지피티-6의 레거시 언어 처리 능력 향상

주장오픈에이아이가 선보인 최신 인공지능 모델이 코볼과 포트란, 비주얼 베이직 같은 저자원 프로그래밍 언어에서 뛰어난 성능을 발휘하도록 설계되었습니다. 이 언어들은 현대 언어에 비해 학습 데이터가 부족하지만 전 세계 핵심 인프라를 지탱하는 데 필수적인 역할을 합니다.

팩트국제 비즈니스 기계 회사인 아이비엠의 추산에 따르면 코볼은 전 세계 온라인 은행 시스템의 40퍼센트 이상을 구동하고 있습니다.

팩트전 세계 현금자동입출금기 거래의 95퍼센트가 여전히 코볼 기반 시스템을 통해 처리됩니다.

팩트오픈에이아이는 모델의 성능을 측정하기 위해 멀티랭벤치라는 평가 도구를 구축했습니다.

팩트이 도구는 모델에게 에스큐라이트 호환 데이터베이스 엔진을 처음부터 직접 구축하도록 요구하는 방식으로 진행됩니다.

팩트지피티-6 아스트라 모델은 20개 언어 테스트에서 평균 87.4퍼센트의 통과율을 기록했습니다.

팩트이는 이전 모델인 지피티-5.6 테라가 기록한 약 38퍼센트의 통과율보다 비약적으로 상승한 수치입니다.

팩트지피티-6 루나 모델은 40.3퍼센트의 점수를 기록하여 이전 모델의 37.9퍼센트보다 소폭 높은 성능을 보입니다.

팩트특히 루나 모델은 훨씬 낮은 비용으로 동일한 작업을 수행할 수 있습니다.

팩트코볼 전환 벤치마크에서 지피티-6.1 솔 모델은 코볼 코드를 시플플, 자바, 코틀린, 파이썬, 러스트로 변환하는 작업을 수행했습니다.

팩트낮은 추론 노력만으로도 86.6퍼센트의 정확도를 달성했습니다.

팩트이 모델의 추론 노력을 최대로 높일 경우 정확도는 97.9퍼센트까지 상승합니다.

팩트이는 이전 솔 모델이 기록한 5.4퍼센트의 정확도와 비교되는 수치입니다.

주장레거시 언어 처리 능력의 향상은 노후화된 금융 및 공공 시스템의 현대화 비용을 줄여줍니다. 숙련된 개발자가 부족한 상황에서 인공지능은 시스템 유지보수의 대안이 됩니다.

교차검증모델의 정확도가 높아졌음에도 불구하고 실제 기업 환경에서의 적용은 데이터 보안과 시스템 안정성 검증이 선행되어야 합니다. 생성된 코드의 오류 가능성을 완전히 배제할 수 없으므로 인간의 최종 검토는 필수적입니다.

출처더 디코더(https://the-decoder.com/openai-says-gpt-6-is-much-better-with-legacy-programming-languages-such-as-cobol-and-fortran/) 및 오픈에이아이 공식 발표 자료를 교차 검증했습니다.