هوش مصنوعی می تواند به شما کد بدهد اما جامعه ای نیست

LLMS داده های سایت های پرسش و پاسخ را آموزش می دهد ، اما وقتی توسعه دهندگان استفاده از آن سایت ها را متوقف می کنند ، تخصص و راهنمایی مربیان را نیز از دست می دهند.

سالها ، توسعه دهندگان برای پاسخ به چالش های کد فریبنده ، بهترین شیوه ها و حتی بحث های طراحی گسترده ، به سایت های پرسش و پاسخ مراجعه کرده اند. پشته پشته به طور خاص یک مرکز شلوغ است که در آن پاسخ های متخصص و مباحث مفصل ایجاد می کند و یک معدن طلای واقعی از دستاوردهای کدگذاری تولید شده تولید می کند. اما از زمان ظهور مدل های بزرگ زبان (llms) ، ما شاهد توسعه پتانسیل های غیرقانونی هستیم. دیگر.

کاهش سرریز پشته

داده های اخیر شگفت انگیز افت در تعامل جامعه روی سرریز پشته. ارسال نامه های جدید سوال جدید ، که در اواسط سال ۲۰۱۰ با بیش از ۲۰۰،۰۰۰ به اوج خود رسید ، به شدت کاهش یافته است. در مارس ۲۰۲۳ ، این سایت تقریباً ۸۷،۰۰۰ سؤال جدید مشاهده کرد ، اما تا مارس ۲۰۲۴ ، این تعداد به حدود ۵۸.۸۰۰ کاهش یافته است – کاهش ۳۲.۵ ٪ در تنها یک سال. ارقام دسامبر ۲۰۲۴ تصویری حتی تاریک با کاهش ۴۰ ٪ نسبت به سال را نشان می دهد. اینها فقط اعداد نیستند. آنها نشانه روشنی هستند که توسعه دهندگان به طور فزاینده ای LLMS را جایگزین سریعتر و ساده تر برای شانه کردن هزاران موضوع پرسش و پاسخ می دانند.

اگر این موضوع صرفاً توسعه دهندگان بیعت و ابزارهای جدید را تغییر دهند ، این مسئله بزرگی نخواهد بود. اما این بیش از این است داده هایی که از سیستم عامل هایی مانند Stack Overflow جریان می یابد ، صرفاً چیزهای بی اهمیت نیستند. این بستری است که در آن تکرارهای آینده LLM ها ساخته می شوند . نسخه های اولیه این مدلها روی مجموعه داده های عظیم آموزش داده شد ، با این که پشته ها میلیون ها پست را به دست آوردند که تفاوت های ظریف سؤالات برنامه نویسی و حل مسئله انسان را به خود اختصاص داده است.

به عنوان نامزدی ، عرضه محتوای تازه ، متنوع و انسانی را نیز به وجود می آورد. چه اتفاقی می افتد که چاه اصلی داده های آموزش خشک شروع به خشک شدن می کند؟

اگر تعداد کمتری از توسعه دهندگان راه حل های دقیق و مشکلات دنیای واقعی خود را به صورت آنلاین ارسال کنند ، مدل های هوش مصنوعی به طور فزاینده ای به اطلاعات منسوخ یا بازیافتی متکی هستند. با گذشت زمان ، این می تواند به آنچه در جامعه “مدل فروپاشی” می نامند منجر شود- عملکرد.

فرهنگ بیش از اعداد است

این فقط مربوط به آمار نیست. بافت اجتماعی جوامع توسعه دهنده در معرض خطر است. هنگامی که توسعه دهندگان روند جمعی پرسیدن سؤال ، ارائه توضیحات دقیق و مشارکت در مباحث را دور می زنند ، ما یک مؤلفه مهم نوآوری را از دست می دهیم: مربیگری. تبادل باز ایده ها ، در جایی که هر پاسخی سهم کمی در پایگاه دانش بیشتر دارد ، ممکن است به خوبی با یک پاسخ استریل و یک اندازه متناسب با یک دستگاه مورد استفاده قرار گیرد.

مبادا فکر کنید که سایت های پرسش و پاسخ جوامع آرمانشهر بتونی هستند ، بسیاری از آنها قدردانی می کنند که LLM ها می توانند بدون خصومت یا دروازه بان که تازه واردان غالباً روی سرریز پشته قرار می گیرند ، کمک سریع و شخصی را ارائه دهند. به عنوان یک کاربر reddit ، “stackoverflow سرریز با دروازه بان بی نظیر است که در مورد سؤالات غیرقابل پاسخ است. در آن محیط ، انتخاب دستگاهی که بدون سمیت پاسخ می دهد دشوار نیست.

شایان ذکر است که همه جوامع توسعه دهنده به همان اندازه رنج نمی برند. جالب اینجاست که بحث های برنامه نویسی در مورد Reddit نه همان نزول را مشاهده می کنید ، حتی به عنوان دهانه های فعالیت Overflow Stack. مرکز فرهنگ Overflow در تبادل دانش خالص (پرسش و پاسخ در مورد موضوعات فنی خاص) است ، در حالی که جوامع Reddit تمایل دارند یک عنصر اجتماعی قوی تر و بحث گسترده تری داشته باشند. این پارچه اجتماعی به عنوان یک بافر در برابر تأثیر هوش مصنوعی عمل می کند. به عبارت دیگر ، مردم هنوز هم برای به اشتراک گذاشتن تجربیات ، عقاید و رفاقت به Reddit می آیند (چیزهایی که یک LLM نمی تواند ارائه دهد) بنابراین مشارکت در آنجا ثابت بوده است. از طرف دیگر ، سرریز پشته می تواند به راحتی با هوش مصنوعی جایگزین شود که می تواند مستقیماً به سؤالات فنی پاسخ دهد.

به عبارت دیگر ، جامعه ممکن است برای نگه داشتن LLM ها در جای خود مهم باشد.

اتصال مردم و ماشین آلات

رهبران صنعت و مدیران جامعه شروع به تجدید نظر در رابطه بین توسعه دهندگان هوش مصنوعی و سیستم عامل های سنتی پرسش و پاسخ می کنند. یک روند قابل توجه حرکت به سمت مشارکت داده ها و توافق نامه های مجوز بوده است. به جای اجازه دادن به شرکت های هوش مصنوعی برای برداشت محتوای جامعه ، پشته و سایر سیستم عامل ها اکنون در حال کشف مدل هایی هستند که سازندگان محتوا را برای مشارکت خود جبران می کنند. جوامع دیگر در حال بررسی استراتژی های مشابه هستند. به عنوان مثال ، Reddit شروع به محکم کردن سیاست های API خود برای کسب درآمد بهتر از محتوا در پلتفرم خود کرده است ، و اطمینان حاصل می کند که هرگونه استفاده از داده های خود توسط اشخاص خارجی به مزایای مستقیم برای کاربران خود تبدیل می شود. هدف این است که یک اکوسیستم پایدارتر ایجاد کنید که در آن سازندگان محتوا انگیزه می گیرند تا بتوانند محتوای با کیفیت بالا و تولید شده توسط انسان را حفظ کنند.

یکی از خیابان های امیدوار کننده برای پرداختن به این مشکل ، ادغام هوش مصنوعی به طور مستقیم با سیستم عامل های جامعه به گونه ای است که به جای جایگزین کردن مشارکت های انسانی ، تقویت می شود. به عنوان مثال ، Stack Overflow در حال آزمایش با ویژگی هایی است که از AI برای تهیه پاسخ های اولیه استفاده می کند در حالی که همیشه به پست های اصلی انسانی نسبت داده و پیوند می دهد. ایده این است که ضمن حفظ بینش های عمیق و تخصص متنی ارائه شده توسط توسعه دهندگان واقعی ، سرعت و کارآیی هوش مصنوعی را مهار کنید.

علاوه بر این ، برخی از سیستم عامل ها در حال بررسی روش های استفاده از هوش مصنوعی برای بهبود کیفیت کلی محتوا هستند. یک ابزار هوش مصنوعی را تصور کنید که به بحث های متوسط ​​کمک می کند ، ویرایش ها یا پیشرفت های پست ها را در زمان واقعی نشان می دهد ، و اطمینان حاصل می کند که حتی اگر حجم مشارکت ها کاهش یابد ، کیفیت بالا می رود. این نوع فناوری همچنین می تواند به کاربران جدید در تدوین سؤالات بهتر کمک کند ، در نهایت منجر به پاسخ های ثروتمندتر و آموزنده تر می شود.

سلامت بلند مدت جوامع توسعه دهنده به مشارکت مداوم و فعال بستگی دارد. مکانیسم های سنتی مانند نقاط شهرت و نشان ها مدتهاست که ارز سایت های جامعه بوده است ، اما این ممکن است دیگر در عصر هوش مصنوعی کافی نباشد. برای نگه داشتن متخصصان ، سیستم عامل ها باید در سیستم های پاداش خود تجدید نظر کنند. پیشنهادات اخیر شامل پیوند دادن پاداش های شهرت نه تنها برای هدایت تعامل در سایت بلکه به تأثیر گسترده تر سهم است. اگر یک پاسخ تولید شده AI از محتوای یک کاربر خاص استفاده کند ، آن کاربر می تواند به رسمیت شناخته شده یا حتی سهم از درآمد مجوز کسب کند.

همچنین امکان استفاده از داده های ایجاد شده توسط تعامل با سیستم های هوش مصنوعی وجود دارد. هربار که یک توسعه دهنده سریعاً خروجی AI را تصحیح می کند ، فرصتی برای گرفتن آن مبادله به عنوان یک لحظه یادگیری برای سیستم های آینده وجود دارد. این رویکرد “انسان در حلقه” با استفاده از درمان مناسب و نظارت انسانی ، می تواند به ایجاد یک دانش پویا و رو به رشد دانش کمک کند.

در نهایت ، آینده برنامه نویسی یک بازی با مبلغ صفر بین انسان و ماشین نیست. هدف باید یک همزیستی هماهنگ باشد که در آن هوش مصنوعی دنیوی را به خود اختصاص می دهد و انسان ها را آزاد می کند تا در جنبه های واقعاً خلاق توسعه نرم افزار شرکت کنند. اگر بتوانیم به این تعادل اعتصاب کنیم ، هم جوامع و هم فن آوری های ما شکوفا می شوند. اما اگر به تغییر در هوش مصنوعی اجازه دهیم تا مشارکتهای بسیار انسانی را که پایه دانش ما را ایجاد کرده است ، دور کند ، ما خطر ایجاد یک واکنش زنجیره ای را داریم که می تواند کیفیت خود را کاهش دهد – و با گسترش پیشرفت صنعت ما.