تلاش استارتاپ‌ها برای استفاده از ریاضیات دقیق جهت رفع خطاهای هوش مصنوعی
استارتاپ‌های جدیدی مانند &Truth با بهره‌گیری از هوش مصنوعی مولد تلاش می‌کنند فرآیند پیچیده و زمان‌بر «تأیید صوری» را خودکارسازی کنند. این تکنیک ریاضی به توسعه‌دهندگان کمک می‌کند تا امنیت و بی‌خطا بودن کدهای نرم‌افزاری را به اثبات برسانند.
پژوهشگران و استارتاپ‌های فناوری در تلاشند تا با ترکیب هوش مصنوعی مولد و شاخه کمتر شناخته‌شده‌ای از ریاضیات به نام «تأیید صوری»، تحولی در توسعه نرم‌افزار ایجاد کنند. محققان اخیراً ابزاری مبتنی بر هوش مصنوعی ساخته‌اند که توانسته پروژه‌ای مهندسی را در کمتر از نیم روز و با هزینه‌ای زیر ۵۰۰ دلار به اتمام برساند؛ کاری که پیش‌تر توسط سه متخصص به صورت دستی پنج ماه زمان برده بود.
تأیید صوری فرآیندی است که در آن مهندسان با استفاده از فرمول‌های ریاضی اثبات می‌کنند نرم‌افزار بدون باگ و طبق اهداف تعیین‌شده کار می‌کند. اگرچه شرکت‌های بزرگ مانند آمازون و اپل از این روش برای کدهای امنیتی بحران‌ساز استفاده می‌کنند، اما به دلیل هزینه‌ها و پیچیدگی بالا، این روش در تمامی پروژه‌ها به کار گرفته نمی‌شود. اکنون استارتاپ‌هایی نظیر &Truth و Harmonic با جذب سرمایه‌های کلان به دنبال استفاده از هوش مصنوعی برای مقیاس‌پذیر کردن این فرآیند هستند.
با این وجود، کارشناسان درباره توانایی هوش مصنوعی در این زمینه اختلاف نظر دارند. برخی منتقدان بر این باورند که تأیید صوری به تنهایی چاره‌ساز نیست و خطاهای ناشی از اشتباهات کاربری یا سخت‌افزاری را پوشش نمی‌دهد. به گفته فعالان این حوزه، اگرچه ابزارهای خودکارسازی می‌توانند اطمینان بیشتری فراهم کنند، اما همچنان به آزمایش‌های جامع و دقیق نیاز است.
توسعه‌دهندگان نرم‌افزارهای متن‌باز و شرکت‌های فناوری میان‌سد نیز به صورت آزمایشی در حال بررسی این ابزارها هستند، اما نگرانی‌هایی درباره هزینه، کمبود نیروی متخصص و احتمال کند شدن روند نوآوری وجود دارد. با گسترش حملات سایبری و خطرات امنیتی ناشی از سیستم‌های خودکار، موافقان امیدوارند که تأیید صوری مبتنی بر هوش مصنوعی به عنوان یک سپر دفاعی کلیدی عمل کند.
گزارش فارسی این خبر با کمک هوش مصنوعی و فقط بر اساس اطلاعات منتشرشده در منبع تهیه شده است.