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
新加坡国立大学研究团队开发了名为IEAP的图像编辑框架,它通过将复杂编辑指令分解为简单原子操作序列解决了当前AI图像编辑的核心难题。研究发现当前模型在处理不改变图像布局的简单编辑时表现出色,但在需要改变图像结构时效果差。IEAP框架定义了五种基本操作,并利用思维链推理技术智能分解用户指令,实验证明其性能显著超越现有方法,尤其在处理复杂多步骤编辑时。
Character AI的研究者开发出TalkingMachines系统,通过自回归扩散模型实现实时音频驱动视频生成。研究将预训练视频模型转变为能进行FaceTime风格对话的虚拟形象系统。核心创新包括:将18B参数的图像到视频DiT模型改造为音频驱动系统、通过蒸馏实现无错误累积的无限长视频生成、优化工程设计降低延迟。系统可让多种风格的虚拟角色与人进行自然对话,嘴型与语音同步,为实时数字人交互技术开辟了新可能。
这项由中国人民大学高瓴人工智能学院研究团队发表的研究解决了大语言模型评判中的自我偏好问题。研究提出了DBG分数,通过比较模型给自身回答的分数与黄金判断的差异来测量偏好度,有效分离了回答质量与自我偏好偏差。实验发现,预训练和后训练模型都存在自我偏好,但大模型比小模型偏好度更低;调整回答风格和使用相同数据训练不同模型可减轻偏好。研究还从注意力分析角度揭示了自我偏好的潜在机制,为提高AI评判客观性提供了重要指导。
这篇研究提出了DenseDPO,一种改进视频生成模型的新方法,通过三大创新解决了传统方法中的"静态偏好"问题:使用结构相似的视频对进行比较,采集细粒度的时序偏好标注,并利用现有视觉语言模型自动标注。实验表明,DenseDPO不仅保留了视频的动态性,还在视觉质量方面与传统方法相当,同时大大提高了数据效率。这项技术有望推动AI生成更加自然、动态的视频内容。