چرا کدنویسی هنوز حل نشده؟
هوش مصنوعیخلاصهٔ کامل‌تر
الکس اورلوف تو این پست که تا رتبهٔ دوم هکرنیوز هم بالا رفته، مستقیم سراغ ادعای «کدنویسی حل شده» می‌ره. نویسنده اول تکلیفش رو روشن می‌کنه که ضد AI نیست: از GPT-2 و نسخهٔ بتای کوپایلت استفاده کرده و حتی هارنس خودش رو ساخته، یعنی همون لایهٔ کد معمولی که دور مدل می‌پیچن تا خطاها و ابزارها رو بهش وصل کنه. ایرادش به خود ابزار نیست، به نتیجه‌گیریه که ازش گرفته میشه.
استدلال اولش ساده‌ست: تولید کد ارزون شده، ولی هر کی نرم‌افزار رو تو مقیاس پروداکشن اجرا کرده می‌دونه بخش عمدهٔ هزینه نگهداری، پایداری، امنیت و مقیاس‌پذیریه، یعنی چیزی که بهش NFR یا نیازمندی غیرکارکردی می‌گن. نویسنده چهار دسته محصول رو کنار می‌ذاره که واقعاً لازم نیست کدشون خونده بشه، مثل نرم‌افزار شخصی و POC، و می‌گه وجه مشترکشون تحمل خطای بالاست. بقیهٔ نرم‌افزارها، از سلامت و مالی تا خودرو و هوانوردی، این‌طور نیستن.
نکتهٔ محوری‌تر بحث پاسخگوییه. به گفتهٔ نویسنده AI رو نمی‌شه پاسخگو دونست: نه جریمه میشه، نه زندان می‌ره، بدترین کاری که میشه باهاش کرد خاموش کردنشه. پس اگه کدی رو منتشر کردی، فارغ از اینکه چطوری تولیدش کردی، خودت مسئولشی و برای همین باید بفهمیش. اون مالکیت رو سه‌پایه می‌دونه: دانش، اختیار و پاسخگویی؛ هر کدوم رو که برداری مالکیت می‌شکنه. جملهٔ کلیدیش هم اینه که AI می‌تونه چیزی رو برات توضیح بده، ولی نمی‌تونه به جای تو بفهمتش.
برخلاف روایت رایج، نویسنده کدنویسی رو یکی از آخرین کارهایی می‌دونه که نسل فعلی LLMها می‌تونه واقعاً تصاحب کنه. دلیلش اینه که کد با منطق سروکار داره و کامپایلر به نظر تو کاری نداره؛ LLM ذاتاً احتمالاتیه و دلیل موفقیتش بیشتر همون حلقهٔ بازخوردیه که خطاها رو بهش برمی‌گردونه. همون موتوری که تو شمردن حرف‌های یه کلمه گیر می‌کنه، همین لغزش‌های منطقی رو تو کد هم نشون می‌ده. نویسنده به‌عنوان نمونه به چند باگ گزارش‌شدهٔ Claude Code اشاره می‌کنه و می‌گه سرویس‌هایی که بابتشون پول می‌ده دارن افت می‌کنن، چون سرعت رو به پایداری ترجیح دادن.
آخر مقاله چند ادعای رایج رو رد می‌کنه: اینکه میشه از اول اسپک کامل نوشت، اینکه «انگلیسی زبان برنامه‌نویسی جدیده» (زبان طبیعی مبهم و متناقضه و اصلاً زبان‌های برنامه‌نویسی برای همین ساخته شدن)، و اینکه «مزیت رقابتی رفته سمت سلیقه». به نظر نویسنده ما دست‌کم دو انقلاب فاصله داریم تا نیازی به خوندن کد نباشه: مدلی که هم‌زمان یاد بگیره و مدلی که انتزاعی فکر کنه.
نکات کلیدی:
- بخش عمدهٔ هزینهٔ نرم‌افزار نگهداری، پایداری، امنیت و مقیاسه (NFR)، نه نوشتن اولیهٔ کد.
- فقط چهار دستهٔ کم‌ریسک لازم نیست کدشون خونده بشه: نرم‌افزار شخصی، POC، اتوماسیون یک‌بارمصرف و کاربرد مهاجمانه.
- AI پاسخگو نیست؛ نمی‌شه جریمه یا مجازاتش کرد، پس مسئولیت روی کسیه که کد رو منتشر می‌کنه.
- مالکیت سه پایه داره: دانش، اختیار و پاسخگویی؛ نبودن هر کدوم یعنی مالکیت شکسته.
- LLM خروجی‌اش احتمالاتیه و با حجم زیاد ورودی و پر شدن پنجرهٔ کانتکست، دقتش پایین‌تر می‌ره.
- نویسنده کاربردهای خوب فعلی AI رو نگاشت (ترجمه، تبدیل فرمت)، تولید، خلاصه‌سازی و جست‌وجوی معنایی می‌دونه.
- سنجیدن بهره‌وری با مصرف توکن یا تعداد PR یه شاخص نمایشیه؛ معیار واقعی رضایت مصرف‌کنندهٔ سرویسه.
