اپل به‌تازگی سه مقاله تحقیقاتی تازه انتشار کرد که در آنها توضیح می‌دهد چطور از هوش مصنوعی در قسمت‌های مهم گسترش نرم‌افزار و کدنویسی منفعت گیری می‌کند. این تحقیقات نشان خواهند داد که اپل درحال ساخت ایجنت‌های هوش مصنوعی برای خودکارسازی فرایندهایی است که همیشه زمان‌بر، پرهزینه و مستعد خطای انسانی بوده‌اند.

اپل در یکی از تحقیقات تازه خود روی یکی از بزرگ‌ترین گلوگاه‌ها در گسترش نرم‌افزار متمرکز است: ضمانت کیفیت (QE). به‌طور سنتی مهندسان برای سنجش کیفیت بین ۳۰ تا ۴۰ درصد از زمان خود را صرف نوشتن دستی آزمون‌ها و اسکریپت‌های اتوماسیون می‌کنند. اپل برای حل این مشکل، یک چارچوب چندلایه به نام «Agentic RAG» را گسترش داده است.

این سیستم به‌جای یک مهندس، از شش ایجنت هوش مصنوعی منفعت گیری می‌کند که هر کدام ماموریت مشخصی دارند: یک ایجنت مسئول مطمعن از انطباق با مقررات است؛ ایجنت فرد دیگر تست‌های قبلی را برای یادگیری الگوها می‌سنجد. ایجنت سوم بر پایه متدولوژی‌های جاری، تست‌های تازه تشکیل می‌کند. ایجنت چهارم اختلاف‌ها و تداخل‌ها را مدیریت می‌کند و دو ایجنت دیگر، ربط بین ماژول‌ها و سیستم‌ها را برقرار می‌کنند.

نتایج این رویکرد خیره‌کننده است. این سیستم توانسته است دقت را از ۶۵ درصد به ۹۴.۸ درصد افزایش دهد، زمان انجام کار را ۸۵ درصد افت دهد و کیفیت شناسایی نقص را ۳۵ درصد بهبود ببخشد.

تحقیقات اپل برای منفعت گیری از هوش مصنوعی در گسترش و شکار باگ

تحقیق دوم اپل روی قضیه فرد دیگر متمرکز است: از بین بردن باگ‌های حاضر در کد. برای این منظور، محققان یک محیط آموزشی خاص به نام «SWE-Gym» را تشکیل کرده‌اند.

این «باشگاه ورزشی» برای ایجنت‌های هوش مصنوعی است و در آن ۲,۴۳۸ ماموریت مهندسی نرم‌افزار واقعی وجود دارد که مستقیماً از گزارش مشکلات گیت‌هاب در ۱۱ مخزن محبوب پایتون استخراج شده‌اند. در این محیط ایجنت هوش مصنوعی باید یاد بگیرد که با منفعت گیری از ابزارهای حاضر، این مشکلات دنیای واقعی را حل کند. این فرایند به مدل امکان می‌دهد تا از طریق آزمون و اشتباه توانمندیهای خود را در عرصه از بین بردن باگ بهبود بدهد.

نتایج مشخص می کند که مدل‌های زبانی آموزش‌دیده با این روش موفق شدند ۷۲.۵ درصد از ماموریت های را به طور صحیح حل کنند که یک نتیجه زیاد قوی محسوب می‌شود و پتانسیل بزرگی برای افزایش منفعت‌وری گسترش‌دهندگان دارد.

مقاله سوم اپل زیاد دلنشین است؛ اپل توضیح داده که چطور می‌خواهد به‌جای پیداکردن باگ‌ها، آنها را اصلاً پیش از اغاز فرایند گسترش پیش‌بینی کند. این تحقیق یک مدل تازه و پیچیده به نام «ADE-QVAET» را معارفه می‌کند. این مدل با ترکیب تکنیک‌های بهینه‌سازی پیشرفته و مدل‌های ترنسفورمر کوانتومی یاد می‌گیرد که الگوهایی را که علتباگ در نرم‌افزارها خواهد شد، شناسایی کند.

درکل این سه مقاله نشان خواهند داد که تمرکز اپل در حوزه هوش مصنوعی فقط روی قابلیت‌هایی همانند Apple Intelligence نیست، بلکه این شرکت به‌طور جدی درحال منفعت گیری از هوش مصنوعی برای بهبود و تسریع فرایندهای مهندسی داخلی خود است. اگرچه تا این مدت اشکار نیست که آیا این فناوری‌ها به محصولات گسترش‌دهندگان همانند Xcode راه اشکار خواهند کرد یا خیر، اما این گمان دور از ذهن به نظر نمی‌رسد.