دن لو: با هوش مصنوعی باید نرمافزارهای بلندپروازانهتری بسازیم
خلاصهٔ کاملتر
دن لو تو این پست از حرف دوستش Michael Malis، سازندهٔ pgrust، شروع میکنه: «باید با نرمافزارهایی که میسازیم بلندپروازتر باشیم». pgrust یه بازنویسی از Postgres با Rust هست که خیلیها فکر میکنن یه پروژهٔ بیکیفیت دیگه با AI هست. ولی نویسنده میگه تستهاش اونقدر دقیقه که چند باگ واقعی تو خود Postgres پیدا کرده، مثل یه باگ عددی تو SP-GiST، یه باگ تو JSONPath، یه باگ تو pgcrypto و چند باگ memory safety.
نویسنده بعد کارهای خودش رو مثال میزنه. با این فکر که مدلهای خیلی سریعتر روی Cerebras دارن میان، دید سه تا گلوگاه تو سیستمش هست: ripgrep، کامپایل Rust و سربار syscall و فایلسیستم. با اینکه چیزی از regex و کامپایلر نمیدونست، یه موتور regex، یه fork از ripgrep و یه مفسر Rust ساخت. به گفتهٔ خودش این مفسر کامپایل سرد رو حدود 50 برابر و کامپایل گرم رو 2 برابر سریعتر کرده. این کارها قبلاً یه سال یا بیشتر وقت میبرد، ولی حالا چند ساعت.
نویسنده معتقده خیلی از غرهای روزانهٔ برنامهنویسها، مثل کندی کامپایل Rust، به این خاطره که هنوز با «مدل هزینهٔ قبل از agentها» فکر میکنن. یعنی ساختن یه کامپایلر جدید رو هنوز کار آدمی میدونن که هیچوقت چیزی تحویل نمیده، در حالی که الان واقعاً شدنیه.
یه مثال دیگهش هوش مصنوعی برای بازی Azul هست. با GPT-5.1/5.2 حدود 20 ساعت وقت گذاشت و مدلها مدام اشتباه پیشنهاد میدادن. ولی یکی دیگه با Fable 5.1 و Opus 5.5 تو وقت خیلی کمتر یه AI قویتر ساخت، چون مدلهای جدید میتونن مقاله بخونن و تکنیکش رو درست پیاده کنن. تو eval پیادهسازی zstd هم GPT-6 Astra بیشتر از 99 درصد وقتها همهٔ تستها رو پاس کرده، اونم با حدود یه دلار هزینه.
با این حال نویسنده میگه «نرمافزار حل شده» درست نیست. هر مدل قویتر فقط باعث میشه سراغ کارهای سختتری بره که مدل هنوز توشون گیر میکنه. تو پیوست هم نظر مخالف Yossi Kreinin رو آورده: بیشتر آدمها باید کمتر بلندپرواز باشن، چون خیلی از مسئلهها معیار روشن پاس/فیل ندارن و کد بهینهشده با AI ممکنه overfit و غیرقابل نگهداری بشه. جواب نویسنده اینه که خیلی وقتها میشه یه سیستم خودبررسی ساخت، مثل fuzzing و property-based testing.
نکات کلیدی:
- تستهای pgrust چند باگ واقعی تو Postgres پیدا کرده، از جمله تو SP-GiST، JSONPath و pgcrypto.
- مفسر Rust نویسنده کامپایل سرد رو حدود 50 برابر و گرم رو 2 برابر سریعتر کرده.
- پروژههایی که قبلاً یه سال طول میکشید، برای نویسنده چند ساعت وقت برده.
- GPT-6 Astra تو eval پیادهسازی zstd بالای 99 درصد موفق بوده، با هزینهٔ حدود یه دلار.
- Yossi Kreinin میگه برای بیشتر آدمها بلندپروازی زیاد با AI به شکست میرسه، چون معیار پاس/فیل روشن نیست.




