از کامپایل هسته لینوکس تا اجرای بازی Doom؛ ببینید چگونه عوامل هوشمند آنتروپیک وظایف پیچیده مهندسی را با دقت ۹۹ درصدی انجام دادند.
به گزارش سرویس هوش مصنوعی مگ جوان، آنتروپیک از آزمایشی بیسابقه پرده برداشت که میتواند نحوه توسعه نرمافزار در آینده را دگرگون سازد. در این پروژه کمنظیر، تنها ۱۶ عامل هوش مصنوعی Claude Opus 4.6 توانستند بهصورت کاملاً خودمختار و با همکاری یکدیگر، کامپایلر C کامل و کاربردی را از ابتدا بسازند و توسعهدهندگان انسانی را در سراسر جهان متحیر کنند. محقق برجسته، نیکلاس کارلینی، این پروژه را رهبری کرده است که نقطه عطفی مهم در زمینه مهندسی نرمافزار خودکار مبتنیبر هوش مصنوعی محسوب میشود.
کامپایلر یادشده در دو هفته فشرده و با استفاده از ۱۶ عامل مستقل Claude Opus 4.6 توسعه یافت. هر عامل هوش مصنوعی در کانتینر داکر مخصوص به خود اجرا میشد و با کلونکردن مخزن گیت (Git Repository) مشترک، بدون نیاز به کنترلر مرکزی یا مدیر انسانی فعالیت میکرد. نکته مهم این است که انتخاب وظایف و حل تضادها ازطریق سیستم کنترل نسخه گیت و ارسال کد تولیدشده به بالادست (Upstream) همگی بهصورت کاملاً خودکار و بدون نظارت انسانی انجام شد.
درمجموع، این عوامل هوش مصنوعی حدود ۱۰۰,۰۰۰ خط کد رست (Rust) را در نزدیک به ۲,۰۰۰ جلسه کدنویسی تولید کردند. هزینه API این آزمایش به ۲۰,۰۰۰ دلار رسید که با توجه به خروجی و پیچیدگی پروژه، دستاورد اقتصادی درخورتوجهی نیز محسوب میشود.
نتیجه این همکاری بینظیر هوش مصنوعی، کامپایلر C کاملاً کارآمد و متنبازی است که از پایه و اساس نوشته شده است. قابلیتهای این کامپایلر فراتر از حد انتظار است:
- میتواند هسته لینوکس ۶/۹ را برای معماریهای x86 و ARM و RISC-V با موفقیت کامپایل کند.
- پروژههای مهم متنباز نظیر PostgreSQL ،SQLite ،Redis و FFmpeg را مدیریت میکند.
- در مجموعه آزمونهای سختگیرانهی GCC Torture Test Suite، به نرخ موفقیت چشمگیر ۹۹ درصدی دست یافت.
- بهعنوان نقطه عطف نمادین، این کامپایلر حتی بازی کلاسیک Doom را نیز با موفقیت کامپایل و اجرا کرد؛ دستاوردی که مدتهاست بهعنوان معیاری برای قابلیتهای پیشرفته کامپایلرها شناخته میشود.
پروژه یادشده نهتنها پیشرفتی فنی است؛ بلکه تغییر پارادایم در توسعه نرمافزار را نشان میدهد. این آزمایش اثبات میکند که سیستمهای هوش مصنوعی اکنون میتوانند خود را هماهنگ و پایگاههای کد عظیم را مدیریت کنند و نرمافزارهای زیرساختی در سطح تولید را ارائه دهند. درحالیکه این کامپایلر هنوز محدودیتهایی دارد و جایگزین کاملی برای کامپایلرهای تثبیتشدهای مانند GCC نیست، این آزمایش گام بسیار بزرگی بهسوی مهندسی نرمافزار خودکار و بلندمدت مبتنیبر هوش مصنوعی است.
گیزموچاینا مینویسد که این دستاورد تأثیر عمیقی بر آینده کدنویسی خواهد گذاشت. برای توسعهدهندگان انسانی، عوامل هوش مصنوعی میتوانند مسئولیت انجام کارهای تکراری، بازسازیهای گسترده کد، آزمایش و رفع اشکال را برعهده بگیرند و به آنان اجازه دهند تا تمرکز خود را بیشتر بر طراحی معماری، استراتژی و حل مسائل پیچیدهتر معطوف کنند. این امر در عین حال سؤالات مهمی را درباره کیفیت کد تولیدشده و اعتماد به سیستمهای خودکار و فرایندهای اعتبارسنجی جدید مطرح میکند.
بااینحال، واضح است که برنامهنویسان انسانی بههیچوجه منسوخ نخواهند شد؛ بلکه نقش آنها ممکن است از نوشتن هر خط کد به راهنمایی و بازبینی دقیق و اعتبارسنجی سیستمهای هوش مصنوعی تغییر یابد که بهطور فزایندهای مستقل و خودکار هستند. این آزمایش آنتروپیک گواهی بر تواناییهای روبهرشد هوش مصنوعی در حوزه توسعه نرمافزار است و نشان میدهد آیندهای که در آن انسان و هوش مصنوعی بهطور یکپارچه در کنار یکدیگر کد خلق میکنند، بسیار نزدیکتر از آن چیزی است که تصور میشد.
