‏۱۰۰ برابر برنامه‌نویس بیشتر، اما کامپیوتر کجاست؟

Avery Pennarun، یکی از بنیان‌گذارای Tailscale، تو این مقاله می‌گه تو چند سال آینده حدود ۱۰۰ برابر برنامه‌نویس بیشتر داریم، یعنی نزدیک یه میلیارد نفر. بیشترشون Python بلد نیستن و براشون مهم نیست اپشون با React ساخته شده یا SQLite. فقط ایده‌شون رو به کامپیوتر می‌گن و کامپیوتر براشون می‌سازه. نویسنده می‌گه این هم برنامه‌نویسیه.

مثالش از یه دورهمی شرکته. Sandy، که برنامه‌نویس نیست، یه اپ شیر یا خط از App Store گرفت که هر چند بار یه تبلیغ پخش می‌کرد. بعد با کمک یه coding agent اپ خودش رو ساخت. ولی گیر کار نوشتن کد نبود: یکی باید براش VM لینوکسی راه می‌انداخت، SSH رو تنظیم می‌کرد و بعدش مفهوم localhost رو توضیح می‌داد، یعنی اپ روی سیستم خودت کار می‌کنه ولی هیچ‌کس دیگه نمی‌بینتش.

به گفتهٔ نویسنده، AI تبدیل ایده به کد رو راحت کرده، ولی مثلث قدیمی compute، storage و networking هنوز سر جاشه. چون یه کامپیوتر پشت NAT (یعنی پشت روتری که آدرس عمومی نداره) نمی‌تونه راحت اتصال بگیره، کار به دیتاسنتر، IP ثابت، DNS، TLS، احراز هویت و تیم SRE کشیده. Tailscale می‌خواد این ریشه رو درست کنه: هر دستگاهی هویت ثابت و اتصال رمزنگاری‌شدهٔ مستقیم داشته باشه، و حتی با tsnet خود نرم‌افزار Tailscale رو توی خودش جاسازی کنه. یعنی لپ‌تاپ یا Raspberry Pi تو خونه هم می‌تونه سرور یه اپ کوچیک باشه.

بخش مهم بعدی هشدار دربارهٔ vendor lock-in هست، یعنی وابستگی‌ای که نمی‌شه ازش بیرون اومد. نویسنده می‌گه شرکت‌های AI دارن از مدل به agent، connector، sandbox، هاستینگ و هویت گسترش پیدا می‌کنن. هر قدم منطقی به نظر می‌رسه، ولی یه سال بعد عوض کردن مدل یعنی جابه‌جایی همهٔ اپ‌ها. این همون اتفاقیه که با کلاد افتاد. در حالی که مدل‌ها سریع ارزون‌تر می‌شن و مدلی که امروز ضروری به نظر میاد، شش ماه بعد جایگزین داره.

راه‌حلی که نویسنده پیشنهاد می‌ده سیستم‌های باز با رابط‌های خوبه، مثل خود اینترنت. مدل، harness، sandbox، connector و سرویس محاسبه باید قابل تعویض باشن. محصول Aperture از Tailscale همین هدف رو داره: چند ارائه‌دهندهٔ مدل رو پشت یه سیستم هویت و دسترسی مشترک می‌ذاره. برای امنیت هم به «lethal trifecta» اشاره می‌کنه، یعنی agentی که هم ورودی غیرقابل‌اعتماد، هم دادهٔ خصوصی و هم دسترسی آزاد به شبکه داره خطرناکه.

دربارهٔ حاکمیت دیجیتال (AI sovereignty) هم نویسنده که خودش کاناداییه می‌گه لازم نیست هر کشوری کل زنجیره رو خودش بسازه. محل آموزش مدل، محل اجرا و محل نگهداری داده سؤال‌های جدا هستن؛ مثلاً یه مدل open-weight چینی می‌تونه تو تورنتو اجرا بشه بدون اینکه داده به چین بره. به نظرش حاکمیت یعنی همیشه بتونی بری سراغ یه گزینهٔ دیگه.

نکات کلیدی:

• پیش‌بینی Tailscale: حدود یه میلیارد برنامه‌نویس جدید، بیشترشون غیرحرفه‌ای
• گلوگاه اصلی اجرا، شبکه و اشتراک برنامه‌ست، نه نوشتن کد
• tsnet اجازه می‌ده Tailscale مستقیم داخل نرم‌افزار جاسازی بشه
• Aperture چند ارائه‌دهندهٔ مدل رو پشت یه لایهٔ هویت و policy مشترک می‌ذاره
• lethal trifecta: ورودی غیرقابل‌اعتماد + دادهٔ خصوصی + دسترسی آزاد به شبکه