可以參考經典文章:
"The Unreasonable Effectiveness of Recurrent Neural Networks"
http://karpathy.github.io/2015/05/21/rnn-effectiveness/
後面有使用RNN做code generation的例子.
(拿linux kernel當input, 產生出很像是人寫的 kernel code.)
剛才隨意google了 "deep learning automatic code generation",
也有一篇是 Automatic Patch Generation by Learning Correct Code (MIT AI lab, 2016的論文).
未來一定會有越來越多的auto code generation是透過類deep learning的技術做出來的.
只是要做到讓機器自己寫code，會在那個次領域先成熟(以及還要多久時間)，個人是覺得有點蠻遙遠就是了~
關於哪個次領域會先成熟，之前跟人討論時，有朋友提到是IC的driver code~ (尤其是一些小的IP block).
但後來跟朋友提，IC driver通常寫了一兩代，就會比較穩定了。
而新的IP 則沒有樣本可以預先learning，因此個人覺得driver code不像是會先應用auto coding的領域?
不知道大家覺得哪個領域的programming比較容易做到learning -> auto coding呢?
※ 引述《ripple0129 (perry tsai)》之銘言：
: 深度學習透過讓機器大量的參與可以擁有歸納規則的能力，
: 設計模式中也只是透過大量遇到code常見的問題所歸納產生的解決方法。
: 換而言之，讓軟體大量觀察程式碼或許未來真的可以靠機器自己寫軟體？
: 人常說機器跟人差別的是創造的能力，
: 但事實上創造，多數情形下也是先透過學習不同的領域，
: 然後找出領域之中的可結合點，
: 創造出新的事物，
: 如果按照這個邏輯，
: 似乎機器學習寫程式碼是可行的。
: 記得以前練習過一個演算法叫Quine，
: 就是用程式語言print出自己的原始碼。
: 我相信這對機器學習來說寫出這東西應該不是難事，
: 也就是說，讓軟體寫出原始碼可行性應該是極高的。
: 但我們無法掌控的地方卻是，
: 如果機器可以自行產生程式碼，
: 那麼他會產生怎樣的程式碼？
: 他會創造出怎樣的功能？
: 這似乎變成難以預測的結果。
: 如果有一天機器能產生原始碼，
: 我想這後果似乎是比我們程式設計師失業還要來的恐怖吧。