پیش‌گفتار:
سیاهی لشکر نیاید به کار
یکی مرد جنگی به از صد هزار
اندرو اِنگ (Andrew Ng)، بنیان‌گذار DeepLearning.AI و یکی از بنیان‌گذاران Google Brain، پیام روشن و در عین حال چالش‌برانگیزی برای توسعه‌دهندگان نرم‌افزار که نظاره‌گر دنیای هوش مصنوعی‌اند دارد:
“هوش مصنوعی جایگزین توسعه‌دهندگان نرم‌افزار نخواهد شد، اما توسعه‌دهندگان نرم‌افزاری که از هوش مصنوعی استفاده می‌کنند، جایگزین کسانی خواهند شد که استفاده نمی‌کنند. آینده کدنویسی، سمفونی بین حل مسئله توسط انسان و ظرفیت هوش مصنوعی برای اجرای سریع آنهاست. ارزش اصلی شما از نوشتن کد به معماری، اشکال‌زدایی و مهم‌تر از همه، هدایت دستیارهای هوشمند تغییر می‌کند. یاد بگیرید که به زبان هوش مصنوعی صحبت کنید تا به یک مهندس ۱۰-برابر قوی‌تر تبدیل شوید.”
این بخش‌هایی است از سخنرانی اندرو انگ با عنوان «از کدنویسی تا محصول در چند ساعت — واقعیت جدید توسعه‌ی مبتنی بر هوش مصنوعی» که برخی از نکات مهم آن را در زیر آورده‌ام.
گفتار: نکات کلیدی اندرو اِنگ برای توسعه‌دهندگان:
اِنگ در این گفتگو، مهارت‌های عملی، تغییرات فلسفی و گلوگاه‌های نوظهوری را که توسعه‌دهندگان باید برای ماندن در خط مقدم بدانند، توضیح می‌دهد. متن زیر برداشتی است آزاد از صحبت‌های ایشان.
۱) تمرکز و نگاهی نو بر سرعت
سرعت، بزرگترین پیش‌بینی‌کننده (predictor) موفقیت برای پروژه‌های نوآورانه است. هوش مصنوعی عامل افزایش این سرعت است: سرعت ساخت نمونه‌های اولیه و محصولات مستقل کوچک را ده برابر و سرعت تولید محصولات نهایی و آماده‌ی استفاده را حدود ۵۰٪ افزایش می‌دهد.
۲) فلسفه‌ی نوین نرم‌افزار
شعار جدید تیم‌های باهوش (smart) این است که “سریع حرکت کن و پاسخ‌گو باش (move fast and be responsible.). ” این شعار به این معناست که نمونه‌هایی (prototypes) در محیطی امن و ایزوله و خیلی سریع ساخته شوند و سپس به نمونه‌های مقیاس‌پذیر انتخاب‌شده، ایمنی و امنیت افزوده می‌شود.
۳) کد در قالب فراورده (Artifact-خروجی)
از آنجا که هوش مصنوعی می‌تواند کد را بنویسد، کد به عنوان یک خروجی، ارزش کمتری پیدا می‌کند. چنین اتفاقی باعث می‌شود تصمیمات مهم، مانند معماری یا طراحی پایگاه داده، بیشتر شبیه یک “درب دوطرفه” می‌شوند (یعنی برگشت‌پذیرند، به عبارت دیگر تصمیم‌هایی که اگر اشتباه باشند، می‌توان به‌راحتی اصلاح‌شان کرد). چنین قابلیتی امکان (iteration) تکرار بیشتر و حتا از نوسازی از ابتدا را فراهم می‌کند.
۴) گلوگاه (Bottleneck) جدید
همانطور که ساخت نرم‌افزار آسان‌تر می‌شود، تصمیم‌گیری در مورد اینکه چه چیزی بسازیم (what to build)، به بزرگترین گلوگاه تبدیل می‌شود. اِنگ این را “گلوگاه مدیریت محصول” (product management bottleneck) می‌نامد.
۵) افزایش و بهبود شهود (Honing Your Intuition)
توسعه‌دهندگان باید برای توسعه و افزایش شهود و قضاوت درونی خود از کاربران برای تصمیم‌گیری درباره‌ی محصولات تلاش کنند. هدف از جمع‌آوری داده‌های کاربر، آموزش شیوه‌ی قضاوت شماست، نه فقط استفاده از آنها برای تصمیم‌گیری در یک مورد خاص.
۶) یادگیری کدنویسی
این توصیه که مردم نباید کدنویسی یاد بگیرند زیرا هوش مصنوعی آن را خودکار خواهد کرد، “یکی از بدترین توصیه‌های شغلی تاریخ است.” هر گام خودکارسازی (از اسمبلی گرفته تا زبان‌های سطح بالاتر و هوش مصنوعی) کدنویسی را با ارزش‌تر و در دسترس‌تر کرده است.
۷) مهارت‌های ضروری در آینده
مهم‌ترین مهارت در آینده این است که بتوانید به یک کامپیوتر دقیقن بگویید که از او انتظار دارید چه کاری انجام دهد(tell a computer exactly what you want it to do). دانستن زبان کامپیوتر و کدنویسی، درک عمیق‌تری برای کنترل دقیق‌تر ابزارهای هوش مصنوعی فراهم می‌کند.
۸) نقش مهندس هوش مصنوعی (AI Engineer)
ما با کمبود “مهندس هوش مصنوعی” رو به رو هستیم. مهارت‌های مورد نیاز برای این نقش نوظهور عبارتند از: آشنایی با کدنویسی به کمک هوش مصنوعی، تخصص در بلوک‌های ساختاری هوش مصنوعی (AI building blocks, including RAG, agent workflows)، مهارت‌های نمونه‌سازی سریع (rapid prototyping skills) (از جمله دانش پایه فول‌استک – basic full-stack)، و مهارت‌های اولیه مدیریت محصول و قضاوت کاربر (user judgment).
۹) مهندسی سریع (Rapid Engineering):
اندرو اِنگ اصطلاح “مهندسی سریع” (Rapid Engineering) را به “وایب کدینگ” (vibe coding) ترجیح می‌دهد. او فرایند کار با دستیارهای کدنویسی هوش مصنوعی را به عنوان یک “تمرین فکری عمیق” (deeply intellectual exercise) توصیف می‌کند، نه صرفاً تکیه بر “احساسات” (vibes)
ویدیوی سخنرانی: Andrew Ng: From Code to Product in Hours – The New Reality of AI Development
گزیده:
ندارد.
دیدگاهتان را بنویسید