OpenAI می گوید مدل های آن می توانند به بانک ها کمک کنند تا از برنامه های قدیمی COBOL مهاجرت کنند

مدل‌های این شرکت اکنون در کار با COBOL و سایر زبان‌های قدیمی بهتر هستند.

مدل‌های OpenAI اکنون در ساخت و انتقال نرم‌افزار به زبان‌های برنامه‌نویسی قدیمی با تعداد برنامه‌نویسان رو به کاهش، از جمله COBOL، Fortran و Visual Basic، بهتر عمل می‌کنند. همانطور که این شرکت توضیح می‌دهد، 40 درصد از بانک‌های جهان هنوز به سیستم‌های COBOL متکی هستند و مهاجرت به بانک‌هایی که از زبان‌های جدیدتر استفاده می‌کنند، نه تنها میلیون‌ها تا صدها میلیون هزینه برای آن‌ها دارد، بلکه زمان زیادی نیز برای آن‌ها در بر خواهد داشت. با این حال، برنامه نویسانی که با COBOL کار می کنند در حال پیر شدن از نیروی کار هستند، بنابراین بانک هایی که هنوز از آن استفاده می کنند باید ظرف چند سال آینده مهاجرت کنند.

این شرکت گفت که کارش بر روی بهبود قابلیت‌های COBOL مدل‌هایش توسط توسعه‌دهندگان و مشتریان سازمانی که بازخورد ارسال کرده‌اند هدایت می‌شود. مدل‌های کدنویسی ظاهرا هنگام کار با زبان‌های قدیمی مشکل دارند. OpenAI یک مجموعه ارزیابی هوش مصنوعی به نام MultiLangBench ایجاد کرد که از مدل ها می خواهد موتورهای پایگاه داده سازگار با SQLite را در یک زبان برنامه نویسی مشخص ایجاد کنند. به گفته آن GPT-6 Astra دارای میانگین ضریب قبولی آزمون 87.4 درصد در 20 زبان است که باعث می شود نسبت به GPT-5.6 Sol که 26.8 درصد ضریب قبولی داشت، بسیار مؤثر باشد.

COBOL همچنان سخت ترین زبان برای شکستن است، با نرخ عبور Astra 72 درصد است.

OpenAI همچنین قابلیت‌های مدل‌های خود را با انتقال برنامه‌های COBOL به برنامه‌هایی که از C++، Java، Kotlin، Python یا Rust استفاده می‌کنند، ارزیابی کرد و در عین حال عملکرد برنامه‌ها را نیز حفظ کرد. برای اینکه مدل‌های OpenAI به طور مؤثر به مؤسسات بانکی در مهاجرت به زبان‌های مدرن کمک کنند، آنها باید بتوانند رفتارهای برنامه‌های COBOL را حفظ کنند، مانند نحوه گرد کردن اعداد با ارقام اعشاری اضافی و نحوه رسیدگی به سوابق از دست رفته. در این مورد GPT-6.1 Sol با تلاش استدلالی بالا به بالاترین دقت دست یافت که به 97.9 درصد رسید. در تلاش برای استدلال کم، به دقت 86.6 درصد دست یافت.

OpenAI در پست خود اعتراف می کند که مهاجرت تنها در صورتی موفقیت آمیز است که «همه آزمایشات قبول شوند». برنامه هایی که وظایف بانکی را انجام می دهند، باید بسیار دقیق باشند. در این مقاله آمده است: «قابلیت‌های حفظ رفتار مانند اینها برای تیم‌هایی که سیستم‌های قدیمی‌تر را نگهداری و مدرن‌سازی می‌کنند مفید است، اگرچه استفاده از آن در نرم‌افزارهای تولیدی همچنان مستلزم بررسی و آزمایش کارشناسان در برابر قوانین تجاری و وابستگی‌های سیستم است.»