اوپن‌ای‌آی مدل‌های جدید خود را راهکاری برای نوسازی کدهای چند دهه‌ای کوبول در بانک‌ها معرفی می‌کند
وقتی از دستگاه خودپرداز پول برداشت می‌کنید، این احتمال وجود دارد که تراکنش شما با زبانی برنامه‌نویسی پردازش شود که در سال ۱۹۵۹، زمانی که دوایت آیزنهاور هنوز رئیس‌جمهور آمریکا بود، ایجاد شد. زبان کوبول (COBOL)، که نام آن از عبارت «زبان مشترک کسب‌وکارمحور» گرفته شده است، همچنان پردازش ۹۵ درصد از تمام تراکنش‌های دستگاه‌های خودپرداز را بر عهده دارد. اوپن‌ای‌آی اکنون ادعا می‌کند که جدیدترین مدل‌هایش می‌توانند چنین کدهایی را به زبان‌هایی تبدیل کنند که برای توسعه‌دهندگان امروزی آشناترند.
این شرکت روز دوشنبه اعلام کرد که مدل‌های جدیدش، از جمله GPT-6 Astra و GPT-5.6 Sol، در انتقال برنامه‌های نوشته‌شده با زبان‌های قدیمی و منسوخ به زبان‌های جدیدتر، «پیشرفت‌های چشمگیری» داشته‌اند. این ادعا فقط به بانکداری محدود نمی‌شود و زیرساخت‌های حیاتی دیگری، از جمله انرژی هسته‌ای و سامانه‌های دولتی، را نیز در بر می‌گیرد.
نتیجه‌ای نزدیک به کامل، اما با ملاحظاتی مهم
مهم‌ترین عددی که اوپن‌ای‌آی برای عملکرد مدل‌هایش در زمینه کوبول ارائه کرده، از آزمون این شرکت به دست آمده است. به گفته اوپن‌ای‌آی، مدل GPT-6.1 Sol در حالت استدلال با سطح تلاش بالا، امتیازی بسیار نزدیک به ۱۰۰ درصد کسب کرده است.
در این آزمون، از مدل خواسته می‌شود برنامه‌هایی را که با کوبول اجرا می‌شوند، به یکی از زبان‌های C++، جاوا، کاتلین، پایتون یا راست بازنویسی کند، به‌گونه‌ای که رفتار برنامه اساساً بدون تغییر باقی بماند. این کار دشوارتر از آن چیزی است که در نگاه اول به نظر می‌رسد. سامانه‌های مالی مبتنی بر کوبول قواعد خاص خود را دارند؛ برای مثال، مشخص می‌کنند اعداد اعشاری چگونه و در چه شرایطی گرد شوند. بنابراین، مدل باید زمینه گسترده‌تر عملکرد سامانه را نیز درک کند، نه اینکه صرفاً دستور زبان برنامه‌نویسی را از زبانی به زبان دیگر تغییر دهد.
برای درک بهتر این چالش، می‌توان آن را به ترجمه یک رمان تشبیه کرد: هم باید تک‌تک واژه‌ها درست باشند و هم معنا و لحن متن اصلی حفظ شود. اگر هنگام تبدیل یک سامانه بانکی، قاعده‌ای مربوط به گرد کردن اعداد از قلم بیفتد، این خطا ممکن است در موجودی حساب مشتریان منعکس شود.
بااین‌حال، یک نکته مهم وجود دارد: اوپن‌ای‌آی این معیار ارزیابی را خودش طراحی کرده و نتایج آن را نیز خود گزارش داده است. موفقیت در آزمونی که یک شرکت برای محصولات خودش طراحی می‌کند، با اثبات عملکرد صحیح مدل در زیرساخت رایانه‌ای مرکزی یک بانک تفاوت دارد.
دو معیار ارزیابی جدید برای بررسی همین مشکل
اوپن‌ای‌آی اعلام کرد که پژوهش خود را با «راهنمایی و بازخورد توسعه‌دهندگان و مشتریان سازمانی» پیش برده است. حاصل این کار، طراحی دو معیار ارزیابی جدید بوده که هرکدام برای سنجش توانایی هوش مصنوعی در انتقال سامانه‌های قدیمی از یک زبان برنامه‌نویسی به زبان دیگر در نظر گرفته شده‌اند.
نخستین معیار، MultiLangBench، بررسی می‌کند که مدل‌ها تا چه اندازه می‌توانند برنامه‌ای به نام SQLite را از ابتدا با یک زبان برنامه‌نویسی مشخص پیاده‌سازی کنند. مدل GPT-6 در این ارزیابی بهترین نتیجه را به دست آورد و میانگین نرخ قبولی آن حدود ۸۷ درصد بود.
این شرکت نوشت: «این نتایج در کنار یکدیگر نشان می‌دهند که مدل‌های ما در کار با طیف گسترده‌ای از زبان‌های برنامه‌نویسی به‌طور قابل‌توجهی بهتر شده‌اند.»
کدهای قدیمی و کاهش شمار متخصصان
کوبول تنها زبان قدیمی‌ای نیست که هنوز در سامانه‌های امروزی استفاده می‌شود. فورترن نیز که در سال ۱۹۵۷ معرفی شد، همچنان کاربرد گسترده‌ای در شبیه‌سازی عملکرد رآکتورهای هسته‌ای دارد.
اما شمار متخصصان مسلط به این زبان‌ها رو به کاهش است. بسیاری از مهندسان نرم‌افزار آموزش‌دیده در زمینه کوبول بازنشسته شده‌اند و دانش تخصصی خود را نیز از محیط کار خارج کرده‌اند. در همین حال، برنامه‌نویسان جوان بخش‌های بزرگی از کار خود را به دستیارهای هوش مصنوعی، مانند Codex و Claude Code، می‌سپارند.
هیچ‌کس خارج از شرکت‌های سازنده این ابزارها دقیقاً نمی‌داند که برای آموزش آن‌ها از چه داده‌هایی استفاده شده است. بااین‌حال، به احتمال زیاد بخش عمده داده‌های آموزشی آن‌ها از زبان‌های برنامه‌نویسی مدرن تشکیل شده و سهم کدهای قدیمی مانند کوبول در این داده‌ها بسیار کمتر بوده است. نتیجه، شکافی خطرناک و رو به گسترش میان نسل جدید برنامه‌نویسانی است که از هوش مصنوعی کمک می‌گیرند و نرم‌افزارهایی که بخش بزرگی از خدمات مالی، خدمات فناوری اطلاعات و سازمان‌های دولتی به آن‌ها متکی هستند.
آنتروپیک زودتر این پیشنهاد را مطرح کرد و سهام آی‌بی‌ام هزینه آن را پرداخت
اوپن‌ای‌آی در این زمینه رقیب دارد. آنتروپیک اوایل سال جاری میلادی در مطلبی وبلاگی اعلام کرد که Claude Code می‌تواند به کسب‌وکارها در به‌روزرسانی سامانه‌های قدیمی کوبول کمک کند؛ کاری که به‌طور سنتی زمان‌بر و پرهزینه بوده است.
آنتروپیک نوشت: «با استفاده از هوش مصنوعی، تیم‌ها می‌توانند پایگاه کد کوبول خود را به‌جای چند سال، در عرض چند فصل کاری نوسازی کنند.»
سرمایه‌گذاران به این خبر واکنش نشان دادند. بلومبرگ گزارش داد که سهام آی‌بی‌ام در روز انتشار مطلب آنتروپیک ۱۳ درصد افت کرد؛ بزرگ‌ترین کاهش یک‌روزه این سهم از سال ۲۰۰۰ تاکنون. رایانه‌های مرکزی آی‌بی‌ام به‌طور گسترده برای اجرای سامانه‌های مبتنی بر کوبول در بخش مالی و بسیاری از سازمان‌های دولتی استفاده می‌شوند.
به این ترتیب، دو آزمایشگاه پیشرو هوش مصنوعی به دنبال راهکاری برای کار با همان کدهای قدیمی هستند. نتیجه نزدیک به ۱۰۰ درصدی اوپن‌ای‌آی از آزمونی به دست آمده که خود این شرکت طراحی کرده است؛ بنابراین، بانکی که قصد دارد سامانه‌ای قدیمی‌تر از مدیر ارشد فناوری اطلاعات خود را جایگزین کند، باید پیش از اتکا به این فناوری، آزمایش‌های مستقل خود را انجام دهد.