北京年夜學(xué)、微軟亞洲研討院和中國電子科技年夜學(xué)就一路測(cè)驗(yàn)考試著讓AI找bug。微軟亞洲研討院的Lily Sun在微軟官方博客上引見稱，他們開辟的準(zhǔn)確狀況體系（Accurate Condition System, ACS），能在人類不加干涉的情形下主動(dòng)修復(fù)軟件體系中的Bug。
他們關(guān)于ACS的論文Precise Condition Synthesis for Program Repair揭橥活著界軟件工程年夜會(huì)ICSE 2017上。
ACS會(huì)主動(dòng)修復(fù)甚么樣的bug呢？Lily Sun舉了個(gè)例子：
int lcm=Math.abs（mulAndCheck（a/gdc（a,b）， b））；
return lcm;
這是Apache Math中的一段代碼，用來盤算兩個(gè)數(shù)的最小公倍數(shù)，而且引入了Math.abs來確保前往的值是負(fù)數(shù)。然則，這個(gè)法式出缺陷，有時(shí)刻照樣會(huì)前往負(fù)值。
我們可以創(chuàng)立一個(gè)測(cè)試來找到個(gè)中的毛病。測(cè)試的輸出是a=Integer.MIN_VALUE、b=1，預(yù)期的輸入是throw ArithmeticException。
把這個(gè)法式和響應(yīng)的測(cè)試輸出到ACS中，ACS會(huì)主動(dòng)生成第2、3行的途徑，修復(fù)法式缺點(diǎn)：
int lcm=Math.abs（mulAndCheck（a/gdc（a,b）， b））；
+ if （lcm == Integer.MIN_VALUE） {
+ throw new ArithmeticException（）；
+ }
return lcm;
讓算法本身改bug這件事，從2009年開端就有研討，弗吉尼亞年夜學(xué)盤算機(jī)系的Westley Weimer、新墨西哥年夜學(xué)的Stephanie Forrest和卡耐基梅隆年夜學(xué)的Claire Le Goues，就一路開辟了Genprog。
而ACS，在后人研討的基本上年夜幅晉升了精確率。在Defects4J基準(zhǔn)上的測(cè)試成果顯示，ACS生成的23個(gè)補(bǔ)釘中，有18個(gè)是準(zhǔn)確的，精確率近80%。
ACS精確率的晉升重要得益于有更多的信息起源，特殊是網(wǎng)上的年夜量代碼。與以往的辦法比擬，ACS有以下三種新的信息起源：
一是用部分性準(zhǔn)繩信息對(duì)補(bǔ)釘中的變量停止排序；
二是用天然說話剖析技巧來剖析Javadoc，然后用Javadoc中的信息來過濾不準(zhǔn)確的補(bǔ)釘；
三是經(jīng)由過程對(duì)網(wǎng)上的開源法式停止統(tǒng)計(jì)剖析，發(fā)明對(duì)變量停止操作的前提幾率，進(jìn)而生成準(zhǔn)確的補(bǔ)釘。
