تصميم أداة لتحديد مصدر الأخطاء عن تحديثات البرامج

تحديثات البرامج التي تهدف إلى جعل التطبيقات تعمل بشكل أسرع عن غير قصد تنتهي بالأمر المعاكس.

رسم تخطيطي يوضح كيف تعمل خوارزمية التعلم العميق لمزاهد. الخوارزمية جاهزة للكشف عن الشذوذ بعد تدريبها أولاً على بيانات عدادات الأداء من نسخة خالية من الأخطاء من البرنامج. الائتمان: تكساس ايه اند ام الهندسية

 هذه الأخطاء التي يطلق عليها اسم مجال علوم الكمبيوتر على أنها انحرافات في الأداء  تستغرق وقتًا طويلاً لإصلاحها حيث أن تحديد موقع أخطاء البرامج يتطلب عادة تدخلًا بشريًا كبيرًا.

أقراء أيضاً

1. اصلاح جهاز الكمبيوتر: كيفية زيادة سرعة الكمبيوتر - خطوات تسريع جهاز الكمبيوتر
2. حل مشكلة البلوتوث في ويندوز: تعرف على طرق لإصلاح مشاكله البلوتوث

يقوم علماء الكمبيوتر بتصميم أداة لتحديد مصدر الأخطاء الناتجة عن تحديثات البرامج

للتغلب على هذه العقبة ، طور الباحثون في جامعة تكساس إيه آند إم ، بالتعاون مع علماء الكمبيوتر في مختبرات إنتل ، طريقة تلقائية كاملة لتحديد مصدر الأخطاء الناجمة عن تحديثات البرامج . الخوارزمية الخاصة بهم ، التي تستند إلى شكل متخصص من التعلم الآلي تسمى التعلم العميق ، ليست فقط جاهزة ، ولكنها أيضًا سريعة ، وتجد أخطاء في الأداء في غضون ساعات قليلة بدلاً من أيام.

وقال الدكتور عبد الله مزاهد ، الأستاذ المساعد في قسم الكمبيوتر: "يمكن أن يؤدي تحديث البرامج في بعض الأحيان إلى تشغيلك عندما تزحف الأخطاء وتتسبب في حدوث تباطؤ. هذه المشكلة مبالغ فيها بشكل أكبر بالنسبة للشركات التي تستخدم أنظمة برمجية كبيرة الحجم تتطور باستمرار". العلوم والهندسة. "لقد صممنا أداة مناسبة لتشخيص انحدارات الأداء المتوافقة مع مجموعة كاملة من لغات البرمجة واللغات ، مما يزيد من فائدته بشكل كبير."

وصف الباحثون النتائج التي توصلوا إليها في الطبعة 32 من التقدم في نظم معالجة المعلومات العصبية من وقائع مؤتمر نظم معالجة المعلومات العصبية في ديسمبر.

لتحديد مصدر الأخطاء داخل البرنامج ، غالبًا ما يتحقق مصحح الأخطاء من حالة عدادات الأداء داخل وحدة المعالجة المركزية. هذه العدادات عبارة عن سطور من التعليمات البرمجية التي تراقب كيفية تنفيذ البرنامج على أجهزة الكمبيوتر في الذاكرة ، على سبيل المثال. لذلك ، عندما يتم تشغيل البرنامج ، تقوم العدادات بتتبع عدد المرات التي يصل فيها إلى مواقع معينة للذاكرة ، والوقت الذي يبقيه هناك ، وعندما يخرج ، من بين أشياء أخرى. وبالتالي ، عندما ينفجر سلوك البرنامج ، يتم استخدام العدادات مرة أخرى للتشخيص.

وقال مزاهد "عدادات الأداء تعطي فكرة عن صحة تنفيذ البرنامج". "لذلك ، إذا كان بعض البرامج لا يعمل كما هو مفترض ، فعادةً ما يكون لهذه العدادات علامة بليغة على السلوك الشاذ."

ومع ذلك ، تحتوي أجهزة سطح المكتب والخوادم الحديثة على المئات من عدادات الأداء ، مما يجعل من المستحيل تقريبًا تتبع جميع حالاتهم يدويًا ثم البحث عن أنماط شاذة تشير إلى وجود خطأ في الأداء. هذا هو المكان الذي يأتي فيه التعلم الآلي لمزاهد.

باستخدام التعلم العميق ، تمكن الباحثون من مراقبة البيانات الواردة من عدد كبير من العدادات في وقت واحد عن طريق تقليل حجم البيانات ، وهو ما يشبه ضغط صورة عالية الدقة إلى جزء صغير من حجمها الأصلي عن طريق تغيير شكلها . في البيانات ذات الأبعاد الأدنى ، يمكن للخوارزمية الخاصة بها البحث عن أنماط تنحرف عن المعتاد.

عندما كانت الخوارزمية جاهزة ، اختبر الباحثون ما إذا كان بإمكانهم إيجاد وتشخيص خطأ في الأداء في برنامج لإدارة البيانات متاح تجارياً تستخدمه الشركات لتتبع أرقامهم وأرقامهم. أولاً ، قاموا بتدريب الخوارزمية الخاصة بهم على التعرف على بيانات العداد العادية من خلال تشغيل إصدار أقدم وخالي من العيوب لبرنامج إدارة البيانات. بعد ذلك ، قاموا بتشغيل الخوارزمية الخاصة بهم على إصدار محدث من البرنامج مع تراجع الأداء. لقد وجدوا أن الخوارزمية الخاصة بهم حددت موقع الخلل وتم تشخيصه في غضون ساعات قليلة. وقال مزاهد إن هذا النوع من التحليل قد يستغرق وقتًا طويلاً إذا تم القيام به يدويًا.

بالإضافة إلى تشخيص انحدارات الأداء في البرامج ، أشار مزاهد إلى أن خوارزمية التعلم العميق لديها استخدامات محتملة في مجالات أخرى من البحث ، مثل تطوير التكنولوجيا اللازمة للقيادة الذاتية.

وقال مزاهد "الفكرة الأساسية هي نفسها مرة أخرى ، وهي القدرة على اكتشاف نمط شاذ". "يجب أن تكون السيارات ذاتية القيادة قادرة على اكتشاف ما إذا كانت سيارة أو إنسان أمامها ثم تتصرف وفقًا لذلك. لذلك ، مرة أخرى شكلاً من أشكال الكشف عن الحالات الشاذة والخبر السار هو أن الخوارزمية هي ما تم تصميمه بالفعل لدينا للقيام به ".

ومن بين المساهمين الآخرين في البحث الدكتور مجبة علام ، والدكتورة جوستين غوتشلش ، والدكتور نسيم تاتبول ، والدكتور خافيير توريك ، والدكتور تيموثي ماتسون من إنتل لابز.