الذكاء الاصطناعي يكتب أكواد برمجية أكثر دقة: نهج جديد من معهد ماساتشوستس للتكنولوجيا

أحدث باحثون في معهد ماساتشوستس للتكنولوجيا (MIT) وعدد من الجامعات الأخرى طفرةً في مجال توليد الأكواد البرمجية بواسطة نماذج اللغات الكبيرة (LLMs). فقد طَوَّروا نهجًا جديدًا يُحسّن دقة وكفاءة توليد الأكواد، مُتغلّبين على التحديات التي تواجه الطرق التقليدية.

تُساعد نماذج اللغات الكبيرة المبرمجين على كتابة الأكواد البرمجية بسرعة أكبر، لكنّها قد تُنتج أحيانًا أكوادًا خاطئةً أو غير صحيحة نحويًا، مما يُؤدّي إلى تعطل البرامج أو حدوث أخطاء. وتُعاني الطرق الحالية لضمان دقة الأكواد إمّا من تشويه المعنى المقصود، أو من بطء شديد، مما يجعلها غير عملية للمهام المعقدة.

أما النهج الجديد، فيستخدم تقنيةً تُسمى “مونت كارلو المتسلسل” (Sequential Monte Carlo)، لتوجيه نموذج اللغات الكبيرة نحو توليد نصوص مُطابقة لقواعد اللغة البرمجية، وخالية من الأخطاء. وتقوم هذه التقنية بتخصيص الموارد الحسابية للخيارات الأكثر احتماليةً للنجاح، وإهمال الخيارات الأقل احتماليةً في مراحل مبكرة من العملية، مما يُحسّن الكفاءة الحسابية بشكلٍ كبير.

وبفضل هذه الكفاءة المُحسّنة، فقد تمكّنت نماذج اللغات الكبيرة الصغيرة، باستخدام هذه التقنية، من التفوق على نماذج أكبر بكثير في توليد نتائج دقيقة ومنظمة في عدة تطبيقاتٍ عملية، مثل علم الأحياء الجزيئيّ والروبوتات.

وفي المدى البعيد، يُمكن لهذه التقنية أن تُمكّن غير المُتخصّصين من التحكّم في المحتوى المُولّد بواسطة الذكاء الاصطناعي. فمثلاً، يُمكن للأشخاص العاملين في مجال الأعمال كتابة استعلاماتٍ معقدة بلغة SQL (لغة استعلامات قواعد البيانات) باستخدام مُدخلاتٍ لغوية طبيعية فقط.

يُؤكّد الباحثون أن هذا العمل له تطبيقاتٌ واسعةٌ تتجاوز البحث العلميّ، حيث يُمكنه تحسين أدوات المساعدة في البرمجة، والتحليل القائم على الذكاء الاصطناعي، وأدوات الاكتشاف العلميّ، بضمان دقة وفائدة النتائج المُولّدة بواسطة الذكاء الاصطناعي.

هذا المحتوى تم باستخدام أدوات الذكاء الاصطناعي.