AI 帮代码找 Bug，英特尔开源机器编程工具 ControlFlag

10 月 21 日消息，英特尔近日开源了机器编程工具 ControlFlag，这是一种使用机器学习来检测计算机代码问题的工具。理想情况下，ControlFlag 的应用可以减少调试应用程序和软件所需的时间。

在测试中，英特尔的机器编程研究团队表示，ControlFlag 在专有的"生产质量（production-quality）"软件中发现了数百个缺陷，证明了它的实用性。

机器编程工具 ControlFlag 可通过 https://github.com/IntelLabs/control-flag 下载。

一、意图、发明、适应，英特尔机器编程三大支柱

英特尔机器编程研究团队（MPR）的历史可以追溯到 2017 年。从那时起，英特尔就已经开始着手，构建新颖的机器编程（MP）系统，如 ControlFlag，这些系统有助于改进代码调试或自动提取性能。

英特尔实验室的首席人工智能科学家兼机器编程研究总监和创始人 Justin Gottschlich 表示，研究小组的第一个目标是将开发软件所需的总时间减少 1,000 倍。例如，今天可能需要三年才能完成的事情，在未来一天内就可以用机器编程系统完成。除了提高软件开发生产力之外，第二个目标是确保机器编程系统在合成新软件时保持特定的质量特征，如准确率、性能、安全性和可维护性等特征。

目前，几乎所有大型软件在准确性、性能或安全方面都存在漏洞。一些留存时间久，无法被专家程序员检测到的错误可以通过机器编程自动检测，并实现零人工干预。此外，随着软件在不断增加新功能，软件更新会使得引入错误的可能性增加并出现问题。

值得注意的是，某些错误会存在潜在的安全漏洞，造成损失数百万美元的灾难性后果。

"机器编程的三大支柱"是英特尔机器编程研究的关键：

第一个支柱是意图，旨在发现编程的意图，从软件中提升意义，确定人类向机器表达想法的新方式。

第二个支柱是发明，创建新的算法和数据结构来实现意图，涉及创建或改进算法核心硬件和软件构建块，使用各种机器编程技术实现一些已知的意图。

第三个支柱是适应，在不断变化的硬件、软件世界中发展软件，自主地演变软件特定生态系统，协助计算后端进展。自适应系统主要用于帮助识别和改进软件质量特性，例如性能、安全性和可维护性。

从三大支柱的角度来看，ControlFlag 集中落在了适应支柱，它试图找到软件编码异常。虽然 ControlFlag 还不能自动减轻它发现的缺陷，但它会为用户提供潜在更正的建议。

二、从英特尔自用到开源，测试近一年

正式开源前，ControlFlag 已在生产级软件和广泛使用的开源软件系统上进行了测试。

例如去年，ControlFlag 发现了客户端 URL（Client URL，cURL）中的代码异常。客户端 URL 是一个计算机软件项目，每天使用各种网络协议传输数据超过 10 亿次。在向客户端 URL 团队报告异常后，他们认可了 ControlFlag 的发现并随后修补了代码。

▲ ControlFlag 使用界面（动图截自视频网站）

ControlFlag 于 2020 年 12 月首次推出，但在开源之前仅在英特尔内部使用。

Gottschlich 在 LinkedIn 上的一篇博文中提到："最近，ControlFlag 通过在专有生产级软件中识别数百个与内存和潜在系统崩溃错误相关的缺陷，取得了最先进的进展。此外，ControlFlag 在几个高质量的开源软件存储库中也发现了数十个新的异常。"

ControlFlag 可与任何包含控制结构的编程语言一起使用，并利用无监督学习来减少调试工作，从未标记的源代码中学习。随着新数据的引入，它会不断发展以使其实现自我发展。ControlFlag 将自学对数据进行分类，从其固有结构中学习处理未标记的数据。

ControlFlag 不断从未标记的源代码中学习，随着新数据的引入，不断"进化"使自己变得更好。虽然 ControlFlag 还不能自动减轻它发现的编程缺陷，但该工具为开发人员提供了潜在的更正建议，Gottschlich 表示。

三、减少代码调试时间，培育开源生态

这些惊人的结果显示了 ControlFlag 能够显著提高软件开发的成本和效率。此外，对高质量代码的需求增多，吸引了越来越多的有抱负的程序员加入这个行业。

最近的一项研究发现，2020 年 IT 行业在与调试代码相关的软件开发成本上花费了约 2 万亿美元，其中约 50% 的 IT 预算用于调试代码。

"英特尔致力于使软件更加完善，维护起来更轻松，同时保持卓越的性能，而不会引入安全漏洞。我们希望像 ControlFlag 这样的项目可以大大减少在全球范围内开发软件所需的时间。"Gottschlich 表示，"在调试上花费的大量时间被节省，从而使我们能够加速技术进步。"

ControlFlag 等 AI 驱动的编码工具以及代码补全工具 Tabnine、代码测试工具 Ponicode、代码安全审核工具 Snyk 和代码审查软件 DeepCode 等平台会减少开发人员之间代价高昂的交互，例如问答环节和重复的代码审查反馈。国际商业机器公司（IBM）和人工智能公司 OpenAI 致力于研究机器学习在软件开发领域的应用，是潜力十足的众多公司之二。但研究显示，实现零人工干预有很长的路要走，才可以代替许多需要程序员定期执行的任务。

结论：ControlFlag 开源，工具认可度等待"检验"

ControlFlag 测试过程中发现的错误被开发人员认可，展示了机器编程工具在软件开发领域的广阔前景。

英特尔机器编程研究团队专注于提高软件质量和开发人员生产力。开源 ControlFlag 后，将进一步致力于实现零人工干预。针对提高软件开发领域的成本、效率问题，众多代码测试、补全、审核工具上线，多个头部玩家在机器编程研究领域共同努力，将进一步提高软件开发领域的准确率、安全性。