در سالهای اخیر، درباره هوش مصنوعی اغراقهای زیادی شنیدهایم؛ برخی ادعا میکنند که AI جایگزین کامل توسعهدهندگان نرمافزار خواهد شد و برخی دیگر میگویند فقط یک مد زودگذر است. هر چه به نظر شما درست باشد، نمیتوان انکار کرد که AI در حال حاضر همه جا حاضر است. این موضوع بهوضوح در همایش API آستین ۲۰۲۴ دیده شد، جایی که تعداد زیادی از سخنرانان درباره آن صحبت کردند و باعث شد یک مسیر کامل به این موضوع اختصاص یابد.
یکی از سخنرانان Paul Dumas، تحلیلگر سابق گارتنر بود که روز اول همایش را با یک سخنرانی تأملبرانگیز درباره نقش AI در فضای API آغاز کرد. او ما را به فکر واداشت که انسانها در توسعه API با افزایش اتکا به AI، کجا و چگونه جای خواهند گرفت. در ادامه، وضعیت فعلی AI و ارتباط آن با توسعه API بررسی شده و برخی دیدگاههای مهم از سخنرانی Dumas ارائه میشود و تصویری از آینده احتمالی ارائه میشود.
رشد کد تولید شده توسط AI
اولین نکته مهم این است که بهکارگیری کد تولید شده توسط AI دیگر یک رؤیا نیست؛ بلکه اکنون در حال انجام است و حجم آن هم قابل توجه است. اما میزان دقیق آن هنوز مورد بحث است.
Dumas در سخنرانی خود نتایج یک مطالعه اخیر گارتنر را شرح داد:
-
۱۳٪ افرادی که گارتنر با آنها صحبت کرده بود، در حال حاضر از AI تولیدی در توسعه نرمافزار استفاده میکنند.
-
۳۶٪ در حال ارزیابی آن بودند و
-
۵۲٪ برنامه داشتند در آینده نزدیک از آن استفاده کنند.
در سال ۲۰۲۳ برخی مقالات ادعا کردند که تقریباً نیمی از کد جدید توسط AI نوشته میشود و بسیاری از توسعهدهندگان نگران شدند. اما این آمار قطعی نبود و به مقالهای در GitHub درباره Copilot برمیگردد که گروهی از توسعهدهندگان فعال در آن محصول را بررسی کرده بودند.
با این حال، میدانیم که AI میتواند کد بنویسد و در بسیاری از موارد از انسانها بهتر عمل کند. آیا پس باید همه کارها را رها کنیم و فقط روی AI حساب کنیم؟ نه دقیقاً.
به گفته Armando Solar-Lezama، رئیس گروه برنامهنویسی کمکی در MIT:
«حتی اگر چنین تکنولوژیای بسیار موفق شود، باید همانند یک برنامهنویس در سازمان با آن برخورد کنید. هرگز نباید سازمانی داشته باشید که یک برنامهنویس بتواند کل سازمان را از کار بیندازد.»
کد تولید شده توسط AI همیشه کار نمیکند
منتقدان اشاره میکنند که کد تولید شده توسط ابزارهای AI غالباً مشکلات زیادی دارد، مانند تمایل AI به «هالوسیناسیون» و ناتوانی در رفع اشکال مؤثر. این میتواند منجر به کدی شود که به نظر درست است اما واقعاً کار نمیکند.
با این حال، ابزارهای AI اغلب بسیار مطمئن هستند که کدشان درست است. وقتی از آنها سؤال میشود «آیا مطمئن هستی؟»، ممکن است پاسخ دهند که همه چیز صحیح است… و سپس هنگام اجرا شکست بخورد. این موضوع برای توسعهدهندگانی که بیش از حد به این کد تکیه میکنند، مشکل بزرگی است.
با این حال، اتکا به کد تولید شده توسط AI بهطور فزایندهای اجتنابناپذیر به نظر میرسد. بسیاری از توسعهدهندگان ابزارهای AI را در روند کاری خود ادغام کردهاند و این ابزارها هر روز «هوشمندتر» میشوند.
Dumas پیشبینی میکند که در آینده AI خودش APIها را تولید میکند و کد مصرفکننده API را نیز خواهد نوشت. او میگوید:
«به عنوان یک توسعهدهنده، شما استراتژیکتر و… شهودیتر خواهید شد.»
این یعنی توسعهدهندگان نقش ناظران و کنترلکنندگان خروجی AI را خواهند داشت، مشابه بررسی کد توسعهدهندگان کمتجربه.
آیا AI اصلاً نیاز به تولید کد دارد؟
در زمینههایی مانند مهندسی پرامپت، هنوز در مراحل ابتدایی هستیم. بسیاری از ابزارهای AI هنوز به صورت ایزوله عمل میکنند و دادهها و مدلهای بزرگ زبانی (LLM) محدودیتهایی دارند.
مثلاً اکنون توسعهدهندهای که میخواهد با AI مشکلی را حل کند، ممکن است پرامپتی مانند این صادر کند:
«کدی به زبان X بنویس که تابع Y را انجام دهد.»
اما هدف اصلی تحقق تابع Y است، نه صرفاً تولید کد.
با اتصال ابزارهای AI به جریانهای کاری موجود، تمرکز بر تولید کد ممکن است کمرنگ شود. اگر AI بتواند با استفاده از ابزار دیگر یا API به هدف برسد، احتمالاً از تولید صفحات کد صرفنظر میکند.
البته نگرانی درباره تولید کد خراب وجود دارد، اما نگرانی اصلی شاید مربوط به فرآیندهای پشت صحنه باشد که ما نمیبینیم. باز هم، نقش توسعهدهنده به عنوان ناظر و تأییدکننده حیاتی خواهد بود.
گامهای عملی بعدی
«هوش مصنوعی خودش تبدیل به مصرفکننده API خواهد شد»، میگوید دوماس. «ابزارهای هوش مصنوعی به APIها نگاه میکنند و آنها را اجرا میکنند و برای ساخت مدلهای خود داده و اطلاعات جمعآوری میکنند.» به این ترتیب، ابزارهای هوش مصنوعی احتمالاً تبدیل به یک کاربر دیگر خواهند شد که باید هنگام ساخت و مستندسازی APIها در نظر گرفته شوند.
بر این اساس، ارزش دارد که بررسی کنیم هوش مصنوعی چگونه میتواند عملیات توسعهدهندگان API را بهینه کند. به عنوان مثال، قبلاً درباره چگونگی تکامل مدیریت API با استفاده از هوش مصنوعی نوشتهایم. استفاده از ابزارهای هوش مصنوعی برای مستندسازی APIها، میتواند مستنداتی ایجاد کند که وقتی AIها آن اطلاعات را تحلیل میکنند، راحتتر قابل فهم باشد—به عبارتی، نوشته شده توسط AI برای AI.
همچنین باید برای تغییرات قابل توجه در امنیت و حاکمیت آماده باشیم. موضوعاتی مانند امنیت LLM و استفاده از ابزارهای هوش مصنوعی به شکلی که با مقررات حفظ حریم خصوصی مطابقت داشته باشد، در بسیاری از سازمانها هماکنون یک چالش بزرگ است. هرچه زودتر به آنها رسیدگی کنیم، بهتر است.
به زودی مطالب بیشتری درباره همپوشانی هوش مصنوعی و APIها در وبلاگ ارائه خواهد شد، اما شاید سادهترین روش برای شروع، بررسی برخی از پلتفرمهای مدیریت API اولویتبخش هوش مصنوعی باشد که در حال ظهور هستند. یا شاید، با توجه به پیشبینی ۷۰٪ که دوماس ذکر کرد، صبر کنید تا همان پلتفرمی که هماکنون استفاده میکنید، مؤلفهای از هوش مصنوعی را معرفی کند.
