可以参考经典文章:
"The Unreasonable Effectiveness of Recurrent Neural Networks"
http://karpathy.github.io/2015/05/21/rnn-effectiveness/
后面有使用RNN做code generation的例子.
(拿linux kernel当input, 产生出很像是人写的 kernel code.)
刚才随意google了 "deep learning automatic code generation",
也有一篇是 Automatic Patch Generation by Learning Correct Code (MIT AI lab, 2016的论文).
未来一定会有越来越多的auto code generation是透过类deep learning的技术做出来的.
只是要做到让机器自己写code，会在那个次领域先成熟(以及还要多久时间)，个人是觉得有点蛮遥远就是了~
关于哪个次领域会先成熟，之前跟人讨论时，有朋友提到是IC的driver code~ (尤其是一些小的IP block).
但后来跟朋友提，IC driver通常写了一两代，就会比较稳定了。
而新的IP 则没有样本可以预先learning，因此个人觉得driver code不像是会先应用auto coding的领域?
不知道大家觉得哪个领域的programming比较容易做到learning -> auto coding呢?
※ 引述《ripple0129 (perry tsai)》之铭言：
: 深度学习透过让机器大量的参与可以拥有归纳规则的能力，
: 设计模式中也只是透过大量遇到code常见的问题所归纳产生的解决方法。
: 换而言之，让软件大量观察程式码或许未来真的可以靠机器自己写软件？
: 人常说机器跟人差别的是创造的能力，
: 但事实上创造，多数情形下也是先透过学习不同的领域，
: 然后找出领域之中的可结合点，
: 创造出新的事物，
: 如果按照这个逻辑，
: 似乎机器学习写程式码是可行的。
: 记得以前练习过一个算法叫Quine，
: 就是用程式语言print出自己的原始码。
: 我相信这对机器学习来说写出这东西应该不是难事，
: 也就是说，让软件写出原始码可行性应该是极高的。
: 但我们无法掌控的地方却是，
: 如果机器可以自行产生程式码，
: 那么他会产生怎样的程式码？
: 他会创造出怎样的功能？
: 这似乎变成难以预测的结果。
: 如果有一天机器能产生原始码，
: 我想这后果似乎是比我们程式设计师失业还要来的恐怖吧。