Eski yazılımları yenilemek artık daha kolay olabilir
Bankalar ve finans kuruluşları, günlük işlemlerini yürütmek için halen onlarca yıl önce geliştirilen yazılımlara güveniyor. Bu sistemlerin yenilenmesi, yalnızca eski kodların yeni programlama dillerine aktarılmasından ibaret değil. Mevcut hesaplamaların, iş kurallarının ve uygulama davranışlarının korunması gerekiyor. Aksi durumda yeni yazılım çalışıyor görünse bile finansal işlemlerde farklı sonuçlar ortaya çıkabiliyor.
twitterwidget{float:none !important;margin:0 auto !important;}
Özellikle COBOL, finans sektörünün altyapısında önemli bir yere sahip. IBM'in tahminlerine göre bu dil, çevrim içi bankacılık sistemlerinin yüzde 40'ından fazlasını, yüz yüze gerçekleştirilen kredi kartı işlemlerinin yüzde 80'ini ve ATM işlemlerinin yüzde 95'ini destekliyor.
Bilimsel hesaplamalarda kullanılan Fortran da halen oldukça önemli yere sahip. Hava tahminleri ve nükleer reaktör güvenliği analizleri gibi kritik alanlarda kullanılan bu dil, günümüzde Python ve JavaScript gibi popüler alternatiflere kıyasla daha sınırlı eğitim verisine sahip.
OpenAI, geliştiricilerin ve kurumsal müşterilerinin eski programlama dillerinde güvenilir sonuçlar elde etmekte zorlandığını belirtiyor. Bu dillerdeki teknik belgelerin eksik olması ve bazı temel iş kurallarının yalnızca mevcut kodların içinde bulunması da dönüşüm sürecini daha karmaşık hale getiriyor.
Örneğin COBOL, programda açıkça yuvarlama işlemi istenmediği durumlarda ondalık basamaklardaki fazla rakamları atabiliyor. Yeni yazılım bu davranışı farklı şekilde uyguladığında finansal hesaplamaların sonuçları değişebiliyor. Dolayısıyla kod dönüşümündeki tek faktör kodun çalışması değil. Yeni kodların da orijinal yazılımla aynı sonuçları üretmesi gerekiyor.
Kod dönüşümünde yüzde 97,9 doğruluk
Bu kapsamda OpenAI, modellerinin eski COBOL programlarını C++, Java, Kotlin, Python veya Rust dillerine dönüştürme yeteneğini ölçen bir değerlendirme gerçekleştirdi. Test, dönüştürülen programların orijinal yazılımla aynı davranışı sergileyip sergilemediğini inceliyor.
Yüksek akıl yürütme düzeyinde çalışan GPT-6.1 Sol, yüzde 97,9 doğruluk oranı elde etti. Testte başarılı sayılmak için dönüştürülen programların tüm gizli testleri geçmesi gerekiyor. Bu testler, programların gözlemlenebilir çıktılarını orijinal sürümleriyle karşılaştıran kontrolleri de içeriyor.
OpenAI, modellerini MultiLangBench adlı başka bir değerlendirmede de test etti. Bu test, modellerin 20 farklı programlama dilini kullanarak SQLite ile uyumlu bir veritabanı motoru geliştirme becerisini ölçüyor.
GPT-6 Astra, testlerde ortalama yüzde 87,4 başarı oranına ulaştı. GPT-5.6 Sol modelinde aynı oran yüzde 26,8 seviyesindeydi. Astra, değerlendirilen 20 programlama dilinin tamamında önceki modele kıyasla daha iyi sonuçlar elde etti.
Eski programlama dillerindeki gelişme ise daha dikkat çekici. Fortran dilindeki başarı oranı yüzde 21,4'ten yüzde 83,5'e yükselirken Visual Basic'te yüzde 27,5 olan oran yüzde 89,4'e çıktı. COBOL ise test edilen diller arasındaki en zorlu seçenek olmayı sürdürdü. Buna rağmen GPT-6 Astra'nın bu dildeki başarı oranı yüzde 10,9'dan yüzde 72,1'e yükseldi.
