- Katılım
- 13 Ocak 2026
- Mesajlar
- 236
- Tepkime puanı
- 102
- Puan
- 43
Arkadaşlar, yapay zekâyla kod yazma gündeminde bu kez sıfırdan uygulama üretmekten farklı bir konu var: yıllardır çalışan eski yazılımları, davranışlarını bozmadan modern dillere taşımak. Interesting Engineering’in 19 Ekim tarihli haberine göre OpenAI, COBOL gibi dillerdeki programların dönüştürülmesine yönelik değerlendirmesinde önemli ilerleme bildirdi. En çok dikkat çeken yüzde 97,9 sonucu ise şirketin belirli test koşullarına ait; her kurumsal yazılımın otomatik ve hatasız yenilenebildiği anlamına gelmiyor.
Eski kod neden hâlâ önemli?
Bankalar ve başka büyük kuruluşlar, günlük işlerinde onlarca yıl önce yazılmış programlara güvenebiliyor. Bu sistemleri değiştirmek, aynı işlemi başka bir programlama dilinde yeniden yazmaktan ibaret değil. Yıllar içinde birikmiş iş kuralları, hesaplama tercihleri ve başka sistemlerle ilişkiler de korunmalı. Üstelik bunların hepsi güncel bir belgede açıklanmış olmayabilir; bazı bilgiler yalnızca çalışan kodun içinde bulunabilir.
Kaynak, COBOL’un finans altyapısındaki ve Fortran’ın bilimsel hesaplamalardaki önemine dikkat çekiyor. Modern dillerde bol miktarda örnek kod bulunurken daha eski dillerde modellerin yararlanabileceği malzeme sınırlı kalabiliyor. Bu yüzden yapay zekânın popüler bir dilde iyi sonuç vermesi, eski bir kurumsal uygulamada aynı güvenilirliği sağlayacağını tek başına göstermiyor.
Görsel: Getty Images / Interesting Engineering. OpenAI konulu temsili fotoğraf illüstrasyonu; test edilen modelin arayüzünü göstermiyor.
Çalışan program, aynı sonucu veren program mı?
Haberde verilen COBOL örneği bu ayrımı güzel açıklıyor. Programda ayrıca yuvarlama istenmediğinde fazla ondalık basamaklar atılabiliyor. Yeni dilde yazılan sürüm bu noktada farklı davranırsa kod sorunsuz çalışsa bile hesaplanan tutarlar değişebilir. Finansal işlemlerde küçük görünen farkların bile önemi olabilir.
Bunu kendi tablolarımızdaki bir formülü başka bir yöntemle yeniden kurmaya benzetebiliriz. İki formül birkaç örnekte aynı sonucu verse de boş hücre, negatif değer veya sınır durumunda ayrışabilir. Bu benzetme benim açıklamam; haberde Excel’e ilişkin bir deney yapılmış değil. Asıl mesele, yalnızca çıktının oluşması değil, beklenen davranışın korunması.
Yüzde 97,9 hangi değerlendirmeye ait?
OpenAI’ın COBOL dönüşüm değerlendirmesinde programlar C++, Java, Kotlin, Python veya Rust’a taşınıyor. Başarılı sayılmaları için, gözlemlenebilir çıktıları orijinal programla karşılaştıran kontroller dâhil bütün gizli testleri geçmeleri gerekiyor. Habere göre GPT-6.1 Sol, yüksek akıl yürütme düzeyinde yüzde 97,9 doğruluk elde etmiş.
Düşük akıl yürütme düzeyinde aynı model için yüzde 86,6, GPT-5.6 Sol için yüzde 5,4 bildiriliyor. Ancak bunlar OpenAI’ın değerlendirme sonuçları. Bir şirketin yıllardır kullandığı gerçek uygulamanın bağımlılıkları ve belgelenmemiş iş kuralları bu testlerin tamamıyla temsil edilemeyebilir. Bu nedenle rakamı genel bir hatasızlık garantisi gibi okumamak gerekiyor.
İkinci test farklı bir beceriyi ölçüyor
MultiLangBench ise eski kodu çevirmek yerine, 20 programlama dilinde SQLite ile uyumlu bir veritabanı motoru geliştirme görevini inceliyor. Kaynağa göre GPT-6 Astra’nın ortalama test geçme oranı yüzde 87,4; GPT-5.6 Sol’un oranı yüzde 26,8. Fortran, Visual Basic ve COBOL’da da ilerleme aktarılıyor. Bu farklı değerlendirmenin puanını COBOL dönüşümündeki yüzde 97,9 ile doğrudan aynı ölçüm gibi karşılaştırmamalıyız.
Bence gelişmenin değeri, eski sistemlerin bakımında geliştiricilere daha güçlü bir yardımcı sunabilmesi. Yine de gerçek iş yükleriyle doğrulama, sınır durumlarını inceleme ve eski davranışın korunup korunmadığını kontrol etme işi devam ediyor. Sizce böyle bir dönüşümde en zor bölüm kodu yeni dile aktarmak mı, yoksa yıllardır kimsenin belgelememiş olduğu iş kurallarını ortaya çıkarmak mı?
Kaynak: Interesting Engineering’in OpenAI’ın eski yazılımları dönüştürme testlerini aktaran haberi.
Eski kod neden hâlâ önemli?
Bankalar ve başka büyük kuruluşlar, günlük işlerinde onlarca yıl önce yazılmış programlara güvenebiliyor. Bu sistemleri değiştirmek, aynı işlemi başka bir programlama dilinde yeniden yazmaktan ibaret değil. Yıllar içinde birikmiş iş kuralları, hesaplama tercihleri ve başka sistemlerle ilişkiler de korunmalı. Üstelik bunların hepsi güncel bir belgede açıklanmış olmayabilir; bazı bilgiler yalnızca çalışan kodun içinde bulunabilir.
Kaynak, COBOL’un finans altyapısındaki ve Fortran’ın bilimsel hesaplamalardaki önemine dikkat çekiyor. Modern dillerde bol miktarda örnek kod bulunurken daha eski dillerde modellerin yararlanabileceği malzeme sınırlı kalabiliyor. Bu yüzden yapay zekânın popüler bir dilde iyi sonuç vermesi, eski bir kurumsal uygulamada aynı güvenilirliği sağlayacağını tek başına göstermiyor.
Görsel: Getty Images / Interesting Engineering. OpenAI konulu temsili fotoğraf illüstrasyonu; test edilen modelin arayüzünü göstermiyor.
Çalışan program, aynı sonucu veren program mı?
Haberde verilen COBOL örneği bu ayrımı güzel açıklıyor. Programda ayrıca yuvarlama istenmediğinde fazla ondalık basamaklar atılabiliyor. Yeni dilde yazılan sürüm bu noktada farklı davranırsa kod sorunsuz çalışsa bile hesaplanan tutarlar değişebilir. Finansal işlemlerde küçük görünen farkların bile önemi olabilir.
Bunu kendi tablolarımızdaki bir formülü başka bir yöntemle yeniden kurmaya benzetebiliriz. İki formül birkaç örnekte aynı sonucu verse de boş hücre, negatif değer veya sınır durumunda ayrışabilir. Bu benzetme benim açıklamam; haberde Excel’e ilişkin bir deney yapılmış değil. Asıl mesele, yalnızca çıktının oluşması değil, beklenen davranışın korunması.
Yüzde 97,9 hangi değerlendirmeye ait?
OpenAI’ın COBOL dönüşüm değerlendirmesinde programlar C++, Java, Kotlin, Python veya Rust’a taşınıyor. Başarılı sayılmaları için, gözlemlenebilir çıktıları orijinal programla karşılaştıran kontroller dâhil bütün gizli testleri geçmeleri gerekiyor. Habere göre GPT-6.1 Sol, yüksek akıl yürütme düzeyinde yüzde 97,9 doğruluk elde etmiş.
Düşük akıl yürütme düzeyinde aynı model için yüzde 86,6, GPT-5.6 Sol için yüzde 5,4 bildiriliyor. Ancak bunlar OpenAI’ın değerlendirme sonuçları. Bir şirketin yıllardır kullandığı gerçek uygulamanın bağımlılıkları ve belgelenmemiş iş kuralları bu testlerin tamamıyla temsil edilemeyebilir. Bu nedenle rakamı genel bir hatasızlık garantisi gibi okumamak gerekiyor.
İkinci test farklı bir beceriyi ölçüyor
MultiLangBench ise eski kodu çevirmek yerine, 20 programlama dilinde SQLite ile uyumlu bir veritabanı motoru geliştirme görevini inceliyor. Kaynağa göre GPT-6 Astra’nın ortalama test geçme oranı yüzde 87,4; GPT-5.6 Sol’un oranı yüzde 26,8. Fortran, Visual Basic ve COBOL’da da ilerleme aktarılıyor. Bu farklı değerlendirmenin puanını COBOL dönüşümündeki yüzde 97,9 ile doğrudan aynı ölçüm gibi karşılaştırmamalıyız.
Bence gelişmenin değeri, eski sistemlerin bakımında geliştiricilere daha güçlü bir yardımcı sunabilmesi. Yine de gerçek iş yükleriyle doğrulama, sınır durumlarını inceleme ve eski davranışın korunup korunmadığını kontrol etme işi devam ediyor. Sizce böyle bir dönüşümde en zor bölüm kodu yeni dile aktarmak mı, yoksa yıllardır kimsenin belgelememiş olduğu iş kurallarını ortaya çıkarmak mı?
Kaynak: Interesting Engineering’in OpenAI’ın eski yazılımları dönüştürme testlerini aktaran haberi.