تحقیقی تجربی تازه بررسی کرده که آیا «ویب کدینگ»—استفاده از مدلهای زبانی بزرگ (LLM) برای تولید کد از طریق مکالمه—میتواند کدهای مطمئنی برای کاربردهای ایمنی ساختمان بسازد یا نه.
این پژوهش که رویکردی نوظهور در توسعه نرمافزار را ارزیابی میکند، در صنعتی انجام شده که خطای کد میتواند به آسیبهای جدی یا مرگ منجر شود.
محققان چندین سیستم هوش مصنوعی زاینده (Generative AI) را در سناریوهای مختلف ایمنی ساختمان آزمودند. آنها هم صحت عملکردی و هم انطباق با استانداردهای ایمنی کد تولیدشده را سنجیدند.
یافته اصلی این است: کدهای تولیدشده توسط LLM معمولاً از نظر دستوری درست و منطقی به نظر میرسند، اما اغلب فاقد درک ظریفی هستند که توسعهدهندگان باتجربه از خطرات محیط ساختوساز دارند.
ارزیابی تجربی نشان داد کیفیت کد بسته به حوزه ایمنی خاص تفاوت زیادی دارد. برخی حوزهها قابلیت اطمینان قابلقبولی نشان دادند، اما در برخی دیگر شکافهای نگرانکنندهای در اقدامات حفاظتی مشاهده شد.
کارشناسان تأکید دارند که کدهای ایمنی ساختمان به دانش تخصصی عمیقی نیاز دارند—فراتر از توانایی عمومی برنامهنویسی. این شامل درک اصول مهندسی سازه، پروتکلهای جابهجایی مواد، و الزامات انطباق با مقررات میشود.
تحقیق همزمان بر سودمندی بالقوه ویب کدینگ در افزایش بهرهوری و ضرورت حیاتی نظارت انسانی، بهویژه برای سیستمهای حساس به ایمنی، تأکید دارد.
فعالان صنعت خواستار رویکردهای ترکیبی هستند: بهرهگیری از تواناییهای LLM با حفظ فرآیندهای دقیق بازبینی انسانی برای کاربردهای حساس به ایمنی.
یافتهها نشان میدهد ویب کدینگ ممکن است ابزار مفیدی برای کارهای روتین باشد، اما نباید جایگزین شیوههای سنتی توسعه برای کدهای حیاتی ایمنی ساختمان شود.
گفتگو