Gottschlich在LinkedIn上的一篇博文中提到：“最近 ， ControlFlag通过在专有生产级软件中识别数百个与内存和潜在系统崩溃错误相关的缺陷 ， 取得了最先进的进展 。 此外 ， ControlFlag在几个高质量的开源软件存储库中也发现了数十个新的异常 。 ”
ControlFlag可与任何包含控制结构的编程语言一起使用 ， 并利用无监督学习来减少调试工作 ， 从未标记的源代码中学习 。 随着新数据的引入 ， 它会不断发展以使其实现自我发展 。 ControlFlag将自学对数据进行分类 ， 从其固有结构中学习处理未标记的数据 。
ControlFlag不断从未标记的源代码中学习 ， 随着新数据的引入 ， 不断“进化”使自己变得更好 。 虽然ControlFlag还不能自动减轻它发现的编程缺陷 ， 但该工具为开发人员提供了潜在的更正建议 ， Gottschlich表示 ，
三、减少代码调试时间 ， 培育开源生态
这些惊人的结果显示了ControlFlag能够显著提高软件开发的成本和效率 。 此外 ， 对高质量代码的需求增多 ， 吸引了越来越多的有抱负的程序员加入这个行业 。
最近的一项研究发现 ， 2020年IT行业在与调试代码相关的软件开发成本上花费了约2万亿美元 ， 其中约50%的IT预算用于调试代码 。
“英特尔致力于使软件更加完善 ， 维护起来更轻松 ， 同时保持卓越的性能 ， 而不会引入安全漏洞 。 我们希望像ControlFlag这样的项目可以大大减少在全球范围内开发软件所需的时间 。 ”Gottschlich表示 ， “在调试上花费的大量时间被节省 ， 从而使我们能够加速技术进步 。 ”
ControlFlag等AI驱动的编码工具以及代码补全工具Tabnine、代码测试工具Ponicode、代码安全审核工具Snyk和代码审查软件DeepCode等平台会减少开发人员之间代价高昂的交互 ， 例如问答环节和重复的代码审查反馈 。 国际商业机器公司（IBM）和人工智能公司OpenAI致力于研究机器学习在软件开发领域的应用 ， 是潜力十足的众多公司之二 。 但研究显示 ， 实现零人工干预有很长的路要走 ， 才可以代替许多需要程序员定期执行的任务 。
结论：ControlFlag开源 ， 工具认可度等待“检验”
ControlFlag测试过程中发现的错误被开发人员认可 ， 展示了机器编程工具在软件开发领域的广阔前景 。
英特尔机器编程研究团队专注于提高软件质量和开发人员生产力 。 开源ControlFlag后 ， 将进一步致力于实现零人工干预 。 针对提高软件开发领域的成本、效率问题 ， 众多代码测试、补全、审核工具上线 ， 多个头部玩家在机器编程研究领域共同努力 ， 将进一步提高软件开发领域的准确率、安全性 。
来源：VentureBeat、LinkedIn