北京大學(xué)、微軟亞洲研究院和中國電子科技大學(xué)就一同嘗試著讓AI找bug。微軟亞洲研究院的Lily Sun正在微軟官方博客上引見稱，他們開辟的正確狀況體系（Accurate Condition System, ACS），能正在人類不加干涉的情況下主動修復(fù)軟件體系中的Bug。
他們關(guān)于ACS的論文Precise Condition Synthesis for Program Repair頒發(fā)正在天下軟件工程大會ICSE 2017上。
ACS會主動修復(fù)什么樣的bug呢？Lily Sun舉了個例子：
int lcm=Math.abs（mulAndCheck（a/gdc（a,b）， b））；
return lcm;
這是Apache Math中的一段代碼，用來盤算兩個數(shù)的最小公倍數(shù)，而且引入了Math.abs來確保返回的值是正數(shù)?？墒?，這個法式有缺點，有時候仍是會返回負值。
我們能夠創(chuàng)立一個測試來找到個中的毛病。測試的輸入是a=Integer.MIN_VALUE、b=1，預(yù)期的輸出是throw ArithmeticException。
把這個法式和相應(yīng)的測試輸入到ACS中，ACS會主動生成第2、3行的途徑，修復(fù)法式缺點：
int lcm=Math.abs（mulAndCheck（a/gdc（a,b）， b））；
+ if （lcm == Integer.MIN_VALUE） {
+ throw new ArithmeticException（）；
+ }
return lcm;
讓算法本人改bug這件事，由2009年最先就有研討，弗吉尼亞大學(xué)計算機系的Westley Weimer、新墨西哥大學(xué)的Stephanie Forrest和卡耐基梅隆大學(xué)的Claire Le Goues，就一起開發(fā)了Genprog。
而ACS，正在前人研討的基礎(chǔ)上大幅提升了準確度。正在Defects4J基準上的測試成果表現(xiàn)，ACS生成的23個補釘中，有18個是精確的，準確度近80%。
ACS準確度的提拔關(guān)鍵得益于有更多的信息泉源，特別是網(wǎng)上的大批代碼。取以往的方式相比，ACS有以下三種新的信息泉源：
一是用局部性標準信息對補釘中的變量開展排序；
二是用自然語言闡發(fā)手藝來闡發(fā)Javadoc，然后用Javadoc中的信息來過濾不正確的補釘；
三是經(jīng)過對網(wǎng)上的開源步伐開展統(tǒng)計分析，發(fā)明對變量開展操縱的前提幾率，進而生成精確的補釘。