OpenAI เสริม COBOL และ Fortran คืออะไร สรุป MultiLangBench และผลประเมินการย้าย COBOL

ภาพหน้าจอหน้าอย่างเป็นทางการของ OpenAI — MultiLangBench — OpenAI — MultiLangBench · แหล่งที่มาถ่ายเมื่อ: 20 ตุลาคม 2569

ภาพแสดงหน้าอย่างเป็นทางการ ณ วันที่ถ่าย ซึ่งอาจแตกต่างจากวันที่เผยแพร่บทความ เลือกภาพเพื่อขยาย

เมื่อวันที่ 19 ตุลาคม 2026 (เวลา 21:00 น. ของวันเดียวกันตามเวลาญี่ปุ่น) OpenAI เผยแพร่บทความชื่อ "Advancing coding in low-resource programming languages" (การพัฒนาการเขียนโค้ดในภาษาโปรแกรมทรัพยากรน้อย) เนื้อหาระบุว่าโมเดล AI ล่าสุดเขียนโปรแกรม และแปลงโปรแกรมไปเป็นภาษาอื่น ในภาษาโปรแกรมที่ใช้กันมายาวนานอย่าง COBOL, Fortran และ Visual Basic ได้ดีขึ้นมาก พร้อมกันนั้นยังเปิดเผยกรอบการประเมินใหม่ "MultiLangBench" บน GitHub ด้วย

ตัวเลขในบทความนี้อ้างอิงจากข้อมูลที่ตรงกันในรายงานข่าวหลายแห่งเกี่ยวกับประกาศของ OpenAI และคำอธิบายการประเมินที่เผยแพร่บน GitHub คะแนนทั้งหมดที่กล่าวถึงเป็นผลที่ OpenAI วัดเอง

"ภาษาทรัพยากรน้อย" คืออะไร

โมเดล AI เรียนรู้การเขียนโปรแกรมจากโปรแกรมและคำอธิบายจำนวนมหาศาลที่อยู่บนอินเทอร์เน็ตและแหล่งอื่น ภาษาที่ใช้กันแพร่หลายอย่าง Python และ JavaScript มีตัวอย่างให้เรียนรู้มาก แต่ภาษาอย่าง COBOL และ Fortran มีโปรแกรมและเอกสารที่เปิดเผยต่อสาธารณะน้อยกว่ามาก จึงเป็นจุดอ่อนของ AI มาตลอด ภาษาที่มีข้อมูลสำหรับฝึกน้อยแบบนี้เรียกว่า "ภาษาทรัพยากรน้อย"

COBOL ใช้กับงานประมวลผลด้านธุรการเป็นหลัก ส่วน Fortran ใช้กับการคำนวณทางวิทยาศาสตร์และวิศวกรรมเป็นหลัก ตามรายงานข่าว OpenAI ระบุในบทความว่า COBOL รองรับธุรกรรมธนาคารออนไลน์มากกว่า 40% การชำระเงินด้วยบัตรแบบต่อหน้า 80% และธุรกรรม ATM 95% และอธิบายว่า Fortran ถูกใช้ในการพยากรณ์อากาศและการวิเคราะห์ความปลอดภัยของเครื่องปฏิกรณ์นิวเคลียร์

การประเมินใหม่ "MultiLangBench"

MultiLangBench คือการประเมินที่ให้โมเดล AI สร้างซอฟต์แวร์ฐานข้อมูล "SQLite" ขึ้นใหม่ตั้งแต่ศูนย์ด้วย 20 ภาษา SQLite เป็นซอฟต์แวร์ฐานข้อมูลขนาดเล็กที่ใช้กันอย่างแพร่หลาย

ตามคำอธิบายที่เผยแพร่บน GitHub กลไกมีดังนี้

ให้โมเดลได้รับเพียงเอกสารคู่มือของ SQLite 3.40.1 แล้วให้เขียนโปรแกรมที่ทำงานแบบเดียวกันด้วยภาษาที่กำหนด
ไม่ให้เชื่อมต่ออินเทอร์เน็ต และนำ SQLite ออกจากสภาพแวดล้อมไว้ก่อน
ใช้ชุดทดสอบราว 24,000 รายการที่สร้างจากการทดสอบของ SQLite เอง เพื่อตรวจว่าได้ผลลัพธ์ตรงกับ SQLite ตัวจริงหรือไม่ (ปกติใช้ 272 รายการในจำนวนนี้)
หากเขียนด้วยภาษาที่ต่างจากที่กำหนด หรือผสมหลายภาษา จะถือว่าไม่ผ่าน

ภาษาที่เป็นเป้าหมายมี 20 ภาษา ได้แก่ C, C#, C++, COBOL, Common Lisp, Fortran, Go, Java, JavaScript, Lean, OCaml, PHP, PowerShell, Python, Ruby, Rust, Scala, Swift, Visual Basic และ Zig ชุดทดสอบและสภาพแวดล้อมเผยแพร่ภายใต้ Apache License 2.0

คะแนนที่ OpenAI เปิดเผย

ตามรายงานข่าว ผลลัพธ์หลักที่ OpenAI เปิดเผยมีดังนี้ ตัวเลขคือสัดส่วนการผ่านการทดสอบ

GPT-6 Astra: เฉลี่ย 87.4% จาก 20 ภาษา และเกิน 83% ใน 19 จาก 20 ภาษา
GPT-6 Luna: เฉลี่ย 40.3% ค่าใช้จ่ายราว 0.77 ดอลลาร์ต่อครั้ง
GPT-5.6 Sol: เฉลี่ย 26.8% ค่าใช้จ่าย 3.48 ดอลลาร์ต่อครั้ง

เมื่อดูเป็นรายภาษา มีรายงานว่าคะแนนของ GPT-6 Astra เพิ่มขึ้นเมื่อเทียบกับ GPT-5.6 Sol ดังนี้

COBOL: จาก 10.9% เป็น 72.1%
Fortran: จาก 21.4% เป็น 83.5%
OCaml: จาก 25.6% เป็น 85.8%
Visual Basic: จาก 27.5% เป็น 89.4%

แม้แต่ใน GPT-6 Astra นั้น COBOL ก็ยังเป็นภาษาที่ได้คะแนนต่ำที่สุดใน 20 ภาษา

การประเมินการย้ายโปรแกรม COBOL ไปเป็นภาษาอื่น

OpenAI ยังแสดงผลของการประเมินอีกรายการหนึ่งคือ "การประเมินการย้าย COBOL" โดยให้โมเดลเขียนโปรแกรมที่เขียนด้วย COBOL ใหม่เป็นภาษาใดภาษาหนึ่งใน C++, Java, Kotlin, Python หรือ Rust แล้วตรวจว่าผลลัพธ์ตรงกับโปรแกรมต้นฉบับทุกไบต์หรือไม่ เป็นการวัดว่าในงาน "ย้ายระบบ" ที่นำระบบเก่าไปสู่ภาษาใหม่ จะคงการทำงานแบบเดิมไว้ได้หรือไม่

ตามรายงานข่าว ผลลัพธ์มีดังนี้

GPT-6.1 Sol (ตั้งค่าให้คิดน้อย): 86.6%
GPT-6.1 Sol (ตั้งค่าให้คิดมาก): 97.9%
GPT-5.6 Sol (ตั้งค่าให้คิดน้อย): 5.4%

เท่าที่กองบรรณาธิการ CoAI ตรวจสอบได้ ยังไม่ทราบจำนวนและเนื้อหาของโปรแกรมที่ใช้ในการประเมินนี้ รวมถึงว่าจะเปิดเผยกรอบการประเมินหรือไม่

ใช้งานได้ที่ไหนและข้อควรระวัง

รายงานข่าวระบุว่า การพัฒนานี้มีผลทั้งใน ChatGPT และโมเดลล่าสุดที่ใช้งานผ่าน API ได้ นี่ไม่ใช่การเปิดตัวผลิตภัณฑ์ใหม่ แต่เป็นประกาศที่แสดงว่าความสามารถของโมเดลที่มีอยู่สูงขึ้น ส่วนการใช้งานใน Codex และข้อมูลภาษาญี่ปุ่น เท่าที่ตรวจสอบได้ยังไม่มีคำแนะนำเป็นพิเศษ

OpenAI เตือนว่า ในการย้ายระบบจริงยังคงต้องให้ผู้เชี่ยวชาญตรวจสอบ และต้องทดสอบให้สอดคล้องกับกฎทางธุรกิจของระบบนั้นและการเชื่อมต่อกับระบบอื่น

ความเกี่ยวข้องกับระบบเก่าในญี่ปุ่น

ในญี่ปุ่นเอง การจัดการระบบหลักรุ่นเก่า (ระบบที่รองรับงานสำคัญของบริษัท) ก็เป็นปัญหามานาน กระทรวงเศรษฐกิจ การค้า และอุตสาหกรรมของญี่ปุ่น (METI) ได้เตือนถึงปัญหาที่ระบบเก่ากลายเป็นอุปสรรคทำให้ DX (การเปลี่ยนแปลงด้วยเทคโนโลยีดิจิทัล) ไม่คืบหน้า โดยเรียกว่า "หน้าผาปี 2025" ในรายงาน DX ปี 2018 และใน "รายงานสรุปของคณะกรรมการปรับปรุงระบบเก่าให้ทันสมัย" ที่ METI จัดทำเมื่อเดือนพฤษภาคม 2025 ระบุว่า 61% ของบริษัทที่ตอบแบบสำรวจยังคงมีระบบเก่า (legacy system) อยู่ และบุคลากรด้าน IT ลดลงต่อเนื่องเมื่อวิศวกรที่มีประสบการณ์ทยอยออกไป

ระบบเก่าที่ทำงานบนเมนเฟรม (คอมพิวเตอร์ธุรกิจขนาดใหญ่) จำนวนมากเขียนด้วย COBOL หาก AI อ่านและเขียนภาษาเหล่านี้ได้อย่างถูกต้อง ก็อาจช่วยให้เข้าใจโปรแกรมเก่าที่ไม่มีเอกสารข้อกำหนดเหลืออยู่ และช่วยย้ายไปสู่ภาษาใหม่ได้

มุมมองของกองบรรณาธิการ CoAI

ที่ผ่านมา การประเมินความสามารถเขียนโปรแกรมของ AI มักเน้นภาษาที่ใช้กันแพร่หลายอย่าง Python และ JavaScript ประกาศของ OpenAI ครั้งนี้มีความหมายตรงที่หันมาให้ความสำคัญกับ COBOL และ Fortran ซึ่งยังทำงานอยู่ในธนาคาร หน่วยงานรัฐ และที่อื่น ๆ และยังเปิดเผยกรอบการประเมินด้วย การที่ใครก็ใช้ชุดทดสอบได้ทำให้เปรียบเทียบกับโมเดลของบริษัทอื่นภายใต้เงื่อนไขเดียวกันได้ง่ายขึ้น

ในอีกด้านหนึ่ง ตัวเลขที่แสดงเป็นผลที่ OpenAI วัดเอง และเรายังตรวจสอบเนื้อหาของการประเมินการย้าย COBOL ไม่ได้ ในระบบที่จัดการเงินหรือข้อมูลส่วนบุคคล ความแตกต่างของการทำงานเพียงเล็กน้อยก็อาจนำไปสู่ปัญหาใหญ่ได้ แม้จะใช้ AI ในการย้ายระบบ ก็ควรตั้งอยู่บนการตรวจสอบโดยผู้เชี่ยวชาญและการทดสอบอย่างเพียงพอ ดังที่ OpenAI เองก็กล่าวไว้