COBOL于1959年首次发布，是现存最古老的编程语言之一，至今仍在多个行业的关键程序中广泛使用。2022年2月的一项调查发现，每天仍有775亿到8500亿行COBOL代码在活跃使用。然而，虽然许多组织仍然依赖COBOL，但COBOL开发人员的数量在持续下降。更令人担忧的是，随着现有COBOL开发人员的退休和调动，关于如何构造和构造COBOL应用程序的实际知识也可能会逐渐丢失。为了应对这一挑战，初创公司PhaseChangeSoftware正在开发一种名为COBOLColleague的新型人工智能驱动工具。PhaseChangeSoftware总裁SteveBrothers表示，COBOL不会很快消失；并向外媒VentureBeat表示，缺乏COBOL开发者并不是最根本的问题。“真正的根本问题是了解应用程序的作用，因为要有效地修改代码，您需要知道代码的作用。”修改代码的能力还不够，他补充说，还需要有关代码的知识；缺乏对代码的了解是许多编程语言中的一个问题，尤其是在已经60年代的COBOL中。严肃的。PhaseChangeCOBOLColleague软件采用COBOL源代码，并使用符号机器学习和静态分析技术将代码转换为因果模型。然后，该模型可以帮助组织理解和维护代码。COBOLColleague最初可用于在Linux上运行的本地环境中进行部署。值得一提的是，市面上有很多开发工具都声称可以利用AI帮助开发者提高效率，其中就包括最近流行的GitHubCopilot服务。对此，Brothers表示，他们正在构建的工具与GitHubCopilot有很大不同。Copilot旨在帮助开发人员编写代码，但它并不能帮助开发人员在编写代码后维护代码。“我们从事的是更改代码，而不是创建代码，这是最大的区别之一。”PhaseChangeSoftware没有为其AI工具采用典型的机器学习方法，这需要对数据集进行培训。原因是当涉及到源代码时，很难获得足够大的源代码库来进行训练。另一个挑战是路径爆炸。在代码开发中，一个操作可以通过使用不同的“else”函数遵循任意数量的不同路径。使用“else”函数，动作可以根据不同的变量或条件而改变。对于训练数据路径爆炸的可能性，Brothers指出，排列的数量是一个天文数字，因此对于典型的机器学习训练模型来说是不可行的。“我们使用围绕符号机器学习的AI技术解决了这个问题，因此没有训练数据集；我们工具的唯一输入是源代码”。符号人工智能的学习方式更接近人类因果推理世界的方式。Brothers解释说，代码中的行为是因果关系，具有输入和输出。虽然COBOL是PhaseChange的首要目标，但该公司表示计划在未来扩展以支持其他编程语言。“软件开发人员花费80%的时间试图弄清楚他们需要在何处更改代码。无论使用何种编程语言，执行此操作的步骤都是相同的，这就是我们正在自动化的内容。”本文转自OSCHINA文章标题：使用AI帮助记录COBOL代码，防止相关知识丢失本文地址：https://www.oschina.net/news/209014/ai-cobol-code
