اخبار
اپل به بهره‌گیری از هوش مصنوعی برای بهبود نرم‌افزار و شناسایی اشکالات می‌پردازد
اپل به تازگی سه مقاله تحقیقاتی جدید منتشر کرده که در آن‌ها به استفاده از هوش مصنوعی در بخش‌های کلیدی توسعه نرم‌افزار و کدنویسی پرداخته است. این تحقیقات نشان می‌دهند که اپل در تلاش است تا ایجنت‌های هوش مصنوعی را برای خودکارسازی فرایندهایی که معمولاً زمان‌بر پرهزینه و مستعد خطاهای انسانی بوده‌اند توسعه دهد.
در یکی از این تحقیقات اپل بر روی یکی از بزرگ‌ترین چالش‌ها در توسعه نرم‌افزار یعنی تضمین کیفیت (QE) تمرکز کرده است. بر اساس روش‌های سنتی مهندسان بین ۳۰ تا ۴۰ درصد از زمان خود را صرف نوشتن آزمون‌ها و اسکریپت‌های اتوماسیون به صورت دستی می‌کنند. به منظور حل این مشکل اپل یک چارچوب چندلایه به نام «Agentic RAG» طراحی کرده است. این سیستم به جای یک مهندس از شش ایجنت هوش مصنوعی با وظایف مشخص بهره می‌برد: یکی از ایجنت‌ها مسئول انطباق با مقررات است؛ دیگری تست‌های قبلی را برای یادگیری الگوها تجزیه و تحلیل می‌کند. ایجنت سوم بر اساس متدولوژی‌های موجود تست‌های جدیدی ایجاد می‌نماید. ایجنت چهارم اختلافات و تداخل‌ها را مدیریت کرده و دو ایجنت دیگر ارتباط بین ماژول‌ها و سیستم‌ها را برقرار می‌کنند. نتایج این رویکرد چشمگیر است به گونه‌ای که دقت سیستم از ۶۵ درصد به ۹۴.۸ درصد افزایش یافته زمان انجام کار ۸۵ درصد کاهش یافته و کیفیت شناسایی نقص ۳۵ درصد بهبود یافته است.
تحقیق دوم اپل به مسئله رفع باگ‌های موجود در کد متمرکز شده است. محققان برای این منظور یک محیط آموزشی خاص به نام «SWE-Gym» ایجاد کرده‌اند. این «باشگاه ورزشی» برای ایجنت‌های هوش مصنوعی شامل ۲,۴۳۸ وظیفه واقعی مهندسی نرم‌افزار است که مستقیماً از گزارش مشکلات گیت‌هاب در ۱۱ مخزن محبوب پایتون استخراج شده‌اند. در این محیط ایجنت هوش مصنوعی باید مشکلات واقعی را با استفاده از ابزارهای موجود حل کند. این فرایند به مدل اجازه می‌دهد تا از طریق آزمون و خطا توانایی‌های خود را در زمینه رفع باگ بهبود بخشد. نتایج نشان می‌دهد که مدل‌های زبانی آموزش‌دیده با این روش موفق به حل ۷۲.۵ درصد از وظایف به درستی شده‌اند که نشان‌دهنده پتانسیل بالای این رویکرد برای افزایش بهره‌وری توسعه‌دهندگان است.
مقاله سوم اپل نیز جالب توجه است؛ اپل در آن به توضیح روش‌های پیش‌بینی باگ‌ها پیش از شروع فرایند توسعه پرداخته است. این تحقیق مدل جدید و پیچیده‌ای به نام «ADE-QVAET» را معرفی می‌کند که با ترکیب تکنیک‌های بهینه‌سازی پیشرفته و مدل‌های ترنسفورمر کوانتومی توانایی شناسایی الگوهایی که منجر به بروز باگ در نرم‌افزارها می‌شوند را دارد. در مجموع این سه مقاله نشان می‌دهند که تمرکز اپل در حوزه هوش مصنوعی تنها محدود به قابلیت‌هایی مانند Apple Intelligence نیست بلکه این شرکت به طور جدی در حال بهره‌برداری از هوش مصنوعی برای بهبود و تسریع فرایندهای مهندسی داخلی خود است. اگرچه هنوز مشخص نیست که آیا این فناوری‌ها به محصولات توسعه‌دهندگان مانند Xcode راه پیدا خواهند کرد یا خیر اما این احتمال دور از ذهن به نظر نمی‌رسد. به نقل از tgju
انتهای پیام/