JP7351352B2 - プログラム生成装置、プログラム生成方法及びプログラム - Google Patents

Description

本発明は、プログラム生成装置、プログラム生成方法及びプログラムに関する。

近年、社会全体のＩＴ化が進む一方で、ＩＴ人材の不足が大きな問題となっている。経済産業省の試算によると、２０２５年には約３６万人のＩＴ人材が不足すると予測されている。特に専門的な知識を必要とする実装工程におけるＩＴ人材の不足は喫緊の課題であり、自動でプログラミングを行う自動プログラミング技術の研究開発が求められている。

従来、自動プログラミング技術として、自然言語を用いた自動プログラミングや入出力例を用いた自動プログラミング等が知られている。

自然言語を用いた自動プログラミングでは、ユーザが自然言語によって記述した仕様からプログラムを自動生成する。例えば、非特許文献１には、自然言語と対応するプログラムの関係を機械翻訳モデルを使用して学習することで、自然言語からプログラムを自動生成することを可能とする技術が開示されている。

入出力例を用いた自動プログラミングでは、ユーザがプログラムの具体的な入出力例を１つ以上与え、その入出力例を満たすようにプログラムの部品を合成する。例えば、非特許文献２には、与えられた入出力例を満たすＥｘｃｅｌ（登録商標）関数を自動合成する技術が開示されている。

札場 寛之, 小田 悠介, Graham Neubig, 吉野 幸一郎, 中村 哲、"統計的機械翻訳を用いた自然言語からのソースコード生成" 言語処理学会 第22回年次大会 発表論文集 (2016年3月)、［online］、インターネット＜URL：https://ahcweb01.naist.jp/papers/conference/2015/201603_NLP_Fudaba_1/201603_NLP_Fudaba_1.paper.pdf＞ Sumit Gulwani、"Automating String Processing in Spreadsheets Using Input-Output Examples" POPL '11 Proceedings of the 38th annual ACM SIGPLAN-SIGACT symposium on Principles of programming languages Pages 317-330、［online］、インターネット＜URL：https://dl.acm.org/citation.cfm?id=1926423＞

しかしながら、自然言語というあいまいな情報から正しいプログラムを生成することは難しく、プログラム全体の構造は正しい構造に対して近い物ができても、細かい処理の部分について誤ったプログラムが生成されてしまう可能性が高い。

また、入出力例はそのプログラムが満たす仕様の一例にすぎず、情報量が少ないといった欠点がある。そのため、入出力例にオーバーフィッティングしたプログラムが生成されてしまう可能性が高い。

本発明は、上記の点に鑑みてなされたものであって、所望のプログラムが自動生成される可能性を高めることを目的とする。

そこで上記課題を解決するため、プログラム生成装置は、自然言語によって記述されたプログラムの仕様と、前記プログラムとの関係を学習したモデルに対して、生成対象のプログラムについて自然言語によって記述された仕様を入力して第１のプログラムを生成する生成部と、複数のプログラム部品を用いて前記第１のプログラムを変更して、１以上の入力値及び出力値の組を満たす第２のプログラムを生成する変更部と、を有する。

所望のプログラムが自動生成される可能性を高めることができる。

本発明の実施の形態におけるプログラム生成装置１０のハードウェア構成例を示す図である。 本発明の実施の形態におけるプログラム生成装置１０の機能構成例を示す図である。 プログラム生成装置１０が実行する処理手順の一例を説明するためのフローチャートである。 生成モデルの学習処理の処理手順の一例を説明するためのフローチャートである。 学習用データセットの例を示す図である。 雛形コード生成処理の処理手順の一例を説明するためのフローチャートである。 雛形コード生成処理の具体例を示す図である。 プログラム合成処理の処理手順の一例を説明するためのフローチャートである。 入出力例セットの一例を示す図である。 プログラム部品リストの一例を示す図である。 合成コードの変更処理によって生成される合成コードの一例を示す図である。

以下、図面に基づいて本発明の実施の形態を説明する。図１は、本発明の実施の形態におけるプログラム生成装置１０のハードウェア構成例を示す図である。図１のプログラム生成装置１０は、それぞれバスＢで相互に接続されているドライブ装置１００、補助記憶装置１０２、メモリ装置１０３、ＣＰＵ１０４、インタフェース装置１０５、表示装置１０６、及び入力装置１０７等を有する。

プログラム生成装置１０での処理を実現するプログラムは、ＣＤ－ＲＯＭ等の記録媒体１０１によって提供される。プログラムを記憶した記録媒体１０１がドライブ装置１００にセットされると、プログラムが記録媒体１０１からドライブ装置１００を介して補助記憶装置１０２にインストールされる。但し、プログラムのインストールは必ずしも記録媒体１０１より行う必要はなく、ネットワークを介して他のコンピュータよりダウンロードするようにしてもよい。補助記憶装置１０２は、インストールされたプログラムを格納すると共に、必要なファイルやデータ等を格納する。

メモリ装置１０３は、プログラムの起動指示があった場合に、補助記憶装置１０２からプログラムを読み出して格納する。ＣＰＵ１０４は、メモリ装置１０３に格納されたプログラムに従ってプログラム生成装置１０に係る機能を実現する。インタフェース装置１０５は、ネットワークに接続するためのインタフェースとして用いられる。表示装置１０６はプログラムによるＧＵＩ（Graphical User Interface）等を表示する。入力装置１０７はキーボード及びマウス等で構成され、様々な操作指示を入力させるために用いられる。

図２は、本発明の実施の形態におけるプログラム生成装置１０の機能構成例を示す図である。図２において、プログラム生成装置１０は、学習部１１、雛形コード生成部１２、プログラム合成部１３、合成プログラム実行部１４及び入出力結果判定部１５を有する。これら各部は、プログラム生成装置１０にインストールされた１以上のプログラムが、ＣＰＵ１０４に実行させる処理により実現される。

以下、プログラム生成装置１０が実行する処理手順について説明する。図３は、プログラム生成装置１０が実行する処理手順の一例を説明するためのフローチャートである。

ステップＳ１０において、学習部１１は、ＲＮＮ（Recurrent Neural Network）等のニューラルネットワークによって構成されるモデル（以下、「生成モデル」という。）に、自然言語で記述された仕様と、プログラム（のソースコード）との関係性を学習させる。

続いて、雛形コード生成部１２は、雛形コード生成処理を実行する（Ｓ２０）。雛形コード生成処理では、ステップＳ１０において学習済みの生成モデルに対して、生成対象のプログラム（以下「対象プログラム」という。）について自然言語によって記述された仕様が入力されて、対象プログラムの初版の（元となる）プログラムのソースコード（以下、「雛形コード」という。）が生成される。なお、ステップＳ２０は、ステップＳ１０に対して非同期に実行されてもよい。また、雛形コード生成処理は、非特許文献１に開示された技術を用いて実行されてもよい。

続いて、プログラム合成部１３、合成プログラム実行部１４及び入出力結果判定部１５は、プログラム合成処理を実行する（Ｓ３０）。プログラム合成処理では、雛形コード生成処理において生成された雛形コードをベースとして、予め生成された入出力例（１以上の入力値及び出力値の組）を満たすプログラム生成されるまで雛形コードの一部の変更が繰り返される（雛形コードが一部ずつ累積的に変更される）ことで、仕様（作成者の意図）を満たすような対象プログラムが自動生成される。

すなわち、本実施の形態では、自然言語で記述された対象プログラムの仕様と入出力例という２つの情報を用いることで、仕様に沿ったプログラムが生成される可能性が高められる。

続いて、図３のステップＳ１０の詳細について説明する。図４は、生成モデルの学習処理の処理手順の一例を説明するためのフローチャートである。

ステップＳ１０１において、学習部１１は、学習用データセットに含まれる各学習データに含まれている、自然言語で記述されたプログラムの仕様を単語単位に分解（分割）する。その結果、各仕様は、単語の配列（以下「単語列」という。）に変換される。

図５は、学習用データセットの例を示す図である。図５において、１つの表が１つの学習データに対応する。学習用データセットのデータ構造をＢＮＦ（Backus-Naur form）記法に基づく形式によって記すと以下の通りである。
＜学習用データセット＞：：＝［仕様 ソースコード］＋
すなわち、学習用データセットは、自然言語で記述された仕様とプログラムのソースコードとから構成される１以上の学習データの集合である。このような学習用データセットが予め複数用意され、例えば、補助記憶装置１０２に記憶されている。

続いて、学習部１１は、学習用データセットに含まれる各学習データのソースコードをトークン単位に分解（分割）する（Ｓ１０２）。その結果、各ソースコードは、トークンの配列（以下「トークン列」という。）に変換される。なお、トークンとは、コンパイラなどがプログラムのソースコードを解析する際に、コード上で意味を持つ最小単位の文字の並びをいう。

続いて、学習部１１は、学習データごとに、当該学習データに係る単語列及びトークン列の関係を生成モデルに学習させる（Ｓ１０３）。

続いて、図３のステップＳ２０の詳細について説明する。図６は、雛形コード生成処理の処理手順の一例を説明するためのフローチャートである。

ステップＳ２０１において、雛形コード生成部１２は、対象プログラムの仕様（以下「対象仕様」という。）を入力する。対象仕様は、例えば、予め補助記憶装置１０２に記憶されている。

続いて、雛形コード生成部１２は、対象仕様を単語単位に分解する（Ｓ２０２）。その結果、対象仕様に含まれる単語の配列（単語列）が生成される。

続いて、雛形コード生成部１２は、当該単語列を生成モデルに入力することで、対象プログラムのソースコード（雛形コード）を生成する（Ｓ２０３）。すなわち、生成モデルから対象プログラムのトークン列が出力され、当該トークン列に基づいて雛形コードが得られる。

図７は、雛形コード生成処理の具体例を示す図である。図７には、仕様の具体例、仕様に基づく単語列の具体例、当該単語列が生成モデルに入力されることで生成モデルから出力される雛形コードの具体例が示されている。

続いて、図３のステップＳ３０の詳細について説明する。図８は、プログラム合成処理の処理手順の一例を説明するためのフローチャートである。

ステップＳ３０１において、プログラム合成部１３は、雛形コードを合成コードとする。ステップＳ３０１は、単に、呼称の変更に過ぎない。

続いて、合成コードごとにステップＳ３０２及びＳ３０３を含むループ処理Ｌ１が実行される。以下、ループ処理Ｌ１において処理対象とされている合成コードを「対象コード」という。但し、最初にループ処理Ｌ１が実行される際の合成コードは１つの雛形コードである。

ステップＳ３０２において、合成プログラム実行部１４は、対象コードをコンパイル及びリンク等することで、実行形式のプログラム（以下「合成プログラム」という。）を生成する。

続いて、合成プログラム実行部１４は、当該合成プログラム（以下「対象合成プログラム」という。）に対し、予め用意されている入出力例セットに含まれる各入出力例の入力値を入力して対象合成プログラムを実行し、入出力例ごとに出力値を得る（Ｓ３０３）。入出力例セットは、入出力に関して対象プログラムが満たすべき条件を示す情報であり、例えば、予め設定されて補助記憶装置１０２に記憶されている。

図９は、入出力例セットの一例を示す図である。図９に示される入出力例セットのデータ構造をＢＮＦ記法に基づく形式によって記すと以下の通りである。
＜入出力例セット＞：：＝＜入出力例＞＋
＜入出力例＞：：＝＜入力例＞＜出力例＞
＜入力例＞：：＝入力値＋
＜出力例＞：：＝出力値＋
すなわち、入出力例セットは１以上の入出力例を含む。１つの入出力例は入力例及び出力例の組である。入力例とは１以上の入力値をいい、出力例とは１以上の出力値をいう。

例えば、入出力例セットに含まれる入出力例がＭ個である場合、合成プログラム実行部１４は、ステップＳ３０３において、Ｍ個の入力値ごとに当該入力値を入力として対象合成プログラムを実行し、Ｍ個の出力値を得る。

ループ処理Ｌ１が終了すると、入出力結果判定部１５は、全ての出力値が、当該出力値に対応する入力値が属する入出力例の出力例に一致する合成プログラムの有無を判定する（Ｓ３０４）。すなわち、ループ処理Ｌ１において処理対象とされた合成プログラムの中で、ステップＳ３０３において得られた全ての出力値が期待通りであった（正しかった）合成プログラムの有無が判定される。なお、最初にステップＳ３０４が実行される場合、ループ処理Ｌ１では雛形コードに基づいて生成された１つの合成プログラムのみが処理対象とされる。したがって、この場合、ステップＳ３０４では、当該合成プログラムの入出力の結果について判定が行われる。

該当する合成プログラムが無い場合（Ｓ３０４でＮｏ）、プログラム合成部１３は、合成コードの変更処理を実行する（Ｓ３０５）。合成コードの変更処理では、元の合成コードの一部を変更して、複数（Ｎ個）の合成コードが生成される。合成コードの一部の変更には、例えば、遺伝的アルゴリズムが用いられてもよい。すなわち、前世代の合成コードに対してＮ回の遺伝的操作が行われて、Ｎ個の次世代の合成コードが生成されてもよい。ここで、Ｎは、遺伝的アルゴリズムの一世代における個体（ソースコード）の個数である。この際、遺伝的アルゴリズムの適用対象とされる各合成コードは、例えば、演算子を親ノードとし、当該演算子による演算対象である変数、定数、又は演算子を子ノードとする木構造によって表現され、木構造の部分木が遺伝的操作の対象とされる。Ｎ回の遺伝的操作において対象とされる個体の選択のための評価には、出力値の合格率（出力値が正解だった割合）が用いられてもよい。

また、突然変異において前世代の合成コードの一部に置き換わる候補として、例えば、予め補助記憶装置１０２に記憶されているプログラム部品リストに含まれるプログラム部品が用いられる。

図１０は、プログラム部品リストの一例を示す図である。図１０に示されるプログラム部品リストのデータ構造をＢＮＦ記法に基づく形式によって記すと以下の通りである。
＜プログラム部品リスト＞：：＝プログラム部品＋
すなわち、プログラム部品リストは、１以上のプログラム部品（のソースコード）を含む。図１０では、定数とメソッドとにプログラム部品が分類されている。ここで、１つの定数が１つのプログラム部品に相当し、１つのメソッドが１つのプログラム部品に相当する。すなわち、図１０において破線で囲まれた単位が、１つのプログラム部品の単位に相当する。

なお、最初にステップＳ３０５が実行される場合、前世代の個体（合成コード）は雛形コードの１つである。したがって、この場合、当該雛形コードをコピーすることで、同一のＮ個の合成コードが生成され、当該Ｎ個の合成コードに対して、Ｎ回の遺伝的操作が行われればよい。その結果、Ｎ個の新たな合成プログラムが生成される。

図１１は、合成コードの変更処理によって生成される合成コードの一例を示す図である。図１１に示されるように、１回の合成処理によってＮ個の合成コードが生成される。

なお、遺伝的アルゴリズムを用いたプログラムの合成処理には、ＤＥＡＰ（https://deap.readthedocs.io/en/master/）等、既存のライブラリを用いられてもよい。

続いて、Ｎ個の合成コードについてループ処理Ｌ１以降が実行される。したがって、この場合、ステップＳ３０２及びＳ３０３はＮ回実行される。

一方、ステップＳ３０４の条件を満たす合成プログラムが有る場合（Ｓ３０４でＹｅｓ）、入出力結果判定部１５は、当該合成プログラムのソースコード（合成コード）を出力する（Ｓ３０６）。すなわち、当該合成プログラムが、対象プログラムであると判定される。なお、ステップＳ３０４の条件を合成プログラムが複数有る場合、それぞれの合成プログラムのソースコードが出力されればよい。

例えば、図９に示される３つの入出力例が入出力例セットを構成する全ての入出力例である場合、図１１において左から２番目の合成コードが対象プログラム（のソースコード）として出力される。

上述したように、本実施の形態によれば、自然言語で記述されたプログラムの仕様（文字列）と入出力例という２つの情報を用いて、当該仕様を満たすことが期待されるプログラムが自動生成される。すなわち、プログラムの仕様（作成者の意図）を記述した自然言語と対応するプログラムの関係性を学習した生成モデルを用いて雛形コードが自動生成され、当該雛形コードに基づいて、全ての入出力例を満たすプログラムが生成されるまで、プログラムの修正（変更）が繰り返される。その結果、従来技術と比較して、所望のプログラムが自動生成される可能性を高めることができる。

なお、本実施の形態において、雛形コードは、第１のプログラムの一例である。雛形コード生成部１２は、生成部の一例である。プログラム合成部１３は、変更部の一例である。対象プログラムは、第２のプログラムの一例である。

以上、本発明の実施の形態について詳述したが、本発明は斯かる特定の実施形態に限定されるものではなく、請求の範囲に記載された本発明の要旨の範囲内において、種々の変形・変更が可能である。

１０ プログラム生成装置
１１ 学習部
１２ 雛形コード生成部
１３ プログラム合成部
１４ 合成プログラム実行部
１５ 入出力結果判定部
１００ ドライブ装置
１０１ 記録媒体
１０２ 補助記憶装置
１０３ メモリ装置
１０４ ＣＰＵ
１０５ インタフェース装置
１０６ 表示装置
１０７ 入力装置
Ｂ バス

Claims (5)

1. 自然言語によって記述されたプログラムの仕様と、前記プログラムとの関係を学習したモデルに対して、生成対象のプログラムについて自然言語によって記述された仕様を入力して第１のプログラムを生成する生成部と、
   複数のプログラム部品を用いて前記第１のプログラムを変更して、１以上の入力値及び出力値の組を満たす第２のプログラムを生成する変更部と、
   を有することを特徴とするプログラム生成装置。
2. 前記変更部は、前記第２のプログラムが生成されるまで、前記第１のプログラムの一部の変更を累積的に繰り返す、
   ことを特徴とする請求項１記載のプログラム生成装置。
3. 自然言語によって記述されたプログラムの仕様と、前記プログラムとの関係を学習したモデルに対して、生成対象のプログラムについて自然言語によって記述された仕様を入力して第１のプログラムを生成する生成手順と、
   複数のプログラム部品を用いて前記第１のプログラムを変更して、１以上の入力値及び出力値の組を満たす第２のプログラムを生成する変更手順と、
   をコンピュータが実行することを特徴とするプログラム生成方法。
4. 前記変更手順は、前記第２のプログラムが生成されるまで、前記第１のプログラムの一部の変更を累積的に繰り返す、
   ことを特徴とする請求項３記載のプログラム生成方法。
5. 請求項３又は４記載のプログラム生成方法をコンピュータに実行させることを特徴とするプログラム。

Images