Facebook的AI研究团队开发了一种神经转编译器

仅一周多的时间，您中的大多数人就会听说Facebook的AI研究团队（FAIR）开发了一种神经转编译器，该代码使用“无监督翻译 ” 将高级编程语言（如C ++，Python，Java，Cobol）的代码转换为另一种语言。传统的方法是标记源语言并将其转换为抽象语法树（AST），反编译器将根据定义翻译的手写规则（例如抽象或上下文）将其用于转换为所选的目标语言。没有丢失。

在过去的几十年中，神经语言翻译取得了如此重大的进步，以至于尽管只有足够的并行语料库才是唯一的限制，但是这些神经模型往往要比硬编码的手写规则好得多。

这已通过“无监督的ML翻译”方法得到了更大程度的解决，其中Facebook的研究团队使用了来自Github的不同编程语言的大量单语源代码库来训练模型。

这使许多组织感到宽慰，尤其是在保险，政府和银行部门，他们继续使用旧版应用程序，而这些应用程序几乎没有增强或微调的空间，因为它们是由真正熟练的程序员在过去的美好时光中编写的— COBOL ，Pascal，Fortran等。

尽管编程语言已经随着时间的流逝而发展，但是从一种代码库移植到更高效或更现代的语言（如Java，Swift，Ruby，python）却是真正的痛苦，因为它需要源语言和目标语言方面的专业知识。例如，有报道称，澳大利亚联邦银行花费了高达7.5亿美元，并在五年内将其核心软件从大型机上的COBOL迁移到了现代平台上。

基于规则的翻译实现起来很复杂，灵活性和解释性较差。Facebook的Transcoder可以解决长期存在的问题。

FAIR代码转换器的主要组件

FAIR转码器基于一种变压器架构，包括一个编码器和一个解码器，基于“注意就是您所需要的”论文。FAIR转码器依赖于单个模型进行编码和解码，并且基于3个原理：

屏蔽语言模型预训练

去噪自动编码

回译

1. 屏蔽语言模型预训练

掩蔽语言预训练模型基于BERT论文，该模型训练编码器从源代码中识别出掩蔽标记。训练编码器以理解编程构造，以便在屏蔽某些令牌时识别丢失的令牌并对其进行重构。