تصور کنید سال‌ها وقت صرف یادگیری پیچیده‌ترین مفاهیم ریاضی و منطقی کرده‌اید، اما حالا ابزاری ساخته شده که تمام آن تلاش‌ها را در چند ثانیه و با یک دستور ساده بازتولید می‌کند. این دقیقاً همان نقطه‌ای است که بسیاری از توسعه‌دهندگان احساس می‌کنند معنای حرفه‌شان فرو ریخته است.
به نقل از گزارش‌های منتشر شده در ۱۲ سپتامبر ۲۰۲۶، جوئل اوتر (Joel Otter)، توسعه‌دهنده نرم‌افزار، از یک «فروپاشی درونی» می‌گوید که نتیجه‌ی بی‌ارزش شدن کدنویسی هنرمندانه است. او استدلال می‌کند که کارایی بالای مدل‌های زبانی بزرگ (LLM) — مثل کتابخانه‌داری که میلیاردها صفحه را خوانده و حالا با همان لحن کتاب‌ها جواب می‌دهد — در حال پاک کردن غرور مرتبط با مهارت‌های دستی است. این حس از دست دادن تسلط، با یافته‌های اخیر همسو است که نشان می‌دهد بیش از ۸۰٪ برنامه‌نویسان اکنون احساس وابستگی شدید به ابزارهای کدنویسی هوش مصنوعی می‌کنند و این وابستگی می‌تواند منجر به کاهش اعتمادبه‌نفس حرفه‌ای شود.
او این وضعیت را نه یک اتفاق ناگهانی، بلکه فروپاشی تدریجی اراده و انگیزه توصیف می‌کند؛ چیزی شبیه به کاغذ دستمالی که در ماشین لباسشویی متلاشی می‌شود.
زمینه‌ی بی‌ارزش شدن خلاقیت
این چرخش در زمانی رخ می‌دهد که مدل‌های زبانی اکنون در تولید کد واقعاً توانمند شده‌اند. برای بسیاری از مهندسان، این تغییر نه یک افزایش بهره‌وری، بلکه یک کاهش ارزش سیستماتیک برای نقش «سازنده» است. همان‌طور که در تحلیل‌های قبلی ما درباره‌ی امنیت مدل‌های بازمتن اشاره کردیم، هرچه ابزارها خودکارتر می‌شوند، مرز بین تخصص انسانی و خروجی ماشین کمرنگ‌تر می‌شود. این روند در واقع بخشی از یک بحران گسترده‌تر است که در آن اتوماسیون نویسندگی و برنامه‌نویسی می‌تواند سرمایه شناختی انسان را تخریب کند و توانایی تفکر عمیق را سلب نماید.
اوتر وضعیت فعلی هوش مصنوعی زاینده (Generative AI) را به فرآیندی تشبیه می‌کند که در آن آثار هنرمندان و سازندگان «جویده شده و مانند پرنده‌ای که مادرش با مدل اشتراکی به او غذا می‌دهد، پس از آن بازگردانده می‌شود».
او در حالی که هنرِ تولید شده توسط هوش مصنوعی را «ضد-هنر» می‌داند، معتقد است وضعیت برنامه‌نویسان پیچیده‌تر است. او مشاهده کرده که تقریباً تمام برنامه‌نویسانی که می‌شناسد، در دو سال گذشته با این تغییر عظیم در ماهیت حرفه‌شان، دچار نوعی فشار روانی شدید شده‌اند.
نقاط اصطکاک در گردش کار جدید
اوتر به چندین نقطه حساس در جریان کاری فعلی اشاره می‌کند که باعث دفع توسعه‌دهندگان از هوش مصنوعی شده است:
- از دست دادن مالکیت: خروجی دستیارهای کدنویسی اغلب بیگانه به نظر می‌رسد. اوتر می‌گوید از برنامه‌نویسی با دستیار لذت نمی‌برد چون خروجی متعلق به او نیست و حس غرور را منتقل نمی‌کند.
- بی‌ارزش شدن ابزارهای کوچک: ابزارهای کاربردی کوچک — مثل یک تعویض‌کننده شاخه در git — که زمانی باعث کسب احترام همکاران می‌شد، حالا با یک پرامپت ساده ساخته می‌شود. او می‌گوید برای رضایت شغلی به این «تأییدهای اجتماعی» نیاز دارد، اما حالا دیگر کسی به این ابزارهای کوچک اهمیت نمی‌دهد.
- موسیقی‌وار شدن بازی‌سازی: با اشاره به دیدگاه‌های زک گیج (Zach Gage)، اوتر به تغییری ویرانگر اشاره می‌کند که در آن ساخت بازی شبیه به تولید موسیقی (با ابزارهای آماده) شده است؛ موضوعی که او را به این فکر انداخته که آیا سال‌ها یادگیری سخت، اتلاف وقت بوده است؟
با وجود این نگرانی‌ها، برخی سازندگان روی روش‌های دستی پافشاری می‌کنند. شَد (Shad)، طراح و مهندس، اپلیکیشن Uncamera را برای iOS توسعه داد. این برنامه برای شبیه‌سازی فیلم، به‌جای فیلترهای آماده، از خروجی خام سنسور و جداول جست‌وجو استفاده می‌کند و کاملاً بدون هوش مصنوعی ساخته شده است.
انتخاب «شَد» از نبود لذت در ساختارهای کمک‌گرفته از هوش مصنوعی نشأت می‌گیرد. اوتر این اپلیکیشن را ابزاری زیبا و کاندیدای جایزه طراحی اپل می‌داند.
خودِ اوتر نیز متعهد شده که موتور بازی‌سازی خود را با زبان ++C بسازد. اگرچه استفاده از Unity یا Unreal سرعت او را بالا می‌برد، اما او مسیر سخت را برای حداکثر کردن یادگیری انتخاب کرده است. او حتی در حال آزمایش یک رندرر شبه-سه‌بعدی است تا از موتورهای تثبیت‌شده دوری کند. این نوع پافشاری بر یادگیری بنیادین، یادآور تجربه برخی پیشگامان این حوزه است؛ برای مثال، بررسی دلایل بازگشت یکی از مؤسسان fast.ai پس از فرسودگی شغلی نشان می‌دهد که حتی در قلب دنیای AI، بازگشت به مفاهیم پایه و معنای انسانی کار، تنها راه درمان خستگی مفرط است.
این جنبش نشان‌دهنده اثر مرتبه دوم انفجار هوش مصنوعی است: ظهور «کدنویسی آهسته» (Slow Coding) به عنوان شکلی از صنایع دستی دیجیتال. این یعنی ارزش یک توسعه‌دهنده به‌زودی به دو دسته تقسیم می‌شود: کسانی که حجم خروجی را بهینه می‌کنند و کسانی که بر منطق عمیق و بنیادینی مسلط‌اند که هوش مصنوعی صرفاً آن را تقلید می‌کند.
اوتر نتیجه می‌گیرد که تنها سه راه وجود دارد: استفاده از هوش مصنوعی برای «عقب نماندن» و از دست دادن لذت، توقف کامل در ساختن، یا ادامه دادن به روش سخت، بدون هیچ دلیل مادی، جز لذتِ انجام دادن.
اگر احساس می‌کنید انگیزه‌تان زیر فشار اتوماسیون در حال فروپاشی است، راه حل شاید یک پرامپت بهتر نباشد، بلکه یک پروژه سخت‌تر باشد. هدف از «رقابت با ماشین» به «یافتن دلیلی برای ساختن» تغییر می‌کند که ماشین نتواند آن را ارضا کند.
اینکه آیا این «مسیر سخت» در بازار تجاری قابل بقاست یا خیر، یک پرسش باز است، اما برای سازندگان مستقل، شاید این تنها راه بقا در عصر بی‌ارزش شدن خلاقیت باشد.
گام بعدی شما
- اگر احساس خستگی از ابزارهای AI می‌کنید، یک پروژه کوچک را بدون هیچ دستیاری (Pure Manual) شروع کنید تا حس مالکیت را بازیابید.
- روی یادگیری مفاهیم بنیادین (Low-level) تمرکز کنید؛ جایی که مدل‌ها هنوز در استدلال عمیق دچار خطا می‌شوند.
- ابزارهای «کدنویسی آهسته» را در جامعه توسعه‌دهندگان دنبال کنید تا با کسانی که لذت ساختن را اولویت می‌دهند آشنا شوید.
اما داستان سخت‌افزاری این تحول حتی شگفت‌انگیزتر است — به تحلیل ما درباره‌ی تراشه‌های Blackwell مراجعه کنید.
گفتگو