اگر از ChatGPT به عنوان معلم اصلی خود استفاده میکنید، احتمالاً در حال تخریب تدریجی غریزهی حل مسئله در ذهن خود هستید. خطر ساده است: وقتی هوش مصنوعی پاسخ کامل را میدهد، برنامهنویس از تفکر عمیق دست میکشد و مرحلهی حیاتی عیبیابی را که شرط رشد حرفهای است، حذف میکند.
این چالش با توانمندتر شدن مدلهای زبانی بزرگ (LLM) — که شبیه کتابخانهداری است که میلیاردها صفحه را خوانده و حالا با همان لحن جواب میدهد — شدیدتر شده است. همانطور که در تحلیل قبلی ما دربارهی دقت بالای مدلهای جدید OpenAI در تشخیصهای پزشکی اشاره کردیم، این واقعیت که مدل میتواند پاسخ «صحیح» را بدهد، به معنای یادگیری منطق زیربنایی توسط کاربر نیست. برای یک توسعهدهنده، پاسخ آنی اغلب سدی در برابر تسلط واقعی است.
به نقل از راهنمای عملی منتشر شده در dev.to در ۲۰ ژوئن ۲۰۲۶، انتقال به «ذهنیت کامپایلر» پیشنهاد شده است. در این رویکرد، برنامهنویس به جای درخواست توضیح، با هوش مصنوعی مانند یک سیستم اعتبارسنج برخورد میکند. این متد شامل یک گردش کار سهمرحلهای است:
- ابتدا بنویسید: قبل از هر پرامپتی، سعی کنید راه حل را بهطور مستقل پیاده کنید.
- تأیید منطق: به جای «کد را به من بده»، بپرسید «آیا منطق من درست است؟» یا «کجای این رویکرد ایراد دارد؟».
- عیبیابی دستی: پیش از مشورت با مدل، خطاها را بخوانید و الگوهای تکراری را شخصاً شناسایی کنید.
بر اساس این مستندات، هدف این است که نقش AI از یک مدرس به یک بازبین تغییر کند. در این حالت، تمرکز بر استدلال — یعنی چرا یک راه حل کار میکند یا شکست میخورد — قرار میگیرد نه خروجی فوری. با treating مدل به عنوان یک کامپایلر، کاربر مجبور میشود دانش را پردازش کند، نه اینکه صرفاً آن را مصرف نماید.
برای برنامهنویس مدرن، این یعنی تغییر کامل رابطه با ابزار. ابزار دیگر دیکته نمیکند که چه فکر کنید، بلکه تأیید میکند «چگونه» فکر میکنید. این کار از تله «یادگیری سطحی» جلوگیری میکند؛ وضعیتی که کاربر مفهومی را در تئوری میفهمد اما نمیتواند آن را مستقل اجرا کند.
گام بعدی شما
- عبارت «کد را به من بده» را از لیست پرامپتهای خود حذف کنید.
- منطق خود را به صورت لیستی از گامها بنویسید و از AI بخواهید حفرههای استدلالی شما را پیدا کند.
- یک ساعت در روز را به عیبیابی کاملاً دستی (بدون AI) اختصاص دهید.
اما بررسی اینکه چگونه مدلهای استدلالی جدیدتر این فرآیند را تغییر میدهند، ابزارهای متفاوتی میطلبد — به تحلیل ما دربارهی مدلهای استدلالی (Reasoning Models) مراجعه کنید.
گفتگو