AI-Programmer

阅读完整文章 使用人工智能编写自修改/改进程序

阅读研究论文 AI 程序员：使用遗传算法 (Genetic Algorithms) 自主创建软件程序。

AI-Programmer 是一个实验，旨在利用人工智能 (Artificial Intelligence) 和遗传算法 (Genetic Algorithms) 自动生成程序。由 AI 成功创建的 程序 包括：hello world, hello , addition, subtraction, reversing a string, fibonnaci sequence, 99 bottles of beer on the wall, 以及更多。它正变得越来越聪明。简而言之，这是一个带有自修改代码 (Self-modifying code) 的 AI 遗传算法实现。

动机

计算机有可能编写自己的程序吗？需要文字处理器？让计算机为你创建一个。需要屏幕截图工具？让计算机为你创建一个。更进一步，让计算机创建简化你生活的程序，甚至是你自己都没意识到的需求！

这就是 AI-Programmer 实验背后的理念。目标是最终创建一个能够编写自身计算机程序以解决特定计算问题的计算机程序。虽然计算机决定编写何种类型程序的能力超出了我们目前的手段，我们仍可以让计算机生成程序来解决非常具体的任务，例如输出文本 "Hello World"。AI 程序员使用一种晦涩的编程语言来生成软件程序。

详情

底层编程语言仅包含 8 条指令，同时具备图灵完备性 (Turing complete)。理论上，它有能力解决任何计算问题。这使得开发解释器 (Interpreter) 变得容易，该解释器能够在模拟环境中运行 AI 生成的程序。以此方式，每个生成的程序都可以被执行，并根据其性能排名为适应度分数 (fitness score)。由于 AI 使用的是图灵完备 (Turing complete) 的编程语言，AI 本身在理论上也具备解决任何计算问题的能力。然而，对于本实验，AI 将专注于向控制台输出简单字符串。

工作原理

AI-Programmer 的工作原理如下：

• 基因组 (Genome) 由双精度浮点数数组组成。
• 每个基因 (Gene) 对应编程语言中的一条指令。
• 从随机基因组种群 (Population) 开始。
• 通过将每个双精度数转换为其对应的指令并执行程序，将每个基因组解码为结果程序。
• 根据程序写入控制台的输出（如果有），获取每个程序的适应度分数 (fitness score) 并进行排名。
• 使用轮盘赌选择 (Roulette selection)、交叉 (Crossover) 和变异 (Mutation) 将最佳基因组结合，产生新一代。
• 用新一代重复此过程，直到达到目标适应度分数。

适应度方法

适应度方法通过对生成程序的输出进行评分来工作。分数是通过查看程序输出的每个字符并将其值与目标字符相减来计算：

fitness += 256 - Math.Abs(console[i] - targetString[i]);

解释器指令集

> 	Increment the pointer.
< 	Decrement the pointer.
+ 	Increment the byte at the pointer.
- 	Decrement the byte at the pointer.
. 	Output the byte at the pointer.
, 	Input a byte and store it in the byte at the pointer.
[ 	Jump forward past the matching ] if the byte at the pointer is zero.
] 	Jump backward to the matching [ unless the byte at the pointer is zero.

结果？

请记住，这是一个概念验证 (Proof of concept)。到目前为止，该程序已成功在其目标编程语言中编写了几个程序。你可以在 /Results 文件夹中查看所有结果的截图。这些测试是在 Intel Core 2 Quad 2.5GHz 上运行的。

hi

AI 成功编写了一个程序，在约 1 分钟后的第 5,700 代输出了 "hi"。它生成了以下代码：

+[+++++-+>++>++-++++++<<]>++.[+.]-.,-#>>]<]

虽然上述代码包含解析错误，如不匹配的括号，我们的模拟解释器 (Interpreter) 会计算直到程序失败为止的结果，因此在上述情况下，语法错误（稍后出现在代码中，在找到解决方案之后）不会影响适应度。

你可以尝试将上述代码粘贴到在线 解释器 中。点击“启动调试器”，忽略警告，然后点击“运行到断点”。注意输出。

如果我们修剪掉多余的代码，可以看到以下语法有效的代码：

+[+++++-+>++>++-++++++<<]>++.[+.]

hello

AI 成功编写了一个程序，在约 29 分钟后的第 252,0000 代输出了 "hello"。它生成了以下代码：

+-+-+>-<[++++>+++++<+<>++]>[-[---.--[[-.++++[+++..].+]],]<-+<+,.+>[[.,],+<.+-<,--+.]],+][[[.+.,,+].-

在生成过程中，AI 非常接近解决方案，但有几个字母被绑定在一起，位于一个循环内。AI 能够通过在该问题循环内创建一个内部循环来克服这一点，该内部循环成功输出了正确的字符，并继续处理。

Hi!

在另一个例子中，AI 成功编写了一个程序，在约 2 小时 7 分钟后的第 1,219,400 代输出了 "Hi!"。它生成了以下代码：

>-----------<++[[++>++<+][]>-.+[+++++++++++++++++++++++++++++><+++.<><-->>>+].]

I love all humans

AI 成功编写了一个程序，在约 10 小时后的第 6,057,200 代输出了 "I love all humans"。它生成了以下代码：

+[>+<+++]+>------------.+<+++++++++++++++++++++++++++++++.>++++++++++++++++++++++++++++++++++.+++.+++++++.-----------------.--<.>--.+++++++++++..---<.>-.+++++++++++++.--------.------------.+++++++++++++.+++++.

使用更快的 PC 可能会生成更复杂的程序。下一步包括尝试接受用户输入并处理结果。

代码使用快速入门指南

兼容 Visual Studio 和 VS Code。

• 克隆 master 分支并使用 Visual Studio 打开。
• 克隆 vscode-net90 分支并使用 VS Code 和 .NET 9.0 打开。

使用代码

默认情况下，代码配置为使用经典指令集，并编写一个用于输出字符串的程序。若要更改生成的字符串，只需展开“私有变量”部分，并将 TargetString 的文本更改为您想要的值。

private static TargetParams _targetParams = new TargetParams { TargetString = "hello world" };

若要更改 AI 所编写的程序类型，请修改 GetFitnessMethod() 内部的适应度方法（fitness method）。

private static IFitness GetFitnessMethod()
{
	return new StringStrictFitness(_ga, _maxIterationCount, _targetParams.TargetString, _appendCode);
}

您可以将其更改为 AI.Programmer.Fitness/Concrete 项目中的任何类。示例：

return new StringStrictFitness(_ga, _maxIterationCount, _targetParams.TargetString, _appendCode);
return new AddFitness(_ga, _maxIterationCount);
return new SubtractFitness(_ga, _maxIterationCount);
return new ReverseStringFitness(_ga, _maxIterationCount);
return new HelloUserFitness(_ga, _maxIterationCount, _targetString);

要使用子例程（sub-routines），您需要启用函数功能。这将使 AI 生成程序的速度快得多。取消注释 functionGenerator 的代码，如下所示：

private static IFunction _functionGenerator = new StringFunction(() => GetFitnessMethod(), _bestStatus, fitnessFunction, OnGeneration, _crossoverRate, _mutationRate, _genomeSize, _targetParams);

将 App.config 设置为使用 BrainPlus，以便 AI 可以访问子例程指令：

<appSettings>
	<add key="BrainfuckVersion" value="2"/> <!-- 1 = BF Classic, 2 = BrainPlus (BF Extended Type 3, Functions, Faster) -->
</appSettings>

使用子例程时，所需代码更少。因此，为了提升速度，您可以使用更小的 genomeSize。展开遗传算法设置（Genetic Algorithm Settings）部分，并将 _genomeSize 更改为较小的值：

private static int _genomeSize = 50;

尽情实验，享受乐趣！

作者

Kory Becker http://www.primaryobjects.com/kory-becker

使用人工智能编写自修改/改进程序

突破自编程人工智能的极限

自编程人工智能学会使用函数

BF-Programmer：一种利用遗传算法自主构建简单程序的非常规方法

在 GitHub 上查看 https://github.com/primaryobjects/ai-programmer

版权

版权所有 (c) 2018 Kory Becker http://primaryobjects.com/kory-becker

AI-Programmer 快速上手指南

AI-Programmer 是一个利用人工智能和遗传算法自动生成程序的实验性项目。它通过进化计算，让计算机自动编写出解决特定任务的代码（基于类 Brainfuck 的图灵完备语言）。

环境准备

• 操作系统: Windows / macOS / Linux
• 开发工具:
  • Visual Studio 2022 (推荐用于 master 分支)
  • VS Code + .NET 9.0 SDK (推荐用于 vscode-net90 分支)
• 依赖项: .NET 9.0 Runtime/SDK

安装步骤

1. 克隆代码仓库

   git clone https://github.com/primaryobjects/AI-Programmer.git
   cd AI-Programmer
   

2. 选择分支并打开项目

   • 使用 Visual Studio:

     git checkout master
     

     在 Visual Studio 中打开解决方案文件。

   • 使用 VS Code:

     git checkout vscode-net90
     

     确保已安装 .NET 9.0 SDK，然后在 VS Code 中打开项目文件夹。

基本使用

1. 修改生成目标字符串

默认配置下，程序会尝试生成输出 "hello world" 的代码。如需更改目标文本，请编辑以下变量：

private static TargetParams _targetParams = new TargetParams { TargetString = "hello world" };

2. 切换任务类型

默认任务为生成字符串。若要执行其他任务（如加法、减法、反转字符串等），需修改 GetFitnessMethod() 方法中的返回对象：

private static IFitness GetFitnessMethod()
{
    // 示例：生成加法程序
    return new AddFitness(_ga, _maxIterationCount);
    
    // 示例：生成反转字符串程序
    // return new ReverseStringFitness(_ga, _maxIterationCount);
}

可用的 Fitness 类位于 AI.Programmer.Fitness/Concrete 项目中。

3. 启用子程序功能 (可选)

为了加快生成速度，可以启用函数支持。

1. 修改配置文件 (App.config)： 将 BrainfuckVersion 设置为 2 以启用 BrainPlus 模式。

   <appSettings>
       <add key="BrainfuckVersion" value="2"/> <!-- 1 = BF Classic, 2 = BrainPlus -->
   </appSettings>
   

2. 启用函数生成器 (代码中取消注释)：

   private static IFunction _functionGenerator = new StringFunction(() => GetFitnessMethod(), _bestStatus, fitnessFunction, OnGeneration, _crossoverRate, _mutationRate, _genomeSize, _targetParams);
   

3. 调整基因组大小 (可选)： 使用子程序时，可减小基因组大小以提升速度：

   private static int _genomeSize = 50;
   

完成上述配置后，运行项目即可开始训练。AI 将根据设定的目标迭代生成代码，并在控制台输出最终结果及生成的指令序列。