Canonical financia proyecto para traducir código C antiguo a Rust seguro con IA
Hecho Qué ha ocurrido
Canonical co-financia un proyecto de doctorado de tres años en la Universidad de Bristol para investigar si los LLM pueden traducir grandes bases de código C a Rust seguro y mantenible. El proyecto, dirigido por el profesor Meng Wang y la Dra. Cristina David, se centra en descomponer componentes de código de cientos de miles de líneas y reescribirlos en Rust. Los primeros objetivos son herramientas específicas como snap-confine y AppArmor.
Resumen generado mediante IA a partir de The Register AI (original en inglés). Naturaleza de la información: hecho documentado.
Análisis Por qué importa
La traducción automática entre lenguajes de programación podría mejorar significativamente la confiabilidad del software y la seguridad de memoria. Canonical, como responsable de Ubuntu, invierte en una línea de investigación que podría reducir costes de modernización de código legacy sin perder comportamientos y correcciones acumuladas durante años.
- Quién se ve afectado
- Empresas con grandes bases de código en C que requieren modernización; desarrolladores de sistemas Linux y herramientas de seguridad; distribuidores de software empresarial.
- Qué puede cambiar
- Si el enfoque resulta viable, podría acelerar la migración de código legacy a lenguajes seguros (Rust) sin reescrituras manuales costosas. También podría revelar errores no documentados al exponer inconsistencias lógicas entre la traducción y el comportamiento original.
Análisis generado a partir de la información disponible; no procede de la fuente.
Predicción Qué observar a continuación
Resultados intermedios del proyecto a partir de 2027; viabilidad de la descomposición automática de grandes bases de código; adopción de herramientas traducidas en distribuciones Linux; comparación con métodos tradicionales de source-to-source translation; reacciones del sector sobre fiabilidad de código generado por IA.
Recomendación Qué debería hacer una empresa
Equipos de infraestructura y seguridad en empresas Linux deberían evaluar en 12-18 meses cómo este enfoque podría aplicarse a sus bases de código C críticas, comenzando con análisis de viabilidad en componentes no esenciales.
Recomendación generada por IA con la evidencia disponible; no es asesoramiento profesional.
Enviar esta noticia por correo
Fuente original: The Register AI. La referencia es siempre el artículo original.
Ver fuente original ↗LLMRusttraducción de códigoIA generativa CanonicalUniversity of BristolUK Research and Innovation Canonicalmodernización de códigoRustseguridad de memoriaUniversidad de Bristol
Tu opinión
0 comentarios
Relacionadas
Matemático acusa a OpenAI de falta de transparencia sobre resolución de un Problema del Milenio
El matemático Tristan Buckmaster denunció presiones y falta de transparencia por parte de OpenAI, después de que la compañía anunciara que sus modelos habían…
Por qué importaEl caso plantea dudas sobre atribución de méritos científicos, uso de datos de investigadores y comunicación corporativa de resultados de IA en…
DeepMind lanza AlphaGenome Atlas con predicciones de 9.000 millones de variantes del genoma humano
Google DeepMind ha publicado el AlphaGenome Atlas, un conjunto de datos de un petabyte que predice el efecto molecular de cada una de las aproximadamente nueve…
Por qué importaEsta base de datos podría acelerar drásticamente el diagnóstico de enfermedades raras y la investigación genética al reducir el tiempo necesario para…
Debate sobre el papel de la IA de OpenAI en la solución del problema de Navier-Stokes
OpenAI afirmó que su IA ayudó a resolver aspectos del problema matemático de Navier-Stokes, uno de los enigmas abiertos de la matemática desde hace casi 200…
Por qué importaEl caso ilustra la disputa creciente sobre atribución y verificación de resultados científicos cuando intervienen sistemas de IA, algo relevante para…
OpenAI afirma resolver parte del problema del milenio Navier-Stokes con IA, pero surge disputa de prioridad
OpenAI anunció el 8 de septiembre que un modelo interno más capaz que GPT-6 Astra produjo una prueba formal en Lean que resuelve dos de los cuatro enunciados…
Por qué importaEs el avance más significativo hasta ahora de IA en matemáticas de investigación de frontera, con verificación formal objetiva vía Lean, pero también…