عندما نتحدث عن مستقبل الذكاء الاصطناعي وبرمجته المتطورة، يتبادر إلى ذهننا فوراً اللغات الحديثة مثل بايثون أو جافا سكريبت. ومع ذلك، يغفل الكثيرون عن حقيقة أن جزءاً ضخماً من البنية التحتية المالية والحكومية العالمية لا يزال يعتمد على تقنيات قديمة جداً. هذه الأنظمة الحساسة، التي تدير البنوك والخدمات الأساسية، بُنيت بلغات برمجية لم تعد تُدرس في الجامعات الحديثة، وهو ما دفع شركة OpenAI إلى تدريب نموذج ChatGPT ليكون خبيراً في التعامل مع هذا الإرث الرقمي الضخم.
- ✅ قفزة هائلة في قدرة ChatGPT على التعامل مع لغات برمجية تاريخية مثل COBOL وFortran.
- ✅ إطلاق أداة MultiLangBench لتقييم دقة ترجمة الأكواد بين اللغات المختلفة.
- ✅ نموذج GPT-6 Astra يحقق دقة تصل إلى 97.9% في ترحيل الأنظمة القديمة إلى لغات حديثة.
- ✅ حلول مبتكرة لمواجهة نقص المبرمجين المتخصصين في التقنيات الكلاسيكية وتخفيض تكاليف الصيانة.
كشفت OpenAI مؤخراً عبر مدونتها الرسمية عن تطور مذهل في نماذجها للذكاء الاصطناعي، خاصة في المهام المتعلقة بـ لغات البرمجة القديمة. لغات مثل كوبول (COBOL)، وفورتران (Fortran)، وفيجوال بيسك (Visual Basic)، والتي قد تبدو منسية للجيل الجديد، لا تزال تمثل العمود الفقري لعمليات كبرى الشركات والمؤسسات الحكومية. ومن هذا المنطلق، تم تدريب النماذج الجديدة ليس فقط على فهم هذه اللغات، بل على تحويلها وترحيلها بكفاءة عالية إلى بيئات برمجية معاصرة.
أداة MultiLangBench: معيار جديد لقياس الكفاءة البرمجية
لضمان دقة هذه العمليات، طورت الشركة أداة قياس متقدمة تُدعى MultiLangBench. تتحدى هذه الأداة الذكاء الاصطناعي لبناء محرك متوافق مع نظام SQLite باستخدام 20 لغة برمجة متنوعة. الهدف هو قياس مدى قدرة النموذج على الحفاظ على استقرار الأداء والوظائف البرمجية عند نقل التطبيقات من بيئة "كوبول" القديمة إلى لغات حديثة، مما يضمن استمرارية العمل دون أخطاء تقنية كارثية.
تظهر البيانات الأولية قفزة نوعية في الأداء؛ حيث حقق نموذج GPT-6 Astra معدل نجاح مذهل بلغ 87.4% في اختبارات MultiLangBench، مقارنة بنسبة ضئيلة لم تتجاوز 26.8% في النماذج السابقة. وفي لغة COBOL تحديداً، قفزت الكفاءة من 10.9% إلى 72.1%، بينما وصلت في لغة Visual Basic إلى ما يقارب 90%. هذه الأرقام تعني أن ChatGPT أصبح الآن قادراً على فك شفرات الأنظمة التي كانت تُعتبر "صندوقاً أسود" يصعب التعامل معه.
تحديث البنية التحتية المتهالكة: تحدي القرن الرقمي
بعيداً عن لغة الأرقام، يكمن الاختبار الحقيقي في قدرة الذكاء الاصطناعي على حل معضلة "التطبيقات الموروثة". تواجه العديد من المؤسسات أزمات حقيقية بسبب برامج طُورت منذ عقود، حيث غادر المبرمجون الأصليون العمل أو فُقدت الوثائق التقنية الخاصة بها. هذا الأمر يجعل تكلفة الصيانة باهظة والمخاطرة بالتحديث عالية جداً.
عند تجربة نقل تطبيقات COBOL إلى لغات معاصرة مثل Python أو Rust أو Kotlin، أثبت نموذج GPT-6.1 Sol كفاءة استثنائية بنسبة نجاح بلغت 86.6% بجهد بسيط، ووصلت إلى 97.9% عند استخدام عمليات تدقيق أكثر شمولاً. هذا التطور يفتح الباب أمام المبرمجين الجدد لتحديث أنظمة عملاقة دون الحاجة لتعلم لغات برمجية عفا عليها الزمن.
أكدت OpenAI أن نجاح عملية الترحيل لا يُقاس بالتقريب، بل بالتطابق التام في المخرجات البرمجية (Byte-perfect matching). وهذا يضمن أن النظام الجديد سيعمل بنفس الطريقة تماماً التي كان يعمل بها النظام القديم، مما يزيل مخاوف فقدان البيانات أو تعطل الخدمات الحيوية أثناء عملية الانتقال الرقمي.
في الختام، يمثل هذا التطور تحولاً جذرياً في دور ChatGPT؛ فبدلاً من كونه مجرد أداة لكتابة نصوص أو أكواد بسيطة، أصبح شريكاً استراتيجياً في تأمين وتحديث المستقبل التقني للعالم من خلال فهم ماضيه البرمجي.
لماذا لا تزال لغة COBOL مستخدمة حتى اليوم في المؤسسات الكبرى؟
تُعد COBOL لغة أساسية في الأنظمة المصرفية والتأمينية لأنها صُممت خصيصاً لمعالجة البيانات المالية الضخمة بدقة متناهية. ونظراً لأن هذه الأنظمة تعمل باستقرار منذ عقود، فإن عملية استبدالها بالكامل كانت تعتبر مخاطرة كبيرة ومكلفة جداً قبل ظهور حلول الذكاء الاصطناعي الحالية.
كيف يضمن ChatGPT عدم حدوث أخطاء أثناء نقل الكود القديم؟
يستخدم الذكاء الاصطناعي اختبارات "التطابق التام"، حيث يتم مقارنة مخرجات الكود القديم بمخرجات الكود الجديد بدقة البايت الواحد. لا تُعتبر عملية النقل ناجحة إلا إذا كانت النتائج متطابقة بنسبة 100% في جميع السيناريوهات المحتملة، مما يضمن سلامة البيانات.
هل يعني هذا أن المبرمجين لن يحتاجوا لتعلم اللغات القديمة بعد الآن؟
إلى حد كبير نعم، حيث يعمل ChatGPT كمترجم فوري وخبير تقني. يمكن للمبرمج الذي يتقن لغات حديثة مثل Python أن يستخدم الذكاء الاصطناعي لفهم وصيانة أو حتى ترحيل الأنظمة المكتوبة بلغات COBOL أو Fortran دون الحاجة لقضاء سنوات في دراسة تفاصيلها المعقدة.
ما الفرق بين نموذج GPT-6 Astra والنماذج السابقة في البرمجة؟
الفرق يكمن في "العمق المعرفي"؛ فالنماذج السابقة كانت تواجه صعوبة في فهم المنطق البرمجي للغات القديمة، بينما تم تدريب Astra على قواعد بيانات ضخمة مخصصة لهذه اللغات، مما مكنه من رفع نسبة النجاح في معالجة لغة COBOL من 10% إلى أكثر من 72%.
🔎 إن قدرة الذكاء الاصطناعي على سد الفجوة بين الأجيال البرمجية المختلفة تعد واحدة من أهم الإنجازات التقنية في العصر الحالي. فمن خلال إحياء وفهم اللغات التي بُني عليها العالم الرقمي، لا يسهل ChatGPT مهام المطورين فحسب، بل يضمن استقرار وأمان الأنظمة الحيوية التي نعتمد عليها في حياتنا اليومية، مما يمهد الطريق لانتقال رقمي سلس نحو المستقبل.
قم بالتعليق على الموضوع