أخبار تقنية
نماذج GPT-6.. دقة 97.9% في تحديث شيفرات البرمجة القديمة
حققت نماذج GPT-6، وفقًا للنتائج الواردة في التقرير، تقدمًا في فهم لغات البرمجة القديمة وتحويل الشيفرات إلى لغات حديثة، مع دقة وصلت إلى 97.9% في بعض اختبارات الترجمة.
وقد تساعد هذه القدرات البنوك والمؤسسات الحكومية والصناعية على تحديث أنظمتها التي تعتمد على برامج كُتبت قبل عقود، مع تقليل الوقت والتكاليف اللازمة لهذه العملية.
نماذج GPT-6 تساعد على تحديث أنظمة مصرفية قديمة
لا تزال لغات مثل COBOL وFortran وVisual Basic تشغّل أنظمة مهمة حول العالم، رغم مرور سنوات طويلة على ظهورها. وتكمن صعوبة تحديث هذه الأنظمة في تعقيد الشيفرات القديمة، ونقص التوثيق أحيانًا، واحتمال حدوث أخطاء تؤثر في الحسابات أو الخدمات الأساسية.
ووفقًا للأرقام الواردة في التقرير، تشغّل COBOL نحو 40% من أنظمة الخدمات المصرفية عبر الإنترنت و95% من معاملات أجهزة الصراف الآلي عالميًا. أما Fortran، فتُستخدم في الحسابات العلمية المعقدة، مثل نماذج التنبؤ بالطقس ومحاكاة سلامة المفاعلات النووية.
اختبار MultiLangBench يقيس قدرات البرمجة
طورت OpenAI معيارًا للاختبار يحمل اسم MultiLangBench، لقياس قدرة النماذج على إنشاء محرك قواعد بيانات باستخدام 20 لغة برمجة مختلفة.
وبحسب النتائج المنشورة، حقق نموذج GPT-6 Astra متوسط نجاح بلغ 87.4%، مقابل 26.8% للجيل السابق. كما ارتفعت نتيجة النموذج في COBOL من 10.9% إلى 72.1%، بينما سجل 83.5% في Fortran.
- روبوت PhoneBot يحول هاتف أندرويد قديم إلى روبوت بشري منخفض التكلفة
- الذكاء الاصطناعي في تطوير الألعاب.. 86% من مطوري اليابان يعتمدون عليه
وتشير هذه النتائج إلى تحسن قدرة النماذج على التعامل مع لغات أقل شيوعًا وفهم البنية الداخلية للشيفرات المعقدة.
نماذج GPT-6.. دقة 97.9% في تحديث شيفرات البرمجة القديمة
دقة ترجمة الشيفرات تصل إلى 97.9%
تظهر أهمية نماذج GPT-6 أيضًا في تحويل البرامج القديمة إلى لغات حديثة مثل Python وJava وC++ وKotlin وRust.
ووفقًا للتقرير، حقق GPT-6.1 Sol دقة بلغت 86.6% في أحد اختبارات الترجمة عند استخدام مستوى منخفض من الاستدلال، قبل أن ترتفع النتيجة إلى 97.9% مع زيادة قدرات الاستدلال المستخدمة.
ولا يقتصر التحدي على تحويل الشيفرات إلى لغة جديدة، بل يشمل الحفاظ على سلوك البرنامج الأصلي، بما في ذلك قواعد التقريب الحسابي والتعامل مع البيانات المفقودة. وقد يؤدي تغيير هذه التفاصيل إلى نتائج مختلفة، حتى إذا بدا البرنامج الجديد صحيحًا من الناحية البرمجية.
هل تستطيع المؤسسات الاستغناء عن المبرمجين؟
رغم النتائج الواعدة، لا تعني دقة الاختبارات أن المؤسسات تستطيع تحديث أنظمتها بالكامل دون تدخل بشري. فما زال مهندسو البرمجيات بحاجة إلى مراجعة الشيفرات الناتجة، والتحقق من توافقها مع الأنظمة الأخرى، واختبارها قبل تشغيلها في بيئات الإنتاج.
ويمكن للذكاء الاصطناعي تسريع تحليل الشيفرات القديمة وشرح وظائفها واقتراح التحويلات المناسبة، لكن الاختبارات وحدها لا تضمن خلو البرنامج من الأخطاء في جميع ظروف التشغيل.
وبذلك، قد تصبح نماذج GPT-6 أداة مهمة لتقليل الوقت والتكلفة اللازمين لتحديث البنية التحتية التقنية، مع بقاء المراجعة الهندسية ضرورية، خصوصًا في الأنظمة المصرفية التي تتعامل مع معاملات مالية حساسة.