موج دوم تحول در کدنویسی با هوش مصنوعی

اگر از متخصصان فعال در حوزه توسعه هوش مصنوعی مولد بپرسید که این فناوری در حال حاضر برای چه کاربردهایی مناسب است و چه چیزی آن‌ها را هیجان‌زده می‌کند، بسیاری از آن‌ها به کدنویسی اشاره خواهند کرد.
جرد کاپلان، دانشمند ارشد Anthropic، اخیراً در گفت‌وگویی با MIT Technology Review عنوان کرد: «این حوزه برای توسعه‌دهندگان بسیار هیجان‌انگیز بوده است. هوش مصنوعی واقعاً می‌تواند مشکلات کد را شناسایی و رفع کند.»

ابزار Copilot که بر پایه مدل‌های زبانی بزرگ OpenAI ساخته شده و در سال ۲۰۲۲ توسط GitHub (یکی از شرکت‌های تابعه مایکروسافت) عرضه شد، اکنون به ابزاری پرکاربرد در میان میلیون‌ها توسعه‌دهنده در سراسر جهان تبدیل شده است. علاوه بر این، بسیاری از افراد از چت‌بات‌های عمومی مانند Claude از Anthropic، ChatGPT از OpenAI و Gemini از Google DeepMind برای دریافت کمک‌های روزمره بهره می‌برند.

سوندار پیچای، مدیرعامل آلفابت، در گزارش مالی ماه اکتبر خود گفت: «امروز بیش از یک‌چهارم کدهای جدید در گوگل توسط هوش مصنوعی تولید شده و سپس توسط مهندسان بازبینی و تأیید می‌شود. این موضوع باعث می‌شود مهندسان ما کارهای بیشتری انجام دهند و سرعت پیشرفت بیشتری داشته باشند.» پیش‌بینی می‌شود که سایر شرکت‌های فناوری نیز به زودی در همین مسیر قدم بگذارند.

اما غول‌های فناوری تنها بازیگران این حوزه نیستند. تعداد زیادی از استارتاپ‌های جدید نیز در این بازار رقابتی وارد شده‌اند. شرکت‌هایی نظیر Zencoder، Merly، Cosine، Tessl (که تنها چند ماه پس از تأسیس به ارزش ۷۵۰ میلیون دلار رسید) و Poolside (که پیش از عرضه حتی یک محصول، به ارزش ۳ میلیارد دلار دست یافت) برای کسب سهمی از این بازار تلاش می‌کنند.
نیتن بینایش، تحلیلگر شرکت سرمایه‌گذاری Air Street Capital، می‌گوید: «به نظر می‌رسد توسعه‌دهندگان به‌طور جدی آماده پرداخت هزینه برای دستیارهای هوشمند کدنویسی هستند و به همین دلیل، کدنویسی یکی از آسان‌ترین روش‌ها برای درآمدزایی از هوش مصنوعی است.»

این شرکت‌ها وعده می‌دهند که دستیارهای هوشمند کدنویسی را به سطح جدیدی ارتقا دهند. در حالی که ابزارهای فعلی بیشتر شبیه تکمیل‌کننده‌های پیشرفته کد عمل می‌کنند، نسل بعدی این ابزارها قادر خواهند بود کد را نمونه‌سازی، تست و اشکالات آن را برطرف کنند. این پیشرفت‌ها به توسعه‌دهندگان این امکان را می‌دهد که به جای نوشتن کد از ابتدا، بیشتر بر مدیریت و بازبینی خروجی مدل‌های هوش مصنوعی تمرکز کنند.

اما داستان اینجا به پایان نمی‌رسد. بسیاری از افرادی که در حال ساخت دستیارهای هوشمند کدنویسی هستند، باور دارند که این ابزارها می‌توانند راهی سریع به سمت دستیابی به هوش مصنوعی عمومی (AGI) باشند؛ فناوری فوق‌العاده‌ای که از توانایی‌های انسان فراتر می‌رود و چندین شرکت بزرگ در حال تلاش برای دستیابی به آن هستند.

ایسو کانت، مدیرعامل و یکی از بنیان‌گذاران Poolside، معتقد است: «اولین بار که شاهد ایجاد ارزش اقتصادی واقعی و قابل‌توجه توسط هوش مصنوعی در سطح توانایی‌های انسانی خواهیم بود، در زمینه توسعه نرم‌افزار خواهد بود.» به گفته OpenAI، مدل o3 جدید این شرکت در یک چالش کدنویسی رقابتی، از دانشمند ارشد این شرکت پیشی گرفته است.

به موج دوم کدنویسی با هوش مصنوعی خوش آمدید

کد صحیح

در دنیای مهندسی نرم‌افزار، دو نوع درستی وجود دارد. نوع اول، درستی نحوی است که به معنای رعایت دقیق دستور زبان (Syntax) در برنامه است—به‌گونه‌ای که همه کلمات، اعداد و عملگرها در جای درست قرار گیرند. در کدنویسی، اهمیت این موضوع از دستور زبان زبان‌های طبیعی بیشتر است؛ زیرا یک اشتباه کوچک در میان هزاران خط کد می‌تواند کل برنامه را غیرقابل اجرا کند.

نسل اول دستیارهای کدنویسی اکنون در تولید کدی که از نظر نحوی صحیح باشد، عملکرد بسیار خوبی دارند. این ابزارها که با میلیاردها قطعه کد آموزش دیده‌اند، الگوهای ساختاری بسیاری از برنامه‌ها را به‌خوبی درک کرده‌اند.

اما نوع دوم درستی، مربوط به عملکرد برنامه است: آیا برنامه نه تنها اجرا می‌شود، بلکه همان کاری را انجام می‌دهد که مدنظر شما بوده است؟ نسل جدید دستیارهای کدنویسی مولد در تلاش برای دستیابی به این سطح از درستی هستند و این همان چیزی است که می‌تواند انقلابی در فرآیند ساخت نرم‌افزار ایجاد کند.
آلیستر پولن، یکی از بنیان‌گذاران Cosine، می‌گوید: «مدل‌های زبانی بزرگ می‌توانند کدی تولید کنند که کامپایل شود، اما ممکن است همیشه دقیقاً همان برنامه‌ای نباشد که انتظار داشتید. برای رسیدن به این هدف، باید فرآیندهای ذهنی برنامه‌نویسان انسانی را بازسازی کرد.»

مشکل اینجاست که داده‌هایی که بیشتر دستیارهای کدنویسی بر اساس آن‌ها آموزش دیده‌اند—میلیاردها قطعه کد موجود در مخازن آنلاین—شامل فرآیندهای فکری پشت کدنویسی نیستند. این داده‌ها صرفاً محصول نهایی را نشان می‌دهند، نه فرآیند تولید آن را.
کانت معتقد است: «کد زیادی وجود دارد، اما این داده‌ها نماینده مناسبی برای فرآیند توسعه نرم‌افزار نیستند.»
برای ساخت مدل‌هایی که بتوانند فراتر از تکمیل خودکار عمل کنند و کدهایی مفید، تست‌شده و بدون اشکال تولید کنند، باید به آن‌ها فرآیند ساخت کد را نیز آموزش داد.

نتیجه‌گیری

موج دوم ابزارهای کدنویسی هوش مصنوعی نه تنها نحوه توسعه نرم‌افزار را تغییر داده، بلکه رویکرد جدیدی نسبت به نقش انسان در این فرآیند ارائه کرده است. از ابزارهایی که کدنویسی را سریع‌تر و آسان‌تر کرده‌اند تا مدل‌هایی که توانایی تقلید از تفکر انسان را دارند، این فناوری‌ها آینده توسعه نرم‌افزار را شکل می‌دهند.

با این حال، پیشرفت این فناوری‌ها سوالات مهمی را به وجود آورده است: نقش انسان در این سیستم‌ها چه خواهد بود؟ چگونه می‌توان میان استفاده از هوش مصنوعی و حفظ خلاقیت انسانی تعادل برقرار کرد؟ و از همه مهم‌تر، چگونه می‌توان اطمینان حاصل کرد که این ابزارها به صورت مسئولانه و اخلاقی به کار گرفته می‌شوند؟

Credit: "The second wave of AI coding is here” by Will Douglas Heaven, published in MIT Technology Review, January 20, 2025.
Read the full article here: https://www.technologyreview.com/2025/01/20/1110180/the-second-wave-of-ai-coding-is-here/
Image Credit: Stephanie Arnett/MIT Technology Review | Adobe Stock