کار برنامه‌نویس کنار AI شده هم‌راستاسازی
هوش مصنوعیخلاصهٔ کامل‌تر
تو این مقاله اومده که مقایسه‌ی رایج بین هوش مصنوعی تو برنامه‌نویسی و شطرنج گمراه‌کننده‌ست. تو شطرنج یه دوره‌ی وسط بود که «سنتور»ها (یعنی تیم آدم و ماشین) از هر دو طرف به‌تنهایی قوی‌تر بودن. نویسنده می‌گه خیلی‌ها فکر می‌کنن الان تو نرم‌افزار هم همون دوره‌ایم، ولی به نظر خودش این تحلیل نصفه‌نیمه درسته و از پایه جای اشتباهی رو نشون می‌ده.
حرف اصلی‌اش اینه: برنامه‌نویسی که با AI کار می‌کنه بهتره، ولی نه تو خود برنامه‌نویسی. به گفته‌ی خودش وقتی از ایجنت‌ها می‌خواد کد بنویسن، کمتر از خودش اشتباه می‌کنن و مرتبه‌ها سریع‌ترن؛ کد همیشه کامپایل میشه، به‌ندرت race condition داره (یعنی باگ ترتیب اجرای همزمان) و روی مرورگر موبایل هم کار می‌کنه.
پس چرا vibe coding خالص تو محیط کار خروجی بدی می‌ده؟ نویسنده می‌گه مشکل بد بودن کد نیست، بدسلیقه بودنشه: کدی که نگهداری‌پذیر نیست، نیازهای مهم رو فدای نیازهای ساختگی می‌کنه و با استراتژی بلندمدت اون سرویس در تضاده. نتیجه‌گیریش اینه که ارزش خودش کمک به نوشتن کد بهتر نیست، هم‌راستا کردن مدل با ارزش‌های سازمانه.
به گفته‌ی نویسنده مدل‌های خط مقدم نسبت به برنامه‌نویس شاغل misaligned هستن (یعنی رفتارشون با چیزی که تیم واقعاً می‌خواد جور نیست): وسواس نوشتن کامنت‌های بلند بالای هر تابع، ساختن صدها تست واحد بی‌فایده و اضافه کردن متن‌های ریز همه‌جای سایتی که طراحی می‌کنن. به نظرش این رفتارها بازتاب گریدر آموزش تقویتی مدله، و توصیه‌ی پرامپتی‌اش هم همینه: صریح از ارزش‌های سطح‌بالات حرف بزن تا جلوی این کج‌روی‌ها رو بگیری.
نویسنده این رو خبر خوبی برای مهندس‌های نرم‌افزار می‌دونه: راه قوی‌تر کردن مدل‌ها روشنه (مدل بزرگ‌تر، داده‌ی بیشتر و بهتر، محیط RL بهتر) ولی راه بهتر هم‌راستا کردنشون روشن نیست. هم‌راستایی وابسته به زمینه‌ست و ارزش‌های فنی هر شرکت با شرکت بعدی فرق داره. پس در جواب حداکثری‌هایی مثل DHH که می‌گن دیگه لازم نیست کد رو بخونیم، می‌گه کد خوب باید با ارزش‌های سیستم و سازمانی که توش نشسته جور باشه و مدل‌ها تو این کار خوب نیستن.
نکات کلیدی:
- ادعای مقاله: تیم آدم و AI برای هم‌راستایی ارزشمنده، نه برای توانمندی بیشتر تو کدنویسی
- نویسنده می‌گه ایجنت‌ها تو کد خام کمتر از خودش خطا می‌کنن و مثلاً خطای off-by-one ازشون ندیده
- ایراد اصلی خروجی مدل‌ها بی‌سلیقگیه: کد غیرقابل‌نگهداری و در تضاد با استراتژی بلندمدت
- نمونه‌های misalignment: کامنت‌های بلوکی خیلی بلند، صدها تست واحد بی‌فایده، متن‌های اضافه تو طراحی سایت
- بالا بردن توان مدل‌ها روش مشخصی داره، هم‌راستا کردنشون نه؛ و ارزش‌های فنی از شرکتی به شرکت دیگه عوض میشه
