چند روز پیش، با عنوان جالبی در لینکدین برخورد کردم که عبارتی جسورانه را نشان می داد: “شرکت فناوری قصد دارد با استفاده از GitHub Copilot بهره وری برنامه نویسان را تا 50 درصد افزایش دهد.” چیزی که اوضاع را بیشتر کنجکاو کرد این بود که نویسنده پست یک برنامه نویس نبود. با وجود جسارت تیتر، معتقدم این موضوع می تواند به تحلیل و بحث جالبی منجر شود.
نمی توان منکر قابلیت های چشمگیر ابزارهای هوش مصنوعی امروزی در دسترس عموم شد. در زمینه برنامه نویسی، آنها در حال حاضر به طور قابل توجهی به توسعه دهندگان کمک می کنند، روال خود را بهینه می کنند و بهره وری را افزایش می دهند. با ابزار مناسب می توان مشکلات را با سرعت بیشتری حل کرد. با این حال، برای کسانی که با برنامه نویسی آشنا نیستند، این ابزارهای هوش مصنوعی ممکن است تقریباً عرفانی به نظر برسند و این تصور را ایجاد کنند که می توانند به سرعت و به طور خودکار هر مشکلی را حل کنند. اما می دانیم که واقعیت کاملاً متفاوت است.
شور و شوق ایجاد شده توسط این ابزارها کاملاً موجه است و قبل از ایجاد یک تصور اشتباه در مورد من، بدانید که من نیز یکی از آنها هستم. با این حال، من معتقدم که همه به طور کامل درک نمی کنند که این ابزارها در واقعیت چه توانایی هایی دارند. از یک طرف، شما مبتدیانی در برنامه نویسی دارید که می ترسند با ماشین ها جایگزین شوند. از سوی دیگر، مدیران عاملی دارید که به دنبال راه حل های جادویی برای کاهش هزینه ها یا افزایش بهره وری هستند، شاید بدون درک روشنی از کار واقعی انجام شده توسط یک برنامه نویس.
“ChatGPT (یا Copilot)، صفحه ای برای فروش بلیط برای یک نمایش در Node.js ایجاد کنید. پشتیبان باید برای میانگین 2000 درخواست در ثانیه آماده شود و در برابر خرابی مقاوم باشد. یک متعادل کننده بار تنظیم کنید تا درخواست ها را بین توزیع شده ها توزیع کند. سرورها. اطمینان حاصل کنید که کش ها عملکردی دارند و در واقع بار سرور را کاهش می دهند. ابزارهای نظارت بر زمان واقعی ابزار. و البته، پایگاه داده باید با یک استراتژی تکرار خوب خوشه بندی شود.”
مثال بیش از حد اغراق آمیز است، می دانم. اما پیچیدگی پشت اجرای چیزی را نشان می دهد که ممکن است برای کسی که برنامه نویس نیست ساده به نظر برسد. کدنویسی تنها بخشی از کار یک برنامه نویس است و من مطمئن هستم که هوش مصنوعی مولد در آن برتری دارد، اما این همه کاری نیست که یک برنامه نویس انجام می دهد.
ما، برنامه نویسان، بخش قابل توجهی از روز خود را بدون نوشتن حتی یک خط کد می گذرانیم. لازم است ابتدا الزامات ویژگی های جدید را درک کنید، در گفتگوها و تنظیمات با ذینفعان شرکت کنید، معماری فنی را طراحی کنید و در نهایت همه آن اطلاعات را به کد تبدیل کنید. و فراموش نکنیم که این کد با توجه به تناسب آن با بقیه کدهای موجود باید در متن نوشته شود.
منظور من این است که این ابزارهای هوش مصنوعی، اگرچه بسیار مفید هستند، اما جادو نمی کنند. اما می توانند دستیاران خوبی برای برنامه نویسان باشند.
یکی از مطالبی که دیدگاه من را در زمینه مهندسی نرم افزار گسترش داد، کتاب کلاسیک “برنامه نویس عملگرا” نوشته دیو توماس و اندرو هانت بود. یکی از فصل ها در مورد یک تکنیک عیب یابی کنجکاو صحبت می کند: اردک لاستیکی.
ایده اصلی پشت برنامه نویسی لاستیک داک این است که کد یا مشکلی که با آن روبرو هستید را با صدای بلند توضیح دهید، مثل اینکه دارید آن را برای یک اردک لاستیکی توضیح می دهید. با بیان شفاهی مشکل یا توصیف گام به گام کد، اغلب راه حلی پیدا می کنید یا دیدگاه جدیدی در مورد مشکل به دست می آورید.
ChatGPT در مکالمه و علاوه بر این، مکالمه در زمینه بسیار عالی است. آیا این هوش مصنوعی می تواند تکامل اردک لاستیکی دیو توماس و اندرو هانت باشد؟ قبلاً برنامه‌های افزودنی برای Visual Studio Code وجود دارد که با ChatGPT ادغام می‌شوند و از آن به عنوان یک اردک لاستیکی استفاده می‌کنند. شما می توانید آنها را در اینجا چک کنید.
من دوست دارم که GitHub نام محصول خود را Copilot انتخاب کند و این با مفهوم اردک لاستیکی همسو است. هدف این ابزار کمک خلبان بودن است تا خلبان واقعی. این دستیار برنامه نویس است، اردک لاستیکی آنها.
این پیام برای کسانی است که مضطرب و نگران آینده حرفه برنامه نویسی خود هستند: استراحت کنید! اما خیلی راحت نباشید، زیرا واقعیت تلخ این است که اصول مهندسی نرم افزار است که یک برنامه نویس خوب را می سازد، نه فقط کد.
با رواج رایانه ها برای عموم مردم در دهه های 70 و 80، متخصصان حسابداری و امور مالی با نرم افزارهای صفحه گسترده احساس خطر کردند. ماشینی که می تواند هزاران سطر و ستون را ذخیره کند و هرگز اشتباه محاسباتی نداشته باشد. چه کسی آن را رد می کند؟
درست است که صفحات گسترده قدرتمند بودند و هنوز هم هستند، و تهدیدی برای مشاغل «نویسندگان صفحه گسترده» بودند. با این حال، کسانی که داده ها را تفسیر می کردند، زمینه کسب و کار را درک می کردند و مفاهیم حسابداری را به کار می بردند، مطمئناً می دانستند که چگونه از صفحات گسترده به جای انتقاد از آنها استفاده کنند.
برنامه نویسان کدنویسان صرف نیستند. از اردک لاستیکی جدید خود نترسید، در عوض از آن استفاده کنید. و از شما، ChatGPT، برای کمک به من در جمع آوری این مقاله سپاسگزارم.
