أوبن إيه آي تطور تقييمات برمجية للغات شحيحة الموارد ودعم ترحيل كوبول

📰 OpenAI News 📅 19 أكتوبر 2026 👁 0 ⚡ تأثير: Medium

كشفت شركة أوبن إيه آي عن خطوات جديدة تهدف إلى تحسين قدرات نموذج ChatGPT في التعامل مع لغات البرمجة منخفضة الموارد، وذلك عبر إطلاق أطر تقييم متطورة ومخصصة لمهام هندسة البرمجيات. وتركز هذه الجهود بشكل مباشر على فحص كفاءة النماذج اللغوية في التعامل مع بيئات برمجية تتسم بمحدودية البيانات التدريبية مقارنة باللغات الشائعة، بالإضافة إلى دعم ترحيل الأنظمة المؤسسية المكتوبة بلغة كوبول (COBOL) وإدارة قواعد بيانات SQLite.

تعتمد النماذج اللغوية الكبيرة عادة على وفرة الأكواد المصدرية والمستودعات البرمجية المفتوحة لتعلم لغات مثل بايثون وجافا سكريبت. ولكن عند مواجهة لغات ذات توثيق رقمي محدود أو مستودعات شحيحة، يواجه الذكاء الاصطناعي عقبات في فهم البنية المنطقية بدقة. ولمعالجة هذه الإشكالية، وضعت أوبن إيه آي معايير تقييمية حديثة تقيس قدرة النموذج على حل المشكلات البرمجية الواقعية في تلك اللغات، مما يضمن أداءً موثوقاً في المهام الهندسية المتقدمة.

ويشكل ملف ترحيل لغة كوبول محوراً تقنياً بالغ الأهمية؛ حيث لا تزال قطاعات حيوية، كالمصارف والمؤسسات الحكومية، تعتمد على أنظمة رئيسية مبنية بهذه اللغة منذ عقود. وتفرض ندرة المبرمجين المتخصصين في كوبول تحديات تشغيلية كبيرة على المؤسسات الساعية لتحديث بنيتها الرقمية. ومن خلال هذه التقييمات، يتم اختبار قدرة شات جي بي تي على تحليل شيفرات كوبول القديمة، وتفسير منطقها، ودعم ترحيلها إلى بيئات وتقنيات حديثة بأقل قدر ممكن من المخاطر والأخطاء التشغيلية.

كما شملت التحسينات تطوير اختبارات مخصصة لمحرك قواعد البيانات SQLite، وهو أحد أكثر المحركات انتشاراً في التطبيقات المدمجة والأجهزة الذكية. وتساعد هذه التقييمات في رفع دقة النماذج عند كتابة الاستعلامات وتحسين الأداء البرمجي للبيئات المدمجة. ويمكن لفرق التطوير الاستفادة من هذه القدرات عبر صياغة تعليمات تقنية متقدمة من خلال [prompts](/prompts)، أو دمج النماذج مع مختلف الـ [tools](/tools) المستخدمة في مراجعة الشيفرات، فضلاً عن الاعتماد على المساعدين التوليديين عبر [assistants](/assistants) لدعم فرق هندسة البرمجيات أثناء تفكيك وإعادة بناء الأنظمة المتقادمة.


لماذا يهم هذا الخبر؟
يعد التعامل مع لغات البرمجة القديمة والمنخفضة الموارد عقبة رئيسية أمام تحديث البنية التحتية في القطاعات البنكية والمؤسسية، وتساعد التقييمات الجديدة في ضمان دقة الذكاء الاصطناعي عند أتمتة هذه المهام الحساسة.


كيف يستفيد المستخدم العربي؟
يتيح للمهندسين والمؤسسات في المنطقة العربية تسريع مشاريع تحديث الأنظمة القديمة وترحيل قواعد البيانات دون الحاجة لفرق عمل نادرة التخصص في لغات موروثة مثل كوبول.


نقاط عملية:
- الاستفادة من تحسينات النموذج في قراءة وتفسير الأكواد المكتوبة بلغة كوبول لتحديث الأنظمة الإرثية.
- اعتماد التقييمات البرمجية الدقيقة لتقليل الأخطاء البرمجية عند إدارة قواعد بيانات SQLite.
- استخدام نماذج الذكاء الاصطناعي لتقليل الفجوة المعرفية الناتجة عن ندرة التوثيق للغات البرمجة منخفضة الموارد.


روابط داخلية مناسبة:
- /prompts
- /tools
- /assistants


تنبيه تحريري: هذا النص تحرير عربي موجز مبني على المصدر الأصلي، وليس نقلاً حرفياً منه.
المصدر الأصلي: OpenAI News
https://openai.com/index/low-resource-programming-languages

💡 الأثر العملي

يتيح للمهندسين والمؤسسات في المنطقة العربية تسريع مشاريع تحديث الأنظمة القديمة وترحيل قواعد البيانات دون الحاجة لفرق عمل نادرة التخصص في لغات موروثة مثل كوبول.