تحديث تطبيقات الكمبيوتر المركزي مع تعزيز من الذكاء الاصطناعي التوليدي

إذا نظرت إلى ما وراء الكواليس لأي تطبيق جوال أنيق أو واجهة تجارية، وفي أعماق طبقات التكامل والخدمة في بنية تطبيقات أي مؤسسة كبرى، ستجد على الأرجح أجهزة كمبيوتر مركزية تدير العرض.

تستخدم التطبيقات وأنظمة السجلات الحساسة هذه الأنظمة الأساسية كجزء من بنية تحتية هجينة. قد يكون أي انقطاع في عملياتها الجارية كارثيًّا على استمرار سلامة العمليات التشغيلية للشركة. لدرجة أن العديد من الشركات تخشى إجراء تغييرات جوهرية عليها.

لكن التغيير أمر لا مفر منه، حيث تتراكم الديون التقنية. لتحقيق مرونة الأعمال ومواكبة التحديات التنافسية وطلبات العملاء، يجب على الشركات حتمًا تحديث هذه التطبيقات. بدلاً من تأجيل التغيير، يجب على القادة البحث عن طرق جديدة لتسريع التحول الرقمي في استراتيجيتهم الهجينة.

ربما يكمن أكبر عائق أمام تحديث الكمبيوتر المركزي في نقص المواهب. من المحتمل أن يكون العديد من خبراء الكمبيوتر المركزي والتطبيقات الذين أنشأوا وأضافوا قواعد كود تطبيقات COBOL للمؤسسات على مر السنين قد غادروا مواقعهم أو يقتربون من التقاعد.

والأكثر إثارة للقلق هو أن الجيل القادم من المواهب سيكون من الصعب استقطابه، لأن خريجي علوم الحاسوب الجدد الذين تعلموا Java واللغات الأحدث لن يتصوروا أنفسهم بطبيعة الحال يشاركون في تطوير تطبيقات أجهزة الكمبيوتر المركزية. بالنسبة لهم قد لا يبدو هذا العمل جذابًا مثل تصميم تطبيقات الأجهزة المحمولة أو مرنًا مثل تطوير السحابة الأصلية. وفي واقع الأمر، فإن هذا التصور غير منصف إلى حد كبير.

فلغة COBOL ظهرت قبل وجود توجه نحو البرمجة الكينونية، ناهيك عن التوجه الخدمي (SOA) أو الحوسبة السحابية. ومع مجموعة أوامر بسيطة ومرنة، فهي ليست لغة معقدة على المطورين الجدد لتعلمها أو فهمها. ولا يوجد ما يمنع تطبيقات أجهزة الكمبيوتر المركزية من الاستفادة من التطوير المرن والإصدارات الأصغر التدريجية ضمن مسار مؤتمت على غرار نمط عمليات التطوير.

إن اكتشاف ما فعلته الفرق المختلفة باستخدام COBOL على مر السنين هو ما يجعل إدارة التغيير صعبة للغاية. أجرى المطورون إضافات وحلقات منطقية لا نهاية لها على نظام إجرائي يجب فحصه وتحديثه كوحدة واحدة، بدلًا من التعامل معه كمكونات أو خدمات فضفاضة الاقتران.

مع وجود التعليمات البرمجية والبرامج منسوجة معًا على الكمبيوتر المركزي بهذه الطريقة، فإن أوجه الترابط الداخلية ونقاط الفشل المحتملة تكون معقدة للغاية ومتعددة لدرجة أنه لا يمكن حتى للمطورين المهرة فك تشابكها. وهذا يجعل تطوير تطبيق COBOL يبدو شاقًا أكثر من اللازم، مما يجعل العديد من المؤسسات تبحث عن بدائل خارج الكمبيوتر المركزي قبل الأوان.

شهدنا في الآونة الأخيرة الكثير من الضجة حول الذكاء الاصطناعي التوليدي (GenAI) نتيجة الانتشار الواسع لنماذج اللغة الكبيرة (LLMs) مثل ChatGPT ومولدات الصور البصرية المعتمدة على الذكاء الاصطناعي والمخصصة للمستهلكين.

ورغم بروز العديد من الإمكانات المذهلة في هذا المجال، فلا تزال هناك مشكلة “الهلوسة” التي تظهر لدى النماذج اللغوية الكبيرة عند تطبيقها على مهام سير العمل الحرجة. عندما تُدرَّب نماذج الذكاء الاصطناعي على محتوى من الإنترنت، فإنها قد تُنتج في كثير من الأحيان حوارات مقنعة وقابلة للتصديق، ولكنها لا تقدم إجابات دقيقة دقة تامة. على سبيل المثال، استشهد ChatGPT مؤخرًا بسوابق قانونية وهمية (يوجد الرابط خارج موقع  ibm.com). محكمة فيدرالية، وهو ما قد يؤدي إلى فرض عقوبات على المحامي الكسول الذي اعتمد عليه دون تحقق.

هناك قضايا مماثلة تتعلق بالثقة في روبوت محادثة يعتمد على الذكاء الاصطناعي في برمجة تطبيق أعمال. في حين أن نموذج لغة كبير معمَّم قد يقدم اقتراحات عامة معقولة حول كيفية تحسين تطبيق أو إصدار نموذج تسجيل قياسي بسهولة أو برمجة لعبة خفيفة، فإن السلامة الوظيفية لتطبيق الأعمال تعتمد بشكل كبير على بيانات التعلم الآلي التي تم تدريب نموذج الذكاء الاصطناعي عليها.

ولحسن الحظ، كان بحث الذكاء الاصطناعي الموجه نحو الإنتاج قائمًا منذ سنوات قبل وصول ChatGPT. وكانت ®IBM تقوم ببناء نماذج التعلم العميق والاستدلال تحت علامتها التجارية watsonx™، وبصفتها رائدة ومبتكرة في عالم أجهزة الكمبيوتر المركزية، فقد قامت ببناء نماذج ذكاء اصطناعي توليدي قائمة على الملاحظة تم تدريبها وضبطها على تحويل COBOL إلى Java.

يستخدم أحدث حلول الشركة IBM watsonx ™ Code Assistant for Z كل من العمليات القائمة على القواعد والذكاء الاصطناعي التوليدي لتسريع تحديث تطبيقات الكمبيوتر المركزي. وأصبح بإمكان فرق التطوير الآن الاعتماد على استخدام عملي للغاية وموجّه للمؤسسات للذكاء الاصطناعي التوليدي والأتمتة لمساعدة المطورين في اكتشاف التطبيقات، وإعادة الهيكلة التلقائية، وتحويل COBOL إلى Java.

لجعل تطبيقات الكمبيوتر المركزية أكثر قدرة على التكيّف والمرونة إزاء التغيير تمامًا مثل أي تطبيق موجّه للكائنات أو تطبيق موزّع، ينبغي للمؤسسات التعامل معها باعتبارها أهم الميزات على مستوى مسار التسليم المستمر يساعد IBM watsonx Code Assistant for Z المطورين على إدخال كود COBOL في دورة حياة تحديث التطبيق من خلال ثلاث خطوات:

1. الاكتشاف. قبل الشروع في التحديث، يحتاج المطوّرون إلى تحديد مواضع الاهتمام. تبدأ العملية بأن يقوم الحل بحصر جميع البرامج على الكمبيوتر المركزي، مع رسم مخطّطات تدفق معمارية لكل برنامج، بما في ذلك جميع مدخلات البيانات ومخرجاتها. يُسهّل نموذج التدفق البصري على المطوّرين والمعماريين اكتشاف الترابطات، والانسدادات الواضحة داخل قاعدة الكود.
2. إعادة الهيكلة. تتمحور هذه المرحلة حول تفكيك التطبيقات المتجانسة إلى شكل أكثر قابلية للاستهلاك. يبحث برنامج IBM watsonx Code Assistant for Z في قواعد التعليمات البرمجية للبرامج طويلة الأمد لفهم المنطق التجاري المقصود من النظام. ومن خلال فصل الأوامر عن البيانات، مثل العمليات المنفصلة، يقوم الحل بإعادة هيكلة كود COBOL إلى عناصر خدمات أعمال معيارية.
3. التحويل. هنا يظهر سحر نموذج لغوي كبير (LLM) مُهيّأ لتحويل COBOL إلى Java للمؤسسات ليُحدِث فرقًا. يقوم نموذج الذكاء الاصطناعي التوليدي بترجمة عناصر برنامج COBOL إلى فئات Java، مما يسمح بالتوجيه الكينوني الحقيقي فصل الاهتمامات، بحيث تتمكن فرق متعددة من العمل بشكل متوازٍ وبأسلوب رشيق. يمكن للمطوّرين بعد ذلك التركيز على تنقيح التعليمات البرمجية في Java ضمن بيئة تطوير متكاملة، بينما يوفر الذكاء الاصطناعي اقتراحات استباقية، تشبه إلى حد كبير ميزة المساعد المشترك التي قد تراها في أدوات التطوير الأخرى.

نحن نتشكك بشكل عام في معظم ادعاءات البائعين حول الذكاء الاصطناعي، إذ إنها في الغالب ليست سوى أتمتة تحت مسمى آخر.

مقارنةً بتعلم جميع الفروق الدقيقة في اللغة الإنجليزية والتكهن بالأساس الواقعي للكلمات والفقرات، فإن إتقان بناء الجمل والتراكيب للغات مثل COBOL وJava يبدو مناسبًا تمامًا لقدرات الذكاء الاصطناعي التوليدي (GenAI).

يمكن أن تقلل نماذج الذكاء الاصطناعي التوليدي المصممة للمؤسسات مثل IBM watsonx Code Assistant for Z من جهود التحديث وتكاليفه على المؤسسات ذات الموارد المحدودة. تُعد التطبيقات على المنصات المعروفة التي تحتوي على آلاف الأسطر من التعليمات البرمجية أرضية تدريب مثالية لنماذج الذكاء الاصطناعي التوليدي مثل IBM watsonx Code Assistant for Z.

حتى في البيئات ذات الموارد المحدودة، يمكن للذكاء الاصطناعي التوليدي مساعدة الفرق على تخطي عقبات التحديث وتعزيز قدرات مطوري الكمبيوتر المركزي لإجراء تحسينات كبيرة على مستوى المرونة والصلابة فوق أهم تطبيقاتهم الجوهرية للأعمال.

للمزيد، اطّلع على المنشورات الأخرى ضمن سلسلة محللي Intellyx لقيادة الفكر:

• الجزء الأول: "تحديث تطبيقات الكمبيوتر المركزي خارج القطاع المصرفي"
• الجزء الثاني: "استخدام التعاون (وليس الترحيل) لتحديث تطبيقات الكمبيوتر المركزي لديك باستخدام السحابة"
• الجزء الثالث: "الاعتماد على التحول الرقمي بقيادة الكمبيوتر المركزي لقطاع الخدمات المالية"
• الجزء الرابع: "الكمبيوتر المركزي والسحابة؟ الأمر بسيط مع البرمجيات مفتوحة المصدر"

©2024 Intellyx B.V. تتحمل Intellyx المسؤولية التحريرية عن هذه الوثيقة. لم يتم استخدام أي روبوتات الذكاء الاصطناعي لكتابة هذا المحتوى. في وقت كتابة هذا المقال، كانت شركة IBM أحد عملاء Intellyx.