هنر گمشده مهندسی اپلیکیشن ابری

کدنویسی مبتنی بر هوش مصنوعی اکنون در حال استفاده گسترده است، اما ممکن است تا زمانی که آسیب وارد نشده است، از تمام خطرات استفاده از آن ندانیم. به مشکلات امنیتی و کدهایی فکر کنید که منابع را هدر می دهند.

هوش مصنوعی در حال تغییر دنیای برنامه نویسی است که چندین سال است در حال تحول بوده است. من می‌توانم در مورد چگونگی استفاده از برنامه‌نویس‌های مبتنی بر هوش مصنوعی صحبت کنم که چگونه سرعت را افزایش می‌دهد و هزینه‌ها را کاهش می‌دهد، اما برخی از نکات منفی وجود دارد که بسیاری از آنها نمی‌بینند.

باز هم، سوال این نیست که “آیا می توانیم؟” این “آیا ما باید؟” است بیایید به چند نگرانی اصلی بپردازیم.

آنچه که هوش مصنوعی نمی تواند انجام دهد

کدنویس های مبتنی بر هوش مصنوعی از مخازن کد موجود یاد می گیرند. آنها اغلب نیاز به درک متنی بیشتری از کد تولید شده دارند. آنها کدی را تولید می کنند که کار می کند اما ممکن است برای درک یا نگهداری به کمک نیاز داشته باشد. این امر مانع از کنترل برنامه‌نویسان بر نرم‌افزارشان می‌شود و اغلب باعث اشتباه در هنگام تعمیر یا تغییر برنامه‌ها می‌شود.

علاوه بر این، کد تولید شده باید با قراردادهای سبک یا بهترین شیوه ها مطابقت داشته باشد و شامل رسیدگی مناسب به خطا باشد. این می تواند اشکال زدایی، نگهداری و همکاری را دشوار کند.

به یاد داشته باشید که تولید کد مبتنی بر هوش مصنوعی بر یادگیری از الگوهای کد موجود برای تولید کدهای جدید متمرکز است. کدگذارهای هوش مصنوعی مولد یک رویکرد “میمون می بیند، میمون انجام می دهد” برای توسعه دارند، در حالی که رویکردهای کدگذاری از مقدار زیادی کد استفاده شده به عنوان داده های آموزشی آموخته می شوند.

این رویکرد برای کارهای تکراری یا استاندارد مفید است، که بیشتر کارهایی است که توسعه دهندگان انجام می دهند، اما شرکت ها ممکن است برای مشکلات پیچیده یا منحصر به فرد به خلاقیت و نوآوری بیشتری نیاز داشته باشند. استفاده از کد هوش مصنوعی مولد می‌تواند پتانسیل راه‌حل‌های جدید را محدود کند و مانع توسعه برنامه‌های واقعاً نوآورانه شود.

مطمئن نیستید که به آنجا نگاه کرده اید، اما نوآوری وجود ندارد. به نظر می رسد که ما بارها و بارها در حال ساختن همان چیزها هستیم.

بزرگترین نگرانی من این است که کد می تواند برای پلتفرمی که برنامه در آن مستقر است کارآمدتر و بهینه باشد. برای درک چگونگی بهینه‌سازی پردازنده‌ها، حافظه و مدیریت ذخیره‌سازی، به تمرین‌های مهندسی صحیح نیاز است.

من فکر می‌کنم بسیاری از افراد بدون اینکه بدانند چگونه می‌تواند منابع را به روشی بهینه‌تر استفاده کند، یک برنامه را تولید و اجرا می‌کنند. ما در نهایت به برنامه‌هایی می‌رسیم که برای اجرا گران‌تر هستند و ردپای کربن بسیار بیشتری دارند.

شرم آور این است که در بیشتر موارد، فقط این واقعیت که برنامه کاربردی کار می کند برای بسیاری به اندازه کافی خوب است. برنامه های کاربردی سال ها کار می کنند، مقدار زیادی پول را هدر می دهند و نمی توانند ارزش بهینه را به کسب و کار برگردانند. مردم می‌گویند: «اوه، خوب، اینطور نیست؟»

یکی دیگر از جنبه‌های ترسناک توسعه مبتنی بر هوش مصنوعی این است که بسیاری از آسیب‌پذیری‌های امنیتی در برنامه باقی می‌مانند و تا زمان مرگ پس از یک رخنه مورد توجه قرار نمی‌گیرند. باز هم، ما برای شناسایی و رفع آن‌ها به مهندسی انسانی نیاز داریم، اگرچه برخی از ابزارهای اسکن مفید مبتنی بر هوش مصنوعی می‌توانند عملی باشند.

خط پایین

با حذف انسان از فرآیند توسعه، که بسیاری از سازمان‌ها به دنبال انجام آن هستند، درک لازم برای ایجاد برنامه‌های کاربردی را قربانی می‌کنیم. پاسخ مناسب یافتن تعادل بین ارزش هوش مصنوعی از نظر سرعت و هزینه و این واقعیت است که بسیاری از مهارت‌های انسانی هنوز باید درگیر شوند. من می ترسم تا زمانی که خیلی دیر نشده است، آن را درک نکنیم.