تری تائو کدهای ۲۵ ساله‌ی جاوا را با عامل‌های هوش مصنوعی مدرن کرد

تصور کنید آرشیوی از مدل‌های بصری ریاضی دارید که از سال ۱۹۹۹ در دنیای دیجیتال یخ زده‌اند. تری تائو در جولای ۲۰۲۶ تنها در چند روز و با کمک عامل‌های مدرن هوش مصنوعی، دو جین اپلت (Applet) را که با جاوا ۱.۰ نوشته شده بودند به جاوا اسکریپت منتقل کرد تا دوباره در مرورگرهای وب امروز قابل اجرا باشند.

به نقل از گزارش‌های منتشر شده، تائو از سال ۱۹۹۹ به دنبال استفاده از ماشین‌ها در ریاضیات بود. او این اپلت‌ها را برای بصری‌سازی مفاهیم جبر خطی و تحلیل مختلط طراحی کرده بود تا دانشجویانش درک بهتری از اشیاء ریاضی داشته باشند. این ابزارها شامل مدل‌های پیچیده‌ای مثل مجموعه‌های بسیکوویچ و ساختارهای لانه‌زنبوری بودند.

برای اکثر برنامه‌نویسان، کدهای قدیمی مثل گورستانی از استانداردهای مرده هستند. اپلت‌های تائو به دلیل توقف پشتیبانی مرورگرها از جاوا ۱.۰ کاملاً از کار افتاده بودند. او برای عبور از این بن‌بست، از رویکرد «کدنویسی بر اساس حس» یا Vibe Coding — شبیه وقتی که یک آهنگساز بدون نوشتن نت‌های دقیق، فقط با توصیف حس آهنگ، قطعه‌ای را خلق می‌کند — بهره برد. او با استفاده از یک عامل (Agent) — ابزاری هوشمند که می‌تواند به‌جای اجرای تک‌دستورات، یک هدف کلی را درک و مدیریت کند — فرآیند بازنویسی دستی و زمان‌بر را دور زد که معمولاً مهاجرت‌های نرم‌افزاری را دشوار می‌کند. این تحول در مدیریت عامل‌ها با رویکردهایی نظیر قابلیت اجرای گردش‌کارهای عامل‌محور در Spring AI 2.0 هم‌سو است که پیاده‌سازی فرآیندهای پیچیده در اکوسیستم جاوا را تسهیل می‌کند. او همچنین از این عامل برای انتقال داده‌های وب‌سایت و وبلاگ قدیمی خود به یک مخزن (Repository) قابل مدیریت‌تر استفاده کرد.

طبق اعلام تائو، این مهاجرت کد در عرض چند ساعت به پایان رسید. دستاوردهای فنی این فرآیند عبارت بودند از:

• فعال شدن تمام اپلت‌های قدیمی با ارتقای گرافیکی؛ مثلاً اپلت مجموعه بسیکوویچ که پیش‌تر تک‌رنگ بود، اکنون رنگی شده است.
• شناسایی دو باگ در کدهای سال ۱۹۹۹ که خود تائو پیش‌تر متوجه آن‌ها نشده بود.
• انتقال موفق اپلت پیچیده لانه‌زنبوری که در سال ۱۹۹۹ با همکاری آلن ناتسون نوشته شده بود و با وجود اینکه کدنویسی دستی آن بسیار دشوار و ظریف بود، با کمترین تلاش منتقل شد.

![عنوان: «اپلیکیشن‌های قدیمی و جدید، با عامل‌های کدنویسی مدرن»

متن جایگزین تصویر پیشنهادی (حداکثر ۱۲۵ کاراکتر):

«توسعه اپلیکی](https://www.dothoosh.com/media/2c765c85-b839-4b87-854d-bf98f24d821c-2-old-and-new-apps-via-modern-coding-agents-8f535cf0.webp)

در تحلیل کیفیت، تائو اشاره کرد که عامل‌های مبتنی بر مدل زبانی بزرگ (LLM) — مثل کتابخانه‌داری که میلیاردها صفحه را خوانده و حالا با همان لحن جواب می‌دهد — اغلب باگ‌های آشکار یا نامحسوسی ایجاد می‌کنند. او در این پروژه تنها یک باگ جزئی یافت: در یک اپلت تحلیل مختلط، وقتی کاربر رویدادی را بیرون از کادر اصلی می‌کشید، رفتار نامناسبی رخ می‌داد. با توجه به اینکه مدل دو باگ قدیمی را یافت و در مقابل یک باگ جدید اضافه کرد، تائو نتیجه را یک «تراز صفر» یا net wash از نظر کیفیت کد دانست.

او خاطرنشان کرد که ریسک این پروژه پایین بود چون ابزارها صرفاً کمک‌کننده‌های بصری بودند و جزء مكونات حیاتی یک استدلال ریاضی به شمار نمی‌رفتند. همین بازدهی باعث شد تائو پروژه‌ای را که در سال ۱۹۹۹ رها کرده بود، دوباره بگیرد: ابزاری برای بصری‌سازی نسبیت خاص. او چشم‌انداز اصلی خود را در آن زمان «نرم‌افزار Inkscape اما در فضای مینکوفسکی» توصیف کرد. در سال ۱۹۹۹، پیچیدگی کدنویسی او را مجبور به توقف کرده بود، اما صرف تنها چند ساعت «کدنویسی بر اساس حس»، ابزاری تولید کرد که دقیقاً با رویای ۲۷ سال پیش او مطابقت داشت.

![عنوان: «اپلیکیشن‌های قدیمی و جدید، با عامل‌های کدنویسی مدرن»

متن جایگزین تصویر پیشنهادی (۱۲۵ کاراکتر):
«توسعه اپلیکیشن با تر](https://www.dothoosh.com/media/2c765c85-b839-4b87-854d-bf98f24d821c-3-old-and-new-apps-via-modern-coding-agents-d6576c7d.webp)

این تغییر رویکرد، آغاز عصر «علم مکمل» است. تائو پیش از این از عامل هوش مصنوعی برای ساخت ابزار بصری مربوط به «حدس گیلبرت» (Gilbreath conjecture) برای همراهی با یکی از مقالات و پست‌های وبلاگی اخیرش استفاده کرده است. او این ابزار را پس از چند ساعت گفتگو با عامل AI تکمیل کرد. او قصد دارد در مقالات آینده، مکمل‌های تعاملی تولیدشده توسط AI را اضافه کند و ریسک پذیرش باگ‌های جزئی را در برابر سرعت بالای تکرار و اجرا، یک معامله منصفانه می‌بیند.

برای کاربر عادی، این یعنی عامل‌های هوش مصنوعی از تولید تکه‌های کوچک کد فراتر رفته و اکنون قادر به انتقال کامل معماری‌های قدیمی هستند. شما می‌توانید کدهای شکسته و قدیمی خود را نه به عنوان یک فقدان، بلکه به عنوان نقشه‌ای عملیاتی برای مدرن‌سازی توسط AI ببینید.

اگر پروژه‌های قدیمی دارید که در غبار دیجیتال گم شده‌اند، اکنون زمان آن است که آزمایش کنید آیا یک عامل هوشمند می‌تواند شکاف بین زبان‌های منسوخ و چارچوب‌های (Frameworks) مدرن را پر کند یا خیر.

گام بعدی شما

• اگر پروژه‌های قدیمی با زبان‌های منسوخ دارید، آن‌ها را به عنوان ورودی به عامل‌های کدنویسی بدهید.
• روی تبدیل مستندات متنی به ابزارهای بصری تعاملی تمرکز کنید.
• مدل‌های استدلالی را برای یافتن باگ‌های پنهان در کدهای قدیمی به کار بگیرید.

اما داستان سخت‌افزاری این تحول حتی شگفت‌انگیزتر است — به تحلیل ما درباره‌ی تراشه‌های Blackwell مراجعه کنید.