دقت ۹۷.۹ درصدی GPT-6 Astra در مهاجرت کدهای COBOL
OpenAI اعلام کرده است که GPT-6 Astra در کار با زبان‌های برنامه‌نویسی کم‌منبع، مانند COBOL و Fortran، پیشرفت چشمگیری داشته است. این مدل در آزمون MultiLangBench به میانگین نرخ موفقیت ۸۷.۴ درصد دست یافته که سه برابر عملکرد مدل قبلی است. نرخ موفقیت در زبان‌های COBOL، Fortran و Visual Basic به‌ترتیب ۷۲.۱، ۸۳.۵ و ۸۹.۴ درصد بوده است. همچنین، استفاده از رابط برنامه‌نویسی کاربردی (API) مدل کم‌هزینه GPT-6 Luna هزینه‌ها را ۷۸ درصد کاهش می‌دهد. این مدل‌ها می‌توانند فرایند انتقال کد را سرعت ببخشند، اما استقرار کد در محیط عملیاتی همچنان به بررسی متخصصان برای اطمینان از امنیت نیاز دارد.
نویسنده و منبع: AIBase
OpenAI در گزارشی پژوهشی که ۲۰ اکتبر منتشر کرد، از پیشرفت چشمگیر توانایی مدل‌هایی مانند GPT-6 Astra در تولید و انتقال کدهای نوشته‌شده به زبان‌های برنامه‌نویسی کم‌منبع، از جمله COBOL، Fortran و Visual Basic، خبر داد. این زبان‌ها کدها و مستندات عمومی محدودی دارند، اما زیرساخت بسیاری از سامانه‌های حیاتی، از جمله سیستم‌های بانکی، دستگاه‌های خودپرداز، پیش‌بینی آب‌وهوا و حتی تحلیل ایمنی هسته‌ای، بر پایه آن‌ها بنا شده است. این سامانه‌ها معمولاً در شرایط عادی به‌ندرت تغییر می‌کنند، اما بروز اختلال در آن‌ها می‌تواند پیامدهایی گسترده در پی داشته باشد.
OpenAI برای سنجش توانایی مدل‌ها، دو آزمون دشوار طراحی کرد. در آزمون نخست، موسوم به MultiLangBench، مدل باید از ابتدا یک موتور پایگاه داده سازگار با SQLite را با استفاده از ۲۰ زبان برنامه‌نویسی بسازد. آزمون دوم به انتقال برنامه‌های COBOL به زبان‌های C++، Java، Python و Rust اختصاص داشت؛ به‌گونه‌ای که رفتار تجاری و منطق اصلی برنامه بدون تغییر حفظ شود.
نتایج چشمگیر بود: GPT-6 Astra در مجموع ۲۰ زبان، به میانگین نرخ موفقیت ۸۷.۴ درصد رسید؛ رقمی که بیش از سه برابر نرخ ۲۶.۸ درصدی GPT-5.6 Sol است. پیشرفت در زبان‌های کمتر رایج حتی چشمگیرتر بود. نرخ موفقیت در COBOL از ۱۰.۹ به ۷۲.۱ درصد، در Fortran از ۲۱.۴ به ۸۳.۵ درصد و در Visual Basic از ۲۷.۵ به ۸۹.۴ درصد افزایش یافت.
مدل‌های ارزان‌تر نیز رقابت‌پذیر شده‌اند؛ دقت در فرایند انتقال کد به سقف ارزیابی نزدیک می‌شود
مزیت مهم دیگر این پیشرفت، کاهش هزینه‌هاست. مدل ارزان‌تر GPT-6 Luna به میانگین نرخ موفقیت ۴۰.۳ درصد دست یافته و هزینه استفاده از API را در مقایسه با GPT-5.6 Sol حدود ۷۸ درصد کاهش می‌دهد.
در آزمون انتقال کدهای COBOL، مدل GPT-6.1 Sol حتی با شدت استنتاج پایین به دقت ۸۶.۶ درصد می‌رسد؛ عملکردی بسیار بهتر از دقت ۵.۴ درصدی GPT-5.6 Sol. این بهبود هم‌زمان با کاهش ۳۹ درصدی هزینه‌ها حاصل شده است. با افزایش شدت استنتاج، دقت به ۹۷.۹ درصد می‌رسد و به سقف ارزیابی نزدیک می‌شود. این نتیجه نشان می‌دهد که ماشین‌ها اکنون می‌توانند هنگام نوسازی کدهای قدیمی و چنددهه‌ای سامانه‌های بانکی، خروجی‌هایی تولید کنند که تا حد زیادی به سطح آمادگی برای استفاده در محیط عملیاتی نزدیک است.
OpenAI اعلام کرد که این پیشرفت می‌تواند به شرکت‌ها در نگهداری سامانه‌های قدیمی، رفع خطاها و نوسازی نرم‌افزارها کمک کند. بااین‌حال، این شرکت بر یک نکته مهم تأکید کرد: تغییرات تولیدشده با هوش مصنوعی پیش از انتقال به محیط عملیاتی همچنان باید به دست متخصصان بررسی شوند و با توجه به قواعد تجاری و وابستگی‌های خاص هر سامانه مورد آزمایش قرار گیرند.
در سامانه‌هایی که زیرساخت دستگاه‌های خودپرداز و نیروگاه‌های هسته‌ای را پشتیبانی می‌کنند، حتی خطایی کوچک یا نتیجه‌ای که صرفاً «تقریباً درست» باشد، پذیرفتنی نیست. مدل‌های هوش مصنوعی می‌توانند فاصله میان درک کدهای قدیمی و بازنویسی آن‌ها را به میزان قابل‌توجهی کاهش دهند، اما هنوز نمی‌توانند جایگزین تصمیم‌گیری انسانی شوند.