北京大學、微軟亞洲研究院和中國電子科技大學就一起嘗試著讓AI找bug。微軟亞洲研究院的Lily Sun在微軟官方博客上介紹稱，他們開發(fā)的精確狀態(tài)系統(tǒng)（Accurate Condition System, ACS），能在人類不加干預的情況下自動修復軟件系統(tǒng)中的Bug。
他們關于ACS的論文Precise Condition Synthesis for Program Repair發(fā)表在世界軟件工程大會ICSE 2017上。
ACS會自動修復什么樣的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，用來計算兩個數(shù)的最小公倍數(shù)，并且引入了Math.abs來確保返回的值是正數(shù)。但是，這個程序有缺陷，有時候還是會返回負值。
我們可以創(chuàng)建一個測試來找到其中的錯誤。測試的輸入是a=Integer.MIN_VALUE、b=1，預期的輸出是throw ArithmeticException。
把這個程序和相應的測試輸入到ACS中，ACS會自動生成第2、3行的路徑，修復程序缺陷：
int lcm=Math.abs（mulAndCheck（a/gdc（a,b）， b））；
+ if （lcm == Integer.MIN_VALUE） {
+ throw new ArithmeticException（）；
+ }
return lcm;
讓算法自己改bug這件事，從2009年開始就有研究，弗吉尼亞大學計算機系的Westley Weimer、新墨西哥大學的Stephanie Forrest和卡耐基梅隆大學的Claire Le Goues，就一起開發(fā)了Genprog。
而ACS，在前人研究的基礎上大幅提升了準確率。在Defects4J基準上的測試結果顯示，ACS生成的23個補丁中，有18個是正確的，準確率近80%。
ACS準確率的提升主要得益于有更多的信息來源，特別是網(wǎng)上的大量代碼。與以往的方法相比，ACS有以下三種新的信息來源：
一是用局部性原則信息對補丁中的變量進行排序；
二是用自然語言分析技術來分析Javadoc，然后用Javadoc中的信息來過濾不正確的補??；
三是通過對網(wǎng)上的開源程序進行統(tǒng)計分析，發(fā)現(xiàn)對變量進行操作的條件概率，進而生成正確的補丁。
