北京年夜學、微軟亞洲研討院和中國電子科技年夜學就一路測驗考試著讓AI找bug。微軟亞洲研討院的Lily Sun在微軟官方博客上引見稱，他們開辟的準確狀況體系（Accurate Condition System, ACS），能在人類不加干涉的情形下主動修復軟件體系中的Bug。
他們關于ACS的論文Precise Condition Synthesis for Program Repair揭橥活著界軟件工程年夜會ICSE 2017上。
ACS會主動修復甚么樣的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，用來盤算兩個數的最小公倍數，而且引入了Math.abs來確保前往的值是負數。然則，這個法式出缺陷，有時刻照樣會前往負值。
我們可以創立一個測試來找到個中的毛病。測試的輸出是a=Integer.MIN_VALUE、b=1，預期的輸入是throw ArithmeticException。
把這個法式和響應的測試輸出到ACS中，ACS會主動生成第2、3行的途徑，修復法式缺點：
int lcm=Math.abs（mulAndCheck（a/gdc（a,b）， b））；
+ if （lcm == Integer.MIN_VALUE） {
+ throw new ArithmeticException（）；
+ }
return lcm;
讓算法本身改bug這件事，從2009年開端就有研討，弗吉尼亞年夜學盤算機系的Westley Weimer、新墨西哥年夜學的Stephanie Forrest和卡耐基梅隆年夜學的Claire Le Goues，就一路開辟了Genprog。
而ACS，在后人研討的基本上年夜幅晉升了精確率。在Defects4J基準上的測試成果顯示，ACS生成的23個補釘中，有18個是準確的，精確率近80%。
ACS精確率的晉升重要得益于有更多的信息起源，特殊是網上的年夜量代碼。與以往的辦法比擬，ACS有以下三種新的信息起源：
一是用部分性準繩信息對補釘中的變量停止排序；
二是用天然說話剖析技巧來剖析Javadoc，然后用Javadoc中的信息來過濾不準確的補釘；
三是經由過程對網上的開源法式停止統計剖析，發明對變量停止操作的前提幾率，進而生成準確的補釘。
