Стрімкий розвиток штучного інтелекту демонструє прориви не лише у створенні сучасного коду на Python чи JavaScript, а й у складній роботі з так званими малоресурсними мовами програмування, які забезпечують життєдіяльність критичної глобальної інфраструктури, проте страждають від нестачі документації та кваліфікованих кадрів. Заява OpenAI про суттєве покращення можливостей моделей серії GPT у перенесенні програм із COBOL та створенні баз даних на двадцяти мовах відкриває нові перспективи для модернізації застарілих банківських та державні систем.
Аналіз досягнень нових моделей у малоресурсних мовах
Проблема застарілого програмного забезпечення полягає в тому, що більшість оригінальних розробників уже вийшли на пенсію, а документація до таких систем часто відсутня або фрагментарна. У зв’язку з цим поява ефективних інструментів автоматизації стає критично необхідною для глобального фінансового сектору.
Офіційний реліз компанії наголошує: -Ця робота спирається на відгуки розробників та корпоративних клієнтів, які зазначали, що моделі програмування часто стикаються з труднощами при роботі з такими мовами, як COBOL, Fortran та Visual Basic.-
Основні результати тестування міграції та розробки
- Успішне перенесення програм із COBOL на сучасні мови за високого рівня міркувань досягло показника 97,9% у моделі GPT-6.1 Sol.
- Спеціалізований бенчмарк MultiLangBench протестував здатність моделей створювати сумісні з SQLite рушії баз даних двадцятьма мовами, де флагманська GPT-6 Astra продемонструвала середній результат у 87,4%.
- Економічна ефективність дешевшої версії GPT-6 Luna дозволяє оптимізувати витрати на масштабні обчислювальні операції приблизно на 78 відсотків порівняно з попередніми генераціями.
- Перший етап передбачає глибинний аналіз застарілого репозиторію та виявлення прихованих бізнес-логік.
- Другий етап полягає у виконанні безпосередньої міграції із суворим збереженням побайтової ідентичності вихідних даних.
- Третій етап вимагає обов’язкового залучення профільних фахівців для фінального тестування залежностей.
Попри вражаючі результати лабораторних тестів, експерти застерігають від сліпої довіри алгоритмам у在 critical systems. Фінансові транзакції, обробка платежів у банкоматах та прогнозування метеорологічних умов вимагають багаторівневої верифікації, оскільки найменша похибка в округленні або обробці десяткових знаків може призвести до масштабних економічних чи техногенних наслідків.
