قفزة مذهلة نحو البرمجة بالجملة: ثورة الذكاء الاصطناعي في تحويل اللغة الطبيعية إلى كود موثوق

# قفزة مذهلة نحو البرمجة بالجملة: ثورة الذكاء الاصطناعي في تحويل اللغة الطبيعية إلى كود موثوق

تُظهر نماذج اللغة الكبيرة (Large Language Models - LLMs) إمكانيات هائلة في مجال تطوير البرمجيات الآلية، إلا أن ضمان صحة الكود الناتج عنها يبقى غير مضمون في كثير من الأحيان بسبب الأخطاء أو توليد الأكواد الخاطئة. ولتعزيز مصداقية هذه النماذج، تُعتبر التحقق الرسمي (Formal Verification) ضرورية، حيث يتعين على نماذج الذكاء الاصطناعي توليد المنطق البرمجي إلى جانب المواصفات الرسمية التي يتم التحقق منها رياضيًا.

ومع ذلك، لا زالت عملية الانتقال من اللغة الطبيعية غير الرسمية إلى المواصفات الرسمية الدقيقة تمثل تحديًا كبيرًا، ولهذا جاء عملنا لتقديم مجموعة بيانات جديدة تُعرف باسم NaturalLanguage2VerifiedCode (NL2VC)-60، التي تضم 60 مشكلة خوارزمية معقدة.

قمنا بتقييم 11 مجموعة من المشاكل المُختارة عشوائيًا عبر سبع نماذج LLM مفتوحة، باستخدام استراتيجية prompting متعددة المستويات: من prompting بدون سياق، إلى prompting مع توقيعات توفر نقاط هيكلية، وصولاً إلى self-healing prompts التي تستخدم تغذية راجعة متكررة من مدقق Dafny.

لمعالجة مشكلة التحقق الخالي من المحتوى، حيث اتخاذ نماذج الذكاء الاصطناعي تفي بموافقات المدقق Specifications التافهة، أدخلنا منصة uDebug لضمان التحقق الوظيفي. أظهرت النتائج أن التأكيد بدون سياق أدى إلى فشل شبه شامل، بينما ساعدت التوقيعات الهيكلية وتغذية راجعة ذاتية على تحسين الأداء بشكل درامي. بشكل خاص، حقق نموذج Gemma 4-31B معدل نجاح في التحقق بلغ 90.91٪، بينما ارتفع معدل نجاح نموذج GPT-OSS 120B من صفر إلى 81.82٪ بفضل التغذية الراجعة المستندة إلى التوقيع.

توضح هذه النتائج أن التحقق الرسمي أصبح الآن قابلًا للتحقيق لنماذج LLM ذات الوزن المفتوح، مما يُعتبر مُساعدًا فعالًا في توليد التعليقات المعقدة وتسهيل تطوير البرمجيات عالية التأكيد.

**ما رأيك في إمكانيات الذكاء الاصطناعي في تعزيز التطوير البرمجي؟ هل تعتقد أنه يمكن الاعتماد عليه بالكامل في المستقبل؟**