اگر امروز اجازه میدهید یک مدل زبانی بزرگ (LLM) — مثل کتابخانهداری که میلیاردها صفحه را خوانده و حالا با همان لحن جواب میدهد — هزاران خط کد را در چند دقیقه بنویسد، احتمالاً در حال ساخت یک فاجعهی فنی هستید. شما سرعت را افزایش دادهاید، اما در تلهای افتادهاید که تنها یک هوش مصنوعی دیگر میتواند راه خروج از آن را پیدا کند.
برنامهنویسان حرفهای سالها از «کدنویسان ستاره» میترسیدند؛ همانهایی که کدهای پیچیده و غیرقابلفهم بهجا میگذاشتند. اکنون جسی اسکینر (Jesse Skinner) هشدار میدهد که عاملها (Agents) این رفتار را در مقیاس صنعتی تکرار میکنند. طبق اعلام اسکینر، حالا بهجای یک نابغهی غیرقابلپیشبینی، صدها «ستارهی مجازی» در حال تغییر ساختار کد شما هستند.
همانطور که در تحلیلهای پیشین ما دربارهی امنیت مدلهای بازمتن اشاره کردیم، سرعت نباید جایگزین ساختار شود. به نقل از تحلیل اسکینر که ۸ ژوئن ۲۰۲e۶ منتشر شد، ابزارهای AICompletion به جای سلامت سیستم، روی «تمام کردن تسک» تمرکز دارند. این رویکرد منجر به سه شکست حیاتی میشود:
- فقدان حافظه: عاملها تصمیمات معماری جلسات قبل را فراموش میکنند.
- پیچیدگی بیش از حد: مدلها با رویکرد «کمربند و تعلیق»، راهکارهای بیشازحد مهندسیشده و غیرضروری میسازند.
- تولید زباله (Slop): حجم کدهای بیکیفیت بهشدت رشد میکند و دیباگ کردن آنها برای انسان غیرممکن میشود.
این وضعیت یعنی شما از یک «مهندس» به یک «اپراتور AI» تبدیل شدهاید. وقتی سرعت بر خوانایی پیروز شود، بدهی فنی شما غیرقابلپرداخت است. شما به ابزاری اعتیاد پیدا میکنید که خودش ریشهی مشکل است.
گام بعدی شما
- از AI بخواهید فقط قطعات کوچک و هدفمند کد بنویسد، نه کل سیستم را.
- روی سادگی و خوانایی توسط انسان تمرکز کنید تا نرمافزارتان عمر کند.
- هر بخش از کد تولیدشده توسط AI را با یک بازبینی انسانی سختگیرانه بسنجید.
اما داستان سختافزاری این تحول حتی شگفتانگیزتر است — به تحلیل ما دربارهی تراشههای Blackwell مراجعه کنید.
گفتگو