OpenAI मॉडल्स की बड़ी कामयाबी, पुराने सॉफ्टवेयर को 97.9% सटीकता से बनाएंगे आधुनिक
सैन फ्रांसिस्को (अमेरिका)। OpenAI ने पुरानी प्रोग्रामिंग भाषाओं में सॉफ्टवेयर लिखने और मौजूदा कोड को माइग्रेट (स्थानांतरित) करने की अपने मॉडल की क्षमता में उल्लेखनीय सुधार किया है। इसके नए परिणामों में पुराने प्रोग्रामों के माइग्रेशन को मापने के लिए डिजाइन किए गए एक टेस्ट में 97.9 प्रतिशत की सटीकता दर्ज की गई है। ये सुधार उन व्यवसायों के लिए मददगार साबित हो सकते हैं जो अपने रोजमर्रा के कामकाज के लिए जरूरी सॉफ्टवेयर को आधुनिक बनाना चाहते हैं। बैंक और वित्तीय संस्थान आज भी दशकों पुराने कोड पर निर्भर हैं। ऐसे में अगर डेवलपर्स को पहले से तय गणनाओं और व्यावसायिक नियमों को सुरक्षित रखना हो, तो इस कोड को बदलना जोखिम भरा हो सकता है।
पुराने (लेगेसी) कोड की चुनौती
वित्तीय बुनियादी ढांचे में COBOL आज भी गहराई से जुड़ा हुआ है। IBM के अनुमान के मुताबिक, 40 प्रतिशत से अधिक ऑनलाइन बैंकिंग सिस्टम, 80 प्रतिशत क्रेडिट कार्ड ट्रांजैक्शन और 95 प्रतिशत ATM ट्रांजैक्शन इसी पर आधारित हैं। वैज्ञानिक कंप्यूटिंग में भी Fortran का महत्व बना हुआ है। इसमें मौसम का पूर्वानुमान लगाना और परमाणु रिएक्टर की सुरक्षा का विश्लेषण करना शामिल है। Python और JavaScript जैसे लोकप्रिय विकल्पों की तुलना में इन दोनों भाषाओं के लिए ट्रेनिंग सामग्री बहुत कम उपलब्ध है। OpenAI ने बताया कि डेवलपर्स और एंटरप्राइज ग्राहकों ने पुरानी प्रोग्रामिंग भाषाओं के साथ कोडिंग मॉडल का इस्तेमाल करने में कठिनाइयों की शिकायत की है। इनका डॉक्यूमेंटेशन अधूरा हो सकता है। इतना ही नहीं जरूरी बिजनेस नियम केवल ओरिजिनल कोड में ही मौजूद हो सकते हैं।
माइग्रेशन के दौरान दिक्कतें आती हैं
दोबारा लिखा गया प्रोग्राम बिना किसी एरर के चल तो सकता है, लेकिन उसके नतीजे अलग हो सकते हैं। उदाहरण के लिए, COBOL में दशमलव के बाद के अतिरिक्त अंकों को हटाया जा सकता है, जब तक कि प्रोग्राम में विशेष रूप से 'राउंडिंग' (Rounding) करने के लिए न कहा गया हो। इस व्यवहार को बदलने से वित्तीय गणनाओं (Financial Calculations) पर सीधा असर पड़ सकता है।
कोड को सटीक रूप से फिर से लिखना
OpenAI का COBOL माइग्रेशन मूल्यांकन यह जांचता है कि क्या मॉडल मौजूदा प्रोग्राम्स को उनके व्यवहार में बदलाव किए बिना C++, Java, Kotlin, Python या Rust में बदल सकते हैं। GPT-6.1 Sol ने कम 'रीजनिंग एफर्ट' (Reasoning Effort) के साथ 86.6 प्रतिशत सटीकता हासिल की है। वहीं, GPT-5.6 Sol के मामले में यह आंकड़ा 5.4 प्रतिशत था। OpenAI ने यह भी बताया कि इस सेटिंग में API की लागत में 39 प्रतिशत की कमी आई है। हमारे नए मॉडल, COBOL, Fortran और Visual Basic जैसी कम संसाधनों वाली प्रोग्रामिंग भाषाओं में सॉफ्टवेयर बनाने और उन्हें माइग्रेट करने की क्षमता को और बेहतर बनाते हैं।
नए प्रोग्राम्स को हिडन टेस्ट पास करने होते हैं
अधिक 'रीजनिंग एफर्ट' के साथ GPT-6.1 Sol ने 97.9 प्रतिशत सटीकता हासिल की। इस मूल्यांकन के तहत ट्रांसलेट किए गए प्रोग्राम्स को सभी 'हिडन टेस्ट' (hidden tests) पास करने होते हैं। इनमें ऐसे टेस्ट भी शामिल हैं जो प्रोग्राम के आउटपुट की तुलना ओरिजिनल प्रोग्राम के आउटपुट से करते हैं। यह आंकड़ा OpenAI के टेस्ट सूट पर आधारित प्रदर्शन को दिखाता है, न कि यह इस बात की गारंटी है कि माइग्रेशन पूरी तरह से एरर-मुक्त होगा। डेवलपर्स को अभी भी दोबारा लिखे गए ऐप्लिकेशन्स को वास्तविक वर्कलोड के आधार पर वेरिफाई करना होगा।
