في عالم البرمجيات، تمثل متطلبات اللغة الطبيعية تحدياً كبيراً، حيث كثرة الغموض وتناقضها تؤدي إلى عواقب وخيمة، خاصة في المجالات الحساسة مثل الأجهزة الطبية. ناقشت الأبحاث الحديثة إمكانية استخدام نماذج اللغات الضخمة (Large Language Models) المجهزة بمحلل SMT (Satisfiability Modulo Theories) لتدقيق هذه المتطلبات وتحسين دقتها.

من خلال الابتكار في نموذج يُدعى VERIMED، تم تقديم حل ثوري يحول المتطلبات غامضة التفسير إلى منطق رسمي، مما يساعد على كشف عدم التوافق، وفجوات التفسير، والانتهاكات الأمنية. لقد أظهرت النتائج أن التغيرات العشوائية في التمثيلات الرسمية تشير إلى وجود غموض في المتطلبات: الأمر الذي يدل على أن المتطلبات التي تقبل تفسيرات متعددة تُنتج تمثيلات منطقية غير متكافئة من قبل المحلل.

أحد الاكتشافات المهمة كان أن استخدام التغذية الراجعة الرمزية يعتمد على درجة تفصيلها. في تجربة تحسين تستند إلى أمثلة مضادة على اختبار يتعلق بجهاز غسيل الكلى، ارتفعت دقة التحقق من 55.4% إلى 98.5% بفضل الأمثلة المضادة المحددة. بعد سلسلة من التقارير التجريبية على متطلبات السلامة المرتبطة بغسيل الكلى المفتوحة المصدر، أثبت الأسلوب القائم على نماذج اللغات الضخمة في VERIMED فعاليته من خلال تقليل المتطلبات حساسة الغموض وتمكين تدقيق صارم لمتطلبات البرمجيات من خلال استفسارات تعتمد على SMT.

في ضوء هذه النتائج، يتضح أن استخدام الذكاء الاصطناعي لا يسهم فقط في تعزيز الدقة بل في رفع مستوى الأمان التكنولوجي.

ما رأيكم في هذا التطور؟ شاركونا في التعليقات.