmos
[1410.5401] Neural Turing Machines y sus primos basados en memoria múltiple como [1503.01007] Inferir patrones algorítmicos con redes recurrentes aumentadas por pila y su reciente hermano dinámico [1607.00036] Dynamic Neural Turing Machine con esquemas de direccionamiento blando y duro. [1511.08130] Una hoja de ruta hacia la inteligencia artificial también me parece similar en algunos aspectos.
- ¿Qué es computacionalmente difícil en la automatización de juzgar las coincidencias de esgrima de aluminio?
- ¿Cuáles son los componentes de hardware y software necesarios para construir un sistema operativo como el que se muestra en la película Her (2013)?
- ¿Cuáles son los temas principales sobre la planificación del movimiento del robot?
- ¿Cosas como DeepMind dejarán de lado las carreras que no sean STEM?
- ¿Recomiendas aprender Prolog, ML o Lisp para Machine Learning e Inteligencia Artificial? ¿Por qué?
Esto es muy parecido al verdadero AGI (descubrir cómo funcionan las cosas es inteligencia) y, como se esperaba, todavía es la infancia (puede descubrir algoritmos de cosas como series repetitivas, etc.).
2. Se está realizando una investigación para crear compiladores que puedan completar automáticamente las plantillas de código (es decir, la gente puede hacer una programación más declarativa, por lo que esencialmente solo dice “Ordenar números X usando las funciones básicas de COMPARAR y MOVER” y el código está escrito). Esta es una versión algo más fácil de 1, donde solo quieres aprender la “combinación de tareas” que aprender “tareas + combinación de tareas”.
[1605.06640] Programación con un intérprete Forthizable diferenciable
[1511.06279] Neural Programmer-Interpreters también hace algo similar, pero también trabaja en tareas más generales del mundo real, no solo en programas.
Artículos como Learning Semantic Parsers en Freebase con una supervisión débil y una base de datos deducible diferenciable hacen cosas similares para Prolog, como la programación.
Estos enfoques son mejores y pueden descubrir algoritmos como la clasificación, etc., dados algunos pares de entrada / salida.
3. El tercer flujo de investigación es el aumento del programador, que hace que el programador sea más productivo al automatizar algunas cosas.
https://openreview.net/pdf?id=r1… donde Neural Networks puede optimizar los programas C escritos por el usuario y https://openreview.net/pdf?id=r1… donde AI puede sugerir código en Python.