IBM近日表示,正在利用新发布的生成式AI服务watsonx来帮助企业实现核心业务的大型机应用现代化。

新的watsonx Code Assistant for Z是一款由AI驱动的生成式编码助手,旨在帮助开发人员用旧版COBOL编程语言编写的应用转换为Java。该服务可以帮助加速COBOL应用现代化,同时降低这个过程中出现问题的风险。IBM表示,将于下个月在美国拉斯维加斯举行的IBM TechXchange活动上首次演示该技术。
watsonx Code Assistant for Z是由IBM拥有200亿个参数的watsonx.ai模型提供支持,据说该模型是世界上最大的致力于代码自动化的生成式AI基础模型之一。
IBM认为,企业迫切地希望对其大型机应用进行现代化改造,以利用加速代码开发和提高开发人员生产力等优势。通过使用Java而不是COBOL编写大型机应用,企业组织就可以获取更广泛的IT技能并加快开发人员的上手速度。
这是因为当今熟悉COBOL的开发人员数量有限,而几乎每个开发人员都了解Java,此外,基于Java的应用也更容易维护。
COBOL语言已经有60多年的历史,仍然在支持全球各地组织的许多重要业务和运营流程。翻译这些基于COBOL的应用很困难,因为这要涉及数十亿行代码,需要从头开始重写。通过使用watsonx Code Assistant for Z,企业将能够把COBOL应用和服务逐步转换为高质量的Java代码,从而使开发人员能够专注于更有影响力的任务,例如向这些应用添加新功能。
据称,watsonx Code Assistant for Z采用了IBM的Application Discovery and Delivery Intelligence库存和分析工具来帮助企业发现那些最紧迫的现代化项目。它使用生成式AI可以执行包括用COBOL重构业务服务、将COBOL代码转换为高度优化的Java代码等任务,然后通过自动化测试验证此转换的结果。
Constellation Research副总裁兼首席分析师Andy Thurai表示,寻找熟练的COBOL开发人员是大型机应用现代化的最大挑战之一。他说,很少有开发人员熟悉COBOL,而且许多开发人员早已离开了这个领域,因此雇用既了解COBOL又了解Java的开发人员就更难了。
Thurai说:“这就是IBM watsonx Code Assistant for Z对企业来说非常有用的方面了,这些模型经过训练可以理解大型机COBOL应用,生成面向对象的Java代码,这些代码可用于将这些大型机转换为现代程序,从而使大型机现代化变得很容易。”
Thurai乐观的原因之一,是watsonx Code Assistant for Z与其他模型相比有些不同寻常。他说,主要的区别在于watsonx Code Assistant for Z是用专门代码进行训练的,专门用于实现代码生成这个目的的,与其他更通用的大型语言模型有所不同。“这个大型语言模型是任务特定的,实际上可以归类为专门的语言模型,或者SLM,而不是LLM。”
IBM表示,watsonx Code Assistant for Z可以成为许多企业最可行的一个选择。虽然一些企业选择将他们遗留的大型机应用迁移到公有云,但这意味着他们必须牺牲IBM Z大型机的可靠性,而IBM Z大型机由于其可靠性、稳定性和抗网络攻击能力而仍然很受欢迎。
另一方面,现有的工具可以将COBOL转换为Java语法,这与IBM提议的类似。然而IBM表示,此类工具并不可靠,并且经常生成难以维护的代码,有时甚至无法被Java开发人员识别。IBM补充说,生成式AI更有前途,并且watsonx Code Assistant for Z是第一个提供COBOL支持的此类模型,具有独特的能力来保护客户的知识产权。
Pund-IT分析师Charles King表示,watsonx Code Assistant for Z是IBM不断发展和改进Z大型机解决方案以满足客户需求的一个很好的例子,反映了一种人工智能解决方案战略,这种战略专注于能够为当今客户提供明确且可证明的利益,而不是对明天可能会发生的事情做出承诺。King表示:“IBM没有被动地等待其他现代化解决方案参与者的追赶,而是积极颠覆自身及其产品,以造福于客户。这只是IBM Z继续成为数千家全球组织首选企业平台的原因之一。”
Thurai表示,IBM的总体目标是通过将英语本身转变为一种编程语言,并在未来可能转变为其他人类语言,从而提高开发人员的效率,这样做是因为IBM知道开发人员是任何软件公司的关键,需要提高他们的效率,以便他们可以更快地进行开发。然而,他警告说,生成式AI编码模型往往会生成有时容易受到攻击或侵犯知识产权和许可权的代码。
“因为IBM在自己的大型机代码上训练了这个模型,所以使用它时应该不会出现法律或所有权问题。不过,这些公告和发布仍处于预览模式,希望IBM能够很好地执行这一计划。”
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。