编辑：芒果果来自范思编辑部。应用用5tR

IBM工程师正在探索基于人工智能工具从旧企业软件中提取价值的程序方法。5tR

去年，可最IBM展示了人工智能如何通过更新旧代码来执行冗长的平台软件维护。现在，旧代计算该公司引入了基于人工智能的码重方法来重新编码旧的应用程序，以便它们可以在当今的生A上使计算平台上运行。5tR

AI 重新编写旧应用代码，写的新让旧程序获得新应用

IBM的应用用最新计划名为Mono2Micro和应用程序现代化加速器(AMA)，为应用程序架构师提供了更新旧应用程序并从中获得新价值的程序新工具。5tR

IBM研究中心混合云服务主管尼克富勒(Nick Fuller)表示，可最这些措施代表着人工智能将COBOL编写的程序自动转换为Java的一个进步。5tR

Nick Fuller警告说，这些最新的AI方法只能将非模块化单片程序的旧机器代码分解成独立的微服务。他说，虽然AMA工具包实际上是为COBOL现代化而设计的，但它需要在翻译编程语言方面再迈出一步，因为它只提供了现代化过程中的增量步骤。富勒补充道：“语言翻译是人工智能面临的一个根本性挑战，我们正试图让一些旧代码以现代软件语言运行。”5tR

同时，IBM最新的人工智能工具提供了一些新的功能。在Mono2Micro的例子中，它首先分析旧代码，以揭示应用程序架构师自己发现极其困难和耗时的所有隐藏连接，例如，底层业务逻辑包含大量调用和互连组件。5tR

Mono2Micro通过使用AI集群技术将相似的代码组合在一起，更清晰地揭示了代码组是如何交互的。Mono2Micro一旦接受代码，就会对源代码和目标代码进行静态(程序运行前分析)和动态(程序运行时分析)分析。5tR

然后，该工具将基于Java的单个程序及其相关的业务逻辑和用户界面重构为一个微服务。这种将整个软件重构为具有特定功能的独立微服务的方法最大限度地减少了软件中的连接，并在不改变外部行为的情况下改变了应用程序的结构。5tR

AMA工具箱的目的是分析和重构用旧语言编写的旧应用程序。对于AMA工具包，源代码的静态分析和应用程序结构的理解被用来创建代表旧应用程序的图形。当与深度学习方法结合使用时，这种基于图的方法有助于在AMA进行深度学习过程中保存数据。5tR

5tR

AI 战略解解决机器学习关键挑战，适用于大量数据

IBM的人工智能策略解决了机器学习的关键挑战。当数据输入为代码时，其功能是分析：的个数和多重含义。传统的任务关键型应用程序通常有几十万到几百万行代码。在这种背景下，通过嵌入的概念，将机器学习(ML)技术应用于如此大量的数据可以变得更加有效。5tR

这些嵌入层代表了一种将数据转换为数值的方法。嵌入的强大之处在于它将大量具有多种可能含义的代码映射到数值。例如，当通过使用“单词”嵌入将自然人类语言翻译成数值时，就会这样做。它也是在图形环境中完成的，因为它涉及代码分析。5tR

尼克富勒说，“嵌入式层是巨大的，因为没有它们，你将很难让一切接近一个有效执行的机器学习系统。”5tR

他补充说，在代码分析方面，机器学习系统可以通过复制应用程序的功能，更好地向重构后的旧应用程序推荐微服务。Nick Fuller指出，“一旦达到这一点，你就不是完全自由的，但你已经基本上完成了你想要的70%，也就是一个任务关键型的应用，它已经被重构为一个微服务架构。”5tR

-END -5tR