الذكاء الاصطناعي الذي يترجم من لغة كمبيوتر إلى أخرى ...

الذكاء الاصطناعي الذي يترجم من لغة كمبيوتر إلى أخرى ...

 

تعد إعادة كتابة التعليمات البرمجية المصدر بلغة أخرى مهمة معقدة للغاية ، لأن كل لغة لها بناءها الخاص بها ، وغالبًا ما تكون محددة للغاية ، ولكنها تعتمد أيضًا على مكتبات الوظائف الخاصة بها وتعتمد على واجهات برمجة التطبيقات المختلفة اعتمادًا على الأنظمة الأساسية.

ومع ذلك ، كانت هناك حاجة منذ فجر عصر الكمبيوتر. لغات الكمبيوتر على قيد الحياة. هم في بعض الأحيان غير متوافقين نسبيًا من إصدار إلى آخر (Python 2 vs Python 3) ولكن بشكل خاص يخرج البعض عن الموضة ويسقطون بشكل أو بآخر في النسيان. أنفقت العديد من البنوك الكبيرة ثروات لتحويل كود كوبول إلى لغة أكثر حداثة. تتطلع العديد من الشركات اليوم إلى تحويل برامجها المكتوبة بلغة VB إلى C #. اليوم ، ستحلم العديد من شركات هندسة البرمجيات بوجود مترجم كود C ++ في رمز Rust ، فقط لتحديث أنظمة التشغيل الخاصة بها دون الحاجة إلى إعادة كتابتها بالكامل.

إن محولات تحويل لغة إلى أخرى ليست جديدة. ولكن حتى الآن ، كانت غير ذكية نسبيًا واعتمدت على قواعد تحويل بسيطة نسبيًا. ونتيجة لذلك ، نادرًا ما تكون الشفرات المصدر الناتجة عن مثل هذه الترجمة قابلة للاستغلال والقابلية مباشرة وتتطلب جهدًا يدويًا كبيرًا للعمل على الشفرة الناتجة لجعلها قابلة للتنفيذ.

قرر باحثو الذكاء الاصطناعي في Facebook اتخاذ نهج مختلف تمامًا وتطبيق أبحاثهم في ترجمة اللغة عبر الشبكات العصبية (NMT) على لغات البرمجة.
استخدموا رموز المصدر المفتوح المتاحة على GitHub لتدريب نموذجهم لترجمة رموز المصدر المكتوبة في C ++ و Java و Python. يمكن لـ TransCoder AI ، الذي يعتمد على الترجمة الآلية غير الخاضعة للرقابة ، تحويل التعليمات البرمجية المصدر لأي من هذه اللغات الثلاث إلى اللغتين الأخريين بدقة وكفاءة أعلى بكثير من الأنظمة الحالية إذا استخدمناها. يعتقد الباحثون.

مثال على تحويل الشفرة بواسطة TransCoder AI

ومع ذلك ، فإن النتائج بعيدة عن أن تكون مثالية إذا كنا نعتقد أن معدلات الدقة التي يقاسها الباحثون:
* 91.6٪ في التحويل من Java إلى C ++
* 74.8٪ في التحويل من C ++ إلى Java
* 68.7٪ في التحويل من Java إلى Python
* 67.2٪ في التحويل من C ++ إلى Python
* 57.8٪ في التحويل من Python إلى C ++
* 56.1٪ في التحويل من Python إلى Java