ارتقای مدل OpenAI برای برنامه‌نویسی با COBOL، فورترن و دیگر زبان‌های قدیمی
شرکت OpenAI می‌گوید مدل جدیدش در نوشتن و انتقال نرم‌افزارهای نوشته‌شده با زبان‌های COBOL، فورترن و ویژوال بیسیک عملکرد بهتری دارد.
برآورد می‌شود حدود ۸۰۰ میلیارد خط کد COBOL همچنان در محیط‌های عملیاتی استفاده شود. این کدها زیربنای سامانه‌های بانک‌ها، نهادهای دولتی و شرکت‌های بزرگ هستند.
OpenAI چه چیزی را اعلام کرده است؟
OpenAI در ۱۹ اکتبر ۲۰۲۶، این به‌روزرسانی را در شبکه اجتماعی ایکس اعلام کرد. این شرکت گفت بهبودهای جدید مدلش به ساخت و انتقال کد در زبان‌هایی کمک می‌کند که از آن‌ها با عنوان «زبان‌های کم‌منبع» یاد می‌کند.
در حوزه هوش مصنوعی، اصطلاح «کم‌منبع» به زبانی اشاره دارد که حجم کدهای موجود برای آموزش مدل روی آن نسبتاً محدود است.
OpenAI این تلاش را بر دو هدف متمرکز کرده است. هدف نخست، کمک به تیم‌های فنی برای درک منطق کسب‌وکار نهفته در کدهایی است که دهه‌ها پیش نوشته شده‌اند. هدف دوم، حفظ رفتار سامانه‌های موجود در جریان نوسازی و به‌روزرسانی آن‌هاست.
OpenAI همچنین از توسعه‌دهندگان و مشتریان سازمانی خواسته است دیدگاه‌های خود را مطرح کنند. این شرکت می‌خواهد بداند چه زبان‌های برنامه‌نویسی یا جریان‌های کاری دیگری می‌توانند از بهبودهای مشابه بهره‌مند شوند.
چرا کار با کدهای قدیمی برای هوش مصنوعی دشوار است؟
زبان COBOL از گذشته یکی از نقاط ضعف مدل‌های کدنویسی هوش مصنوعی بوده است. نتایج آزمون‌های پژوهشی نشان داده‌اند که این مدل‌ها در وظایف مرتبط با COBOL، از نظر نرخ موفقیت در نخستین تلاش و نرخ کامپایل موفق عملکرد ضعیفی داشته‌اند. این نرخ‌ها در برخی ارزیابی‌ها از ارقام تک‌رقمی تا حدود ۴۰ درصد متغیر بوده‌اند.
شاخص Pass@1 نشان می‌دهد مدل چند وقت یک‌بار می‌تواند در نخستین تلاش خود پاسخی ارائه دهد که به‌درستی کار کند.
سامانه‌های قدیمی اغلب از گویش‌های تخصصی و مختص حوزه‌های کاری مشخص استفاده می‌کنند. علاوه بر این، ممکن است قواعد کسب‌وکار آن‌ها فقط در خود کدها ثبت شده باشد و هیچ مستندات دیگری درباره این قواعد وجود نداشته باشد.
فورترن نمونه‌ای از مسیری است که این فناوری ممکن است در پیش بگیرد. طبق گزارش‌ها، جریان‌های کاری هوش مصنوعی عامل‌محور مبتنی بر مدل‌های OpenAI می‌توانند کد فورترن را به‌صورت خودکار ترجمه و بهینه‌سازی کنند. هزینه این کار برای هر هسته محاسباتی ممکن است به چند دلار آمریکا محدود شود.
رقابت فشرده برای نوسازی سامانه‌های قدیمی
OpenAI تنها شرکتی نیست که به دنبال سهمی از این بازار است. Anthropic در فوریه ۲۰۲۶ به‌روزرسانی‌هایی مرتبط با COBOL منتشر کرد. IBM نیز ابزار watsonx Code Assistant را عرضه کرده است که برای تبدیل کد COBOL به جاوا طراحی شده است.
پس از انتشار به‌روزرسانی‌های Anthropic درباره COBOL، سهام IBM حدود ۱۳ درصد افت کرد.
چالش نیروی انسانی در پسِ این تلاش
سازمان‌هایی که از سامانه‌های قدیمی استفاده می‌کنند، هم‌زمان با دو فشار روبه‌رو هستند: هزینه‌های نگهداری پیوسته افزایش می‌یابد و شمار مهندسانی که با این زبان‌ها آشنایی دارند، رو به کاهش است.
نوسازی موفق این سامانه‌ها معمولاً به ترکیبی از ابزارهای هوش مصنوعی و نظارت انسانی نیاز دارد. مهم‌ترین بخش این فرایند، راستی‌آزمایی نتایج است.
پیامدهای این تحول برای شرکت‌ها و صنعت فناوری
در صنایع تحت نظارت، مهاجرت به سامانه‌ای جدید که حتی اندکی رفتار سیستم را تغییر دهد، می‌تواند مشکلاتی از نظر رعایت الزامات قانونی و مقرراتی ایجاد کند. بنابراین، معیار ارزیابی ابزارهای هوش مصنوعی در این حوزه صرفاً این نیست که کد جدید با موفقیت کامپایل شود؛ بلکه مهم‌تر آن است که ابزار بتواند خروجی و رفتار سامانه را با اطمینان کامل حفظ کند.
OpenAI در اطلاعیه مربوط به این به‌روزرسانی، ارقام قابل‌مقایسه‌ای از نتایج آزمون‌های معیار منتشر نکرده است. ازاین‌رو، ارزیابی‌های مستقل برای سنجش عملکرد واقعی مدل اهمیت خواهند داشت.
افشا: این مقاله به ویراستاری دیگو آلمادا لوپز رسیده است. برای کسب اطلاعات بیشتر درباره نحوه تولید و بازبینی محتوا، به سیاست تحریریه مراجعه کنید.