北京年夜学、微软亚洲研讨院和中国电子科技年夜学就一路测验考试着让AI找bug。微软亚洲研讨院的Lily Sun在微软官方博客上引见称，他们开辟的准确状况体系（Accurate Condition System, ACS），能在人类不加干涉的情形下主动修复软件体系中的Bug。
他们关于ACS的论文Precise Condition Synthesis for Program Repair揭橥活着界软件工程年夜会ICSE 2017上。
ACS会主动修复甚么样的bug呢？Lily Sun举了个例子：
int lcm=Math.abs（mulAndCheck（a/gdc（a,b）， b））；
return lcm;
这是Apache Math中的一段代码，用来盘算两个数的最小公倍数，而且引入了Math.abs来确保前往的值是负数。然则，这个法式出缺陷，有时刻照样会前往负值。
我们可以创立一个测试来找到个中的毛病。测试的输出是a=Integer.MIN_VALUE、b=1，预期的输入是throw ArithmeticException。
把这个法式和响应的测试输出到ACS中，ACS会主动生成第2、3行的途径，修复法式缺点：
int lcm=Math.abs（mulAndCheck（a/gdc（a,b）， b））；
+ if （lcm == Integer.MIN_VALUE） {
+ throw new ArithmeticException（）；
+ }
return lcm;
让算法本身改bug这件事，从2009年开端就有研讨，弗吉尼亚年夜学盘算机系的Westley Weimer、新墨西哥年夜学的Stephanie Forrest和卡耐基梅隆年夜学的Claire Le Goues，就一路开辟了Genprog。
而ACS，在后人研讨的基本上年夜幅晋升了精确率。在Defects4J基准上的测试成果显示，ACS生成的23个补钉中，有18个是准确的，精确率近80%。
ACS精确率的晋升重要得益于有更多的信息起源，特殊是网上的年夜量代码。与以往的办法比拟，ACS有以下三种新的信息起源：
一是用部分性准绳信息对补钉中的变量停止排序；
二是用天然说话剖析技巧来剖析Javadoc，然后用Javadoc中的信息来过滤不准确的补钉；
三是经由过程对网上的开源法式停止统计剖析，发明对变量停止操作的前提几率，进而生成准确的补钉。
