神经网络和500个程序（长度为3行）的测试集的不准确性的条件矩阵。 每个单元格包含一个假阳性结果的平均概率（在大字体中）和从中得出该值的测试程序的数量（在小字体中，方括号中）。 颜色饱和度与假阳性的可能性相关程序员很快就会有一个很好的帮手：可以执行例行任务的智能神经网络。 而且，借助这种神经网络，人们甚至可以在不了解特定语言的语法的情况下创建程序，而实际上却无法进行编程。 必须组成一个算法并设置任务-神经网络将编写代码来解决这些问题。
结果，所有工作将变得更加富有成果：“人们将能够创建以前无法创建的系统，”麻省理工学院的独立专家
Armando Solar-Lezama在给“
新科学家”的
评论中说。
微软和剑桥大学的研究人员已经开发了一个名为
DeepCoder的系统，该系统现在可以正确解决学校编程竞赛中的简单问题。 DeepCoder使用一种称为归纳程序综合的技术，该技术为许多开发人员所熟知。 她从其他程序中获取代码行，并制作了自己的独特程序。 请记住，与其他软件综合系统一样，DeepCoder也使用专用于特定应用程序的领域特定语言（DSL）。 它可以称为“迷你语言”或“截断的编程语言”。 它仅包含九个一阶函数：
HEAD，LAST，TAKE，DROP，ACCESS，MINIMUM，MAXIMUM，REVERSE，SORT，SUM
和五个高阶函数：
MAP，FILTER，COUNT，ZIPWITH，SCANL1
特定领域语言的范围相对于通用编程语言是有限的。
在分析每个代码段的输入和输出值之后，选择用于编译程序的行。 在科学工作中，您可以研究DeepCoder神经网络编写的9个5行程序示例。 例如，这是一个糖果问题（左）的解决方案，其中有文本描述（右）和输入值（在中间）：
在寻找合适的代码行时，DeepCoder超越了man：他能够索引和分析比man能力更多的源代码。 机器学习系统学习了解如何使用这些模式-并预先形成基础。 另外，神经网络将以从未发生过的方式将找到的线连接到活人的方式连接。 通过反复试验，神经网络正在逐步学习以实现其目标。 DeepCoder系统中软件综合的这种实现方式称为学习归纳程序综合（LIPS）。
直接耦合编码器和DeepCoder解码器的示意图下图显示了DeepCoder神经网络如何预测每个函数出现在源代码中的可能性。
所有这些优点使DeepCoder能够比其前身更快地编写程序。 她在一秒钟内编写了三行程序，而以前的系统需要更多或数十倍的时间才能尝试所有可能的选项。 例如，该表显示了从具有各种任务的三行代码生成程序的速度。
五行代码的程序生成速度降低了一个数量级。 右图显示了速度对程序长度的依赖性。
如您所学，系统将了解哪些代码组合有效，哪些无效。 她在每项新任务中的编程能力都在不断提高。
该技术可以潜在地用于重构和搜索程序中的错误。 她会找到错误的行，并用其他程序中的正确行替换它们。 作者认为，借助它的帮助，可以轻松创建著名的
IFTTT风格的例行程序-自动执行不同Web服务之间的基本交互。 甚至非程序员也可以做出简单的指示，例如从Facebook选择照片并根据指定的标准对照片进行排序。 这样的简单程序可以在几分钟内创建而无需编程知识。
当然，这些工具还不能替代真正的程序员。 它们仅被视为辅助工具。 DeepCoder开发人员本身在将来将非常有用：它将减轻日常操作的负担，并使您能够专注于更复杂和重要的任务。
目前，DeepCoder能够使用大约五行代码来解决编程问题。 当然，在高级编程语言中，五行代码使您可以编写一个非常有用的程序，但这仍然是非常简单的基本操作。 专家认为，不可能使用软件综合来生成具有大量代码的复杂程序。 另一方面，在人类的帮助下这是可能的。 毕竟，大型程序由大量小片段组成。
至少在接下来的几年中，大多数程序员不会因为编码自动化而面临失业。 但是机器学习方法正在迅速改善。 令人惊讶的是最近在这方面做了多少工作。