بازنویسی نرمافزار، این بار بهخاطر هوش مصنوعی
هوش مصنوعیخلاصهٔ کاملتر
نویسنده تو این مطلب میگه نگاهش به بازنویسی نرمافزار بهخاطر هوش مصنوعی تغییر کرده. حرف اصلیش اینه که کیفیت خروجی مدل فقط با پرامپت تعیین نمیشه؛ دو چیز دیگه هم مهمه: چیزی که مدل از قبل تو دادههای آموزشیش یاد گرفته، و کانتکستی که موقع کار بهش میدی. تو کارهای کدنویسی، بخش عمدهٔ این کانتکست خودِ کدبیسه.
به گفتهٔ نویسنده، استکهای محبوب یه مزیت هوش مصنوعی دارن، چون مدل میلیونها نمونه ازشون دیده. برعکسش برای زبونهای اختصاصی و فریمورکهای خصوصی با الگوهای ناهماهنگ صدق میکنه؛ اینا رو باید به مدل یاد داد، اونم بیشتر با همون پنجرهٔ کانتکست محدودی که مدلها دارن.
نویسنده دو تا جریان کاری رو مقایسه میکنه. تو حالت اول، مدل مشخصات فیچر رو میخونه، بعد یه کدبیس با الگوهای شفاف و یکدست رو میبینه و پیادهسازی رو تولید میکنه. تو حالت دوم، مدل علاوه بر مشخصات فیچر، باید یه کدبیس آشفته با زبونهای قدیمی و اختصاصی و باروبنهٔ تاریخی رو هم بخونه، بعد مستندات و نمونههای اضافه رو ببینه و تازه بره سراغ تولید کد.
تو حالت دوم مدل باید کلی انرژی بذاره تا الگوها رو حدس بزنه، بعد بتونه مسئله رو حل کنه. نویسنده میگه کانتکست بیشتر یعنی توکن بیشتر، پرامپت بیشتر، واریانس بیشتر و در کل خروجی بیکیفیتتر؛ که همش هزینهست.
نتیجهای که نویسنده میگیره اینه که بازنویسی فقط فرصت مدرنکردن استک فنی نیست، بلکه فرصتیه که کدبیس رو دور الگوهای شفاف و یکدست بسازی؛ الگوهایی که بهجای جنگیدن با نقاط قوت هوش مصنوعی، ازشون استفاده میکنن. یا وقتت رو صرف حل مسئله با هوش مصنوعی میکنی، یا صرف اینکه اول زبون خودت رو بهش یاد بدی.
به گفتهٔ نویسنده، اون وقتِ ازدسترفته میشه مزیت رقبات، و این فاصله فقط سرعت نیست؛ کیفیت خروجی هم هست. نویسنده معتقده همین موضوع اقتصادِ بازنویسی نرمافزار رو عوض میکنه.
نکات کلیدی:
- کیفیت خروجی هوش مصنوعی فقط به پرامپت نیست، به دانستههای مدل و کانتکست هم بستگی داره
- تو کدنویسی، بیشترِ کانتکست خودِ کدبیسه
- کد تمیز و یکدست کار مدل رو راحت میکنه؛ کد آشفته مدل رو مجبور به حدسزدن الگوها میکنه
- کانتکست بیشتر یعنی توکن و واریانس بیشتر و خروجی بیکیفیتتر
- نویسنده بازنویسی رو فرصتی میبینه که کد رو دور الگوهای مناسب هوش مصنوعی بسازی
