OpenAI ogłosiło 19 października, że jego najnowsze modele znacznie lepiej radzą sobie z migracją kodu COBOL, czyli z przenoszeniem starych programów do nowoczesnych języków. Wśród nich są Java, Python, C++, Kotlin i Rust. W testach firmy model GPT-6.1 Sol przy niskim poziomie rozumowania zachował działanie oryginalnego programu w 87 procentach. Przy wyższym poziomie wynik wzrósł do 98 procent. Dla porównania: GPT-6 Sol w tych samych warunkach osiągnął tylko 21 procent, a GPT-5.6 Sol zaledwie 5 procent.
Ten sam temat podjął wcześniej Anthropic. W lutym firma opublikowała poradnik modernizacji kodu i przedstawiła Claude Code, swojego agenta AI do programowania, jako narzędzie do przenoszenia kodu z COBOL-a. Nie podała jednak żadnych wyników testów. Mimo to po tej zapowiedzi mocno spadły akcje IBM, które zarabia między innymi na utrzymywaniu starych systemów.
Co to znaczy dla Ciebie?
COBOL powstał w 1959 roku, ale nadal działa w miejscach, z których korzystasz codziennie. Według IBM ten język:
- stanowi podstawę ponad 40 procent systemów bankowości internetowej,
- obsługuje 80 procent płatności kartą w sklepach,
- odpowiada za 95 procent transakcji w bankomatach.
Na COBOL-u działają też liczne systemy administracji, linie lotnicze i banki na całym świecie. Gdyby AI naprawdę ułatwiła ich unowocześnienie, mogłoby to oznaczać tańsze i mniej awaryjne usługi. Nie spodziewaj się jednak szybkich zmian. Eksperci, z którymi rozmawiał serwis The Verge, są zgodni: dziś AI nie odgrywa ważnej roli w wymianie tak krytycznych systemów.
Dlaczego to takie trudne?
„Przepisanie kodu to nie to samo co wymiana systemu” – mówi Vadim Zaytsev z Uniwersytetu Twente w Holandii. Największy system, jaki widział, liczył 250 milionów linii kodu COBOL. Do tego dochodzą dane zapisane w różnych formatach, połączenia z innymi systemami i oczekiwania ludzi, którzy z nich korzystają. Arie van Deursen z Politechniki w Delfcie uważa, że testy OpenAI były zbyt proste. Jego zdaniem pomijają najtrudniejszą część zadania: podział ogromnego systemu na mniejsze kawałki, które da się wymieniać po kolei.
Jest też problem ludzi. Mało kto potrafi dziś programować w COBOL-u, a wielu specjalistów jest już na emeryturze. Dlatego tak ważne są testy. Można przepuścić te same operacje przez stary i nowy system i porównać wyniki. Inną drogą jest weryfikacja formalna, czyli matematyczne sprawdzanie, czy program działa poprawnie. To jednak wymaga ogromnej pracy, więc na razie kontrola człowieka pozostaje niezbędna. Nawet rzecznik OpenAI przyznał, że stary kod to wciąż „daleko od rozwiązanego problemu”. Zaytsev zwraca uwagę, że jeśli AI poradzi sobie z 99 procentami kodu, pozostały 1 procent może oznaczać milion linii pełnych trudnych do wykrycia błędów.
Czytaj dalej
Włamanie do ConnectWise: hakerzy z Chin użyli agentów AI
Chińscy hakerzy włamali się do usługi kopii zapasowych ConnectWise. Potem w kilka chwil weszli do systemów około 2250 firm, bo w ataku pomagali im agenci AI.
Samodoskonaląca się AI w 2027? Jack Clark przyspiesza prognozę
Współzałożyciel Anthropic Jack Clark uważa, że AI zdolna do tworzenia własnych następców może pojawić się już w 2027 roku. Opiera się na nowym teście TasteVal, w którym model Claude Opus 5.5 wypadł lepiej niż ludzcy eksperci.
Halucynacje AI pod kontrolą: skąd się biorą i jak je wyłapać
Model AI potrafi z pełnym przekonaniem podać nieistniejące badanie, zmyślony przepis prawa albo fałszywą datę. Halucynacje AI nie znikną, ale można nauczyć się je przewidywać i wyłapywać.