تصور کنید پروژه‌ای که سال‌ها زمان می‌برد، حالا در چند هفته و با هزینه‌ای کمتر از یک شام دو نفره به پایان برسد. اگر برنامه‌نویس هستید یا با سیستم‌های قدیمی سروکار دارید، باید بدانید مرز میان «غیرممکن» و «اجراپذیر» در حال جابه‌جایی است.
به گزارش bitplane.net در ۱۳ مه ۲۰۲۶، یک توسعه‌دهنده توانست نسخه‌ای متن‌باز و سازگار از فرمت RAR را پیاده‌سازی کند. این فرمت به دلیل ساختار بسته و تجاری، سال‌ها برای جامعه‌ی نرم‌افزاری یک «جعبه سیاه» بود. بازسازی آن یعنی مهندسی معکوس (Reverse Engineering) — شبیه به این است که ساعت پیچیده‌ای را بدون دفترچه راهنما باز کنید تا بفهمید چرخ‌دنده‌ها چگونه کار می‌کنند.
همان‌طور که در تحلیل‌های قبلی ما درباره‌ی عامل‌های هوش مصنوعی اشاره کردیم، صنعت اکنون از تکمیل ساده‌ی کد عبور کرده و به سمت حلقه‌های خودمختار می‌رود که می‌توانند کارهای فنی حجیم را بدون نیاز به نظارت لحظه‌ای انسان پیش ببرند.
در این پروژه از یک استراتژی چندمدلی برای پر کردن شکاف‌های مستندات RAR استفاده شد:
- Claude Opus 4.7: مسئول استراتژی معماری، مستندسازی و تست‌های پذیرش کاربر (UAT) بود.
- OpenAI Codex 5.5: بخش اصلی پیاده‌سازی و بهینه‌سازی فشرده‌سازی LZSS را بر عهده داشت.
- قابلیت goal/ در OpenAI: این ابزار به ربات اجازه داد ۱۶ ساعت به‌طور پیوسته کار کند و حدود ۴۰ هزار خط کد برای رمزنگاری و پشتیبانی از حجم‌های چندگانه تولید کند.
کل هزینه این عملیات حدود ۴۰ پوند برای توکن‌های یارانه‌ای بود. جالب است بدانید این پژوهش خودمختار باعث فعال شدن هشدارهای امنیتی OpenAI شد؛ چرا که مدل در حین مستندسازی روش‌های احراز هویت، به‌طور تصادفی مسیر پرداخت و ثبت لایسنس WinRAR را دور زد.
این نتیجه ثابت می‌کند که استراتژی «کار بر اساس مشخصات» برای هوش مصنوعی کاربردی است، اما شکافی میان کد «کار‌کننده» و کد «پرتوان» وجود دارد. مدل با استفاده از روش‌های brute-force توانست به دقت فشرده‌سازی WinRAR نزدیک شود (با اختلاف ۵ تا ۱۰ درصد)، اما نتوانست ترفندهای بهینه‌سازی پیچیده‌ای را پیدا کند که یک برنامه‌نویس خبره زبان C به کار می‌برد. در نتیجه، ابزار ساخته شده چندین برابر کندتر از نسخه اصلی است.
گام بعدی شما
- توسعه‌دهندگان و آرشیوگران می‌توانند قابلیت‌های این ابزار را از طریق کریت (crate) oldrar در crates.io بررسی کنند.
- اگر در شرکت خود سیستم‌های قدیمی (Legacy) دارید، بررسی کنید آیا می‌توان منطق آن‌ها را با مدل‌های استدلالی بازسازی کرد.
- منتظر بمانید و ببینید آیا عامل‌های خودمختار می‌توانند در نسخه‌های بعدی، سرعت اجرای کد را هم به اندازه دقت آن بهبود دهند یا خیر.
اما داستان سخت‌افزاری این تحول حتی شگفت‌انگیزتر است — به تحلیل ما درباره‌ی تراشه‌های Blackwell مراجعه کنید.
گفتگو