۲ برابر، نه ۱۰ برابر: واقعیت کدنویسی با مدلهای زبانی
هوش مصنوعیخلاصهٔ کاملتر
جاکوب اوبرایانت تو پست تازهش سراغ یه سؤال ساده میره: مدلهای زبانی واقعاً چقدر سرعت کار برنامهنویس رو بیشتر کردن؟ فرضیهٔ اون اینه که موج استفاده تو ۲۰۲۶ بیشتر از اینجا اومده که مدلها بهقدر کافی قابلاعتماد شدن تا توی حلقههای بازخورد خودکار بچرخن، نه اینکه یهو باهوشتر شده باشن. تشبیهش هم پلهست: برای بالا رفتن از پله باید اونقدر بلند باشی که یه پله رو برداری، ولی اینکه بتونی دو-سه پله رو یهجا بری خیلی کمتر فرق ایجاد میکنه.
به گفتهٔ نویسنده، جایی که مدلها واقعاً میدرخشن کارهاییه که معیار پذیرش روشن و قابلسنجش دارن؛ چیزی مثل «یه دکمه بساز که فلان کار رو بکنه، بعد روش کلیک کن و مطمئن شو همون کارو میکنه». مدل میتونه قدمبهقدم به هدف نزدیک بشه و نسبتاً درست حدس بزنه که آدم کِی میگه «آره، حالا درست شد». اوبرایانت اینو دستاورد بزرگی میدونه، ولی سقفش رو حدود ۲ برابر میبینه.
در مقابل، سؤالهایی مثل «ساختار بهتر و قابلنگهداریتر برای این کد چیه؟» یا «این مستندات همون چیزی رو داره که باید؟» هنوز جواب قابلاتکایی از مدل درنمیاد. برای همین اون از مدل فقط پیشنویس خام کد رو میگیره و بعد خودش حسابی روش کار میکنه؛ میگه قبلاً یه پیادهسازی کارکن یعنی ۸۰ درصد کار تمومه، ولی الان بیشتر شبیه ۲۰ درصده. برای مستندات هم یه دستور ساده براش جواب داده: به مدل بگو اصلاً README و داکاسترینگ و کامنت ننویسه.
نتیجهای که نویسنده میگیره اینه که اگه فرضیهٔ پله رو قبول کنیم، صرفِ بهتر شدن مدلها احتمالاً ما رو به جهش ۱۰ برابری نمیرسونه. به نظر اون بیشتر رشد بهرهوری تو آیندهٔ نزدیک از بازچینش ابزارها و روالهای صنعت دور همین تواناییهای امروزی درمیاد — چیزی که خودش تو مسیر رفتن از چت تعاملی به نوشتن مشخصات declarative و محیطهای sandbox تجربه کرده. وایبکدینگ هم به نظرش جای کاوش داره، ولی هنوز معلوم نیست برای کارهای حیاتی چقدر دووم میاره.
نکات کلیدی:
- ارزش امروز مدلهای زبانی بیشتر از قابلاعتماد شدنشون تو حلقههای بازخورد خودکار اومده، نه از هوش بیشتر
- بهترین کاربردشون کدیه که معیار پذیرش روشن و قابلآزمون داره
- ساختار قابلنگهداری و مستندات خوب هنوز کار آدمه
- یه پیادهسازی کارکن دیگه یعنی ۲۰ درصد کار، نه ۸۰ درصد
- جهش بعدی احتمالاً از ابزارها و روالها میاد، نه از مدل بزرگتر
