开年翻车事件：训练神经网络出bug AI删库跑路

近日， Yelp 在 app 上的一则更新说明把大家给乐坏了：

「我们要向那些在本周使用 app 时遇到问题的用户们道歉。我们训练了一个神经网络来消除 app 中的 bug，没想到它把所有的东西都消除了。我们现在只好进行数据恢复。目前暂时达成 100 % 没有 bug 的状态……」

对此，微博网友立马开启了「群嘲模式」：

给人类留点面子好吗……

从 APP 过去两个月的更新说明来看，Yelp 基本上可以说将「除 bug」当成自己的首要任务，从万圣节到圣诞节再到跨年，Yelp 的程序员们几乎每天都沉溺在「消虫乐」的欢乐氛围当中……

估计是在除 bug 这条道路上除出了固定套路，才会让 Yelp 的程序员们萌生通过训练神经网络来达成自动除 bug 的想法，只是他们没想到竟然会如此出师不利。

由于 Yelp 至今尚未公布详细的网络训练和删库细节，因此我们仅仅只能通过猜测来判断导致删库的原因。然而令人感到绝望的是，即便 Yelp 程序员们想复盘「删库」事件的原由，神经网络的「黑箱」性质也将导致该行为没法很好地落实。

难道我们就一点办法也没有了吗？

虽然 Yelp 以血淋淋的例子告诉我们，自动 debug 有风险，然而我们不能因此否定许多机构在这方面研发工作的努力，毕竟 debug 工具一旦能够开发出来，程序员们将可以把更多精力放在写出更多代码上。

其中，最具代表性的是 Facebook 的 SapFix。

这是一款于去年 9 月份发布的代码调试工具，配合 Facebook 的自动化漏洞发现工具 Sapienz，可以针对 bug 生成修复补丁。     

在具体的执行流程上，SapFix 会先给每个 bug 生成多个潜在补丁，然后从 3 个方面对补丁质量进行评定（是否存在编译的错误、程序是否还会崩溃、补丁是否引入新的冲突），在评定结束后，SapFix 会在修复版本上进行测试，结果出来后第一时间发给人工评审员进行审批。

一旦获得人工反馈，SapFix 将会执行那些经批准的补丁，并清除其他未被批准的补丁。

值得一提的是，在面对较复杂的问题时，SapFix 会从过往的修复模板集去寻找生成补丁的借鉴参考。即使没能找着合适的修复模板，它也会尝试基于突变进行修复——简单来说，就是对导致崩溃的语句的抽象语法树（AST）执行小型代码修复，调整补丁，直到找着可行的解决方案。

该工具被 Facebook 视作 AI 技术的里程碑，下一步计划让 SapFix 实现自动制止代码崩溃机制，以及让软件的反应变得更敏捷。

Yelp「删库」事件是典型的 AI 过早落实民用的例子，在技术尚未成熟的条件下，AI 在输出结果上难免要犯傻，毕竟就像这位网友所说的……

最后，祝广大程序员们都能写出没有 bug 的代码