تاثیر هوش مصنوعی مولد و ابزارهای کم کد/بدون کد
اگر بهعنوان یک توسعهدهنده نرمافزار، میخواهید بدانید که محبوبترین یا پردرآمدترین زبانهای برنامهنویسی در صنعت در حال حاضر کدامند، همیشه یک جریان دائمی از نظرسنجیها و گزارشها وجود دارد تا به شما اطلاع دهد. و توصیه های شغلی برای توسعه دهندگان معمولاً توصیه می کند که یادگیری مداوم در کار ضروری است.
اما اگر هوش مصنوعی بتواند از چند دستور ساده کد تولید کند، آیا یادگیری زبان های برنامه نویسی اضافی شده است؟
مطمئناً، جنسن هوانگ، مدیرعامل انویدیا معتقد است که نسلهای آینده اصلاً نیازی به یادگیری زبانهای برنامهنویسی نخواهند داشت. «وظیفه ما ایجاد فناوری محاسباتی است که هیچ کس مجبور به برنامه نویسی نباشد و زبان برنامه نویسی انسان باشد. اکنون همه در جهان یک برنامه نویس هستند. “برای اولین بار، می توانید تصور کنید که همه افراد شرکت شما یک فناور هستند.”
همراه با هوش مصنوعی، این آینده ای که هوانگ پیش بینی می کند با گسترش ابزارهای کم کد و بدون کد کمک می کند، که فقط توسط غیر توسعه دهندگان مورد استفاده قرار نمی گیرند. تحقیقات Forrester نشان میدهد که 87 درصد از توسعهدهندگان سازمانی از پلتفرمهای توسعه با کد پایین استفاده میکنند که باعث رشد قابل توجه پیشبینیشده در این بازار میشود.
اما پیشبینی هوانگ در مورد آیندهای بدون برنامهنویسی را باید با کمی نمک در نظر گرفت. این به نفع انویدیا است که دستگاه هیپ هوش مصنوعی را با سرعت کامل کار کند، اما برنامهنویسی طی دههها فناوریهای اتوماسیون ادامه داشته است. در واقع، مولدهای کد تا زمانی که خود علم کامپیوتر در حال توسعه هستند، در حال توسعه بوده اند.
هموار کردن راه برای هوش مصنوعی مولد
ابزارهایی که از مدلهای پیشبینی مبتنی بر شبکههای عصبی استفاده میکنند در دهه 90 وارد معرکه شدند و معمولاً برای شناسایی مشکلات در کد با استفاده از تشخیص الگو استفاده میشوند. این راه را برای ابزارهای مولد هوش مصنوعی که امروزه در اختیار داریم، از ChatGPT گرفته تا Copilot GitHub، و هر چیزی در این بین، هموار کرده است.
همانطور که ابزارهای مولد هوش مصنوعی راه خود را به فرآیند توسعه نرم افزار باز می کنند، برای توسعه دهندگان مهم است که با این روندها و فناوری های جدید به روز باشند. اما اگر هوش مصنوعی به عنوان دستیار در نظر گرفته شده است، به این معنی است که توسعه دهنده باید واجد شرایط این جفت شدن باشد. برای برتری در آینده توسعه نرم افزار، باید بیشتر از ربات ها بدانید.
تحقیقات نوظهور به بررسی تاثیر هوش مصنوعی بر آموزش می پردازد. مدرسان یک دوره علوم کامپیوتر در هاروارد که با دستیار کدنویسی هوش مصنوعی مجازی برای دانشآموزان آزمایش میکردند، مراقب بودند که چت ربات به سادگی پاسخ سؤالات را ارائه ندهد، بلکه دانشآموزان را راهنمایی میکردند که چگونه خودشان راهحل را پیدا کنند، همانطور که یک معلم خصوصی انجام میدهد. . زیرا، اگر فقط برای پاسخ به هوش مصنوعی رجوع کنید، این فرآیند را یاد نخواهید گرفت و درک اساسی از کدنویسی ایجاد نخواهید کرد.
تحقیقات بیشتر از GitHub در مورد نحوه استفاده توسعه دهندگان از ابزارهای Copilot نشان داد که به طور متوسط کارها با کمک هوش مصنوعی می توانند تا 55٪ سریعتر تکمیل شوند. پیشنهاد شده است که این زمان ذخیره شده میتواند به توسعهدهندگان این فرصت را بدهد که زبانها و چارچوبهای بیشتری را بیاموزند – به جای محدود کردن، دانش خود را در مورد زبانهای برنامهنویسی گسترش دهند.
همچنین مهارت های جدیدی برای یادگیری برای توسعه به کمک هوش مصنوعی وجود دارد. برای مثال، مهندسی سریع میتواند به مهارتهای ارتباطی گستردهتر توسعهدهنده کمک کند. اگر بتوانید دستورالعمل های واضح و مستقیمی را برای دستیار هوش مصنوعی خود ایجاد کنید، به نوبه خود یاد خواهید گرفت که به طور واضح با همکاران خود ارتباط برقرار کنید.
برخی از کارفرمایان حتی مهندسان فوری تمام وقت را استخدام میکنند، مانند این نقش در Dell که شامل توسعه و بهینهسازی اعلانهای موثر برای برنامههای مختلف هوش مصنوعی مولد میشود – و هنوز هم به تسلط به پایتون نیاز دارد.
همچنین توسعه دهندگان همچنان ملزم به بررسی کد خواهند بود و این با بررسی کد همکارانشان متفاوت خواهد بود. کد تولید شده توسط هوش مصنوعی احتمالا خطاهای قابل پیش بینی کمتری خواهد داشت که نیازمند رویکرد دقیق تری است.
به طور خلاصه، توسعهدهندگان نیازی به تهدید بدون کدنویسی ندارند و در واقع میتوانند از میانبرهایی که این فناوریها اجازه میدهند بهرهمند شوند. برای سالها، کدنویسی در حال تغییر به سمت در دسترستر شدن است – برای مثال، فقط به محبوبیت زبانهای کاربرپسندتر مانند پایتون نگاه کنید. با در دست داشتن یک کمک کننده هوش مصنوعی، توسعه دهندگان ممکن است دیگر نیازی به حفظ نحو و ساختار نداشته باشند، اما همچنان باید آن را در مورد نظارت درک کنند.
آن را به عنوان قلع و قمع در مقابل متخصص در نظر بگیرید. میتوانید شخصی را که برای تعمیر ماشین لباسشوییتان آماده است، یا حتی انجام این کار را خودتان از YouTube بیاموزید، اما همچنین میتوانید یک حرفهای را برای تضمین انجام کار به خوبی استخدام کنید، و بسیاری از افراد به این کار ادامه میدهند.
با این حال، برخی از کسبوکارها از فرصتی که هوش مصنوعی ارائه میکند استفاده میکنند تا کارهای بیشتری را با کمترین زمان انجام دهند، چه زمان کمتر یا توسعهدهندگان کمتر. تعداد نقشهای توسعهدهنده در بازار کار احتمالاً کاهش مییابد، به خصوص برای کسانی که فقط کدنویسی را در جعبه ابزار خود دارند. به خصوص پست های جوان احتمالاً تقاضای کمتری خواهند داشت.
اگر در حال حاضر یک توسعهدهنده جوان در این صنعت هستید، زمان آن رسیده است که نقش خود را ارتقا دهید و آینده خود را حفظ کنید. شرکت فرانسوی چندملیتی فناوری اطلاعات Atos در حال حاضر به دنبال یک پیشرو در فناوری است که بتواند در کنار فناوریهای کمکد کار کند، در حالی که این نقش معمار ارشد نرمافزار در Dataport فرصتی برای به کارگیری مهارتهای حل مسئله خلاق و ارتباطی است.
اگر مشخص شود که حمایت از ادامه یادگیری در توسعه نرم افزار اشتباه است و صنعت در واقع زبان ها را به ربات ها واگذار می کند، این ها مهارت های ارزشمند و قابل انتقالی برای هر نقش آینده خواهند بود.