پارادایم نوین توسعه نرم‌افزار؛ گذار از نگارش سینتکس به مهارت حل مسئله

در این سخنرانی دکتر دهقانی با تکیه بر جنبه‌های تجربی و تحلیل ساختاری زنجیره مهندسی نرم‌افزار، نشان داد که چگونه مدل‌های زبانی بزرگ، تعریف برنامه‌نویسی را از یک تخصص لوکس دانشگاهی به یک مهارت عمومی نظیر کار با نرم‌افزارهای اداری تغییر داده‌اند. این گزارش به بررسی ابعاد فنی، اقتصادی و حقوقی این تحول بنیادین بر اساس داده‌ها و تحلیل‌های ارائه‌ شده در این همایش می‌پردازد.

بحران احساس عقب‌افتادگی در میان پیشگامان فناوری

ارائه با یک نقل‌قول قابل‌تأمل آغاز شد؛ سخنی از «اندرو کارپاتی»، از پیشگامان برجسته حوزه هوش مصنوعی و تسلا، که اخیراً اظهار داشته است: «من هیچ‌وقت در دنیای برنامه‌نویسی این‌قدر حس عقب‌افتادگی نداشتم.» این اعتراف از زبان فردی که خود در صف اول توسعه فناوری هوش مصنوعی قرار دارد، به عنوان نقطه عزیمت بحث انتخاب شد تا این پرسش طرح گردد: «چرا حتی سردمداران این حوزه نیز احساس می‌کنند سرعت رشد ابزارها از توان یادگیری فردی پیشی گرفته است؟»

دکتر دهقانی در پاسخ به این چالش، به بررسی ریشه‌های فلسفی و اقتصادی چرایی تغییرات پرداخت و این پرسش کلیدی را مطرح کرد که با وجود مدل‌های توانمندی که قادر به تولید کد هستند، مزیت رقابتی برنامه‌نویسی که سال‌ها در دانشگاه و صنعت تجربه اندوخته است، طی ۵ سال آینده چه خواهد بود؟ وی تصریح کرد دغدغه منسوخ شدن برنامه‌نویسی، آدرس غلط و صورت‌مسئله‌ای نادرست است؛ بلکه پرسش درست، تبیین وجه تمایز برنامه‌نویس انسان با هوش مصنوعی در زنجیره ارزش آینده است.

مرزبندی میان تولید کد و مهندسی نرم‌افزار

یکی از بخش‌های کلیدی این سخنرانی، تمایز نهادن میان دو مفهوم «تولید کد» (Code Generation) و «مهندسی نرم‌افزار» (Software Engineering) بود. بر اساس چارچوب سه‌ مرحله‌ای مطرح ‌شده در ارائه، اگر وظیفه برنامه‌نویس صرفاً دریافت یک مسئله، نوشتن کد خط‌به‌خط برای آن و دریافت خروجی تعریف شود، مدل‌های زبانی نه تنها با انسان رقابت می‌کنند، بلکه عملکرد بسیار سریع‌تری نشان می‌دهند. مدل‌های زبانی قادرند کدهایی را که پیاده‌سازی دستی آن‌ها توسط انسان ممکن است یک ماه به طول انجامد، ظرف چند روز یا حتی یک هفته با دقت ساختاری بالا و بر اساس محاسبات احتمالات شرطی تولید کنند.

با این حال، مهندسی نرم‌افزار زنجیره یکپارچه‌ای است که از درک و تحلیل عمیق مسئله آغاز شده و تا مراحل استقرار، نگهداری و پایش مداوم سیستم ادامه می‌یابد. دکتر دهقانی تأکید کرد که مدل‌های زبانی در حال حاضر قادر به پوشش یکجای این زنجیره نیستند. هرچند شرکت‌های بزرگ فناوری غربی اکنون منابع عظیمی را به ریسرچ در حوزه خودارزیابی و خوداصلاحگری مدل‌های زبانی اختصاص داده‌اند تا نیاز به بازخورد انسانی را به حداقل برسانند و چرخه فیدبک خودکار ایجاد کنند. تا زمانی که این زنجیره به طور کامل خودکار نشود، مزیت انسان در نظارت بر کل این فرایند پابرجا خواهد بود.

گلوگاه مسئولیت قانونی و فرآیند تریدآف در استدلال

سخنرانی در ادامه به بررسی یک سناریوی واقعی پرداخت؛ پیاده‌سازی سامانه‌ای برای پردازش، تحلیل و خطایابی اسناد فارسی. در این سناریو، مدل‌های زبانی می‌توانند کدهای لازم را بنویسند، اما با چالش‌های عملیاتی مواجه می‌شوند. برای مثال، در صورت مواجهه با داده‌های نویزی یا از کار افتادن سیستم، تصمیم‌گیری‌های پیچیده‌ای لازم است. اگرچه می‌توان ایجنت‌هایی برای شناسایی نویز طراحی کرد، اما مسئله اصلی تصمیم‌گیری‌های موسوم به تریدآف (Trade-off) در لایه استدلال است؛ جایی که مدل باید بین متغیرهای متناقضی همچون نرخ خطا و هزینه‌های پردازش تعادل برقرار کند و یک گام به عقب بایستد.

علاوه بر ضعف‌های فنی مدل‌ها در لایه استدلال در شرایط کانتکست ضعیف، مسئولیت‌پذیری حقوقی و قانونی به عنوان بزرگ‌ترین گلوگاه توسعه این فناوری معرفی شد. دکتر دهقانی این سؤال بنیادی را طرح کرد که اگر خروجی یک مدل اشتباه باشد و منجر به خسارت شود، مسئولیت قانونی آن بر عهده کیست؟

وی اشاره کرد غول‌های فناوری نظیر گوگل و مایکروسافت با وجود دارا بودن مدل‌هایی با ظرفیت ۱۰۰۰ میلیارد پارامتر، هرگز جرأت نمی‌کنند مسئولیت حقوقی کل ساختار نرم‌افزارهای خود را به یک مدل هوش مصنوعی واگذار کنند. در قوانین فعلی، مسئولیت نهایی همواره متوجه شخص حقوقی و مدیرعامل شرکت است و همین فقدان چارچوب‌های تفویض مسئولیت قانونی به عنوان یک سرعت‌گیر جدی در مسیر جایگزینی کامل انسان عمل خواهد کرد.

انفجار جمعیتی توسعه‌دهندگان گیت‌هاب تا سال ۲۰۳۰

بخش آماری و اقتصادی ارائه، نگاه جدیدی به بازار کار آینده گشود. به گفته دکتر دهقانی، در حال حاضر شبکه اجتماعی گیت‌هاب حدود ۱۰۰ میلیون کاربر فعال دارد که کمتر از یک درصد جمعیت جهان را تشکیل می‌دهند و همین محدودیت، ارزش اقتصادی و حقوق‌های بالایی را برای برنامه‌نویسان سنتی ایجاد کرده بود. با این حال، بر اساس پیش‌بینی مؤسس گیت‌هاب در یک پادکست، انتظار می‌رود این عدد تا سال ۲۰۳۰ به ۱ میلیارد کاربر فعال برسد.

این جهش ده‌برابری برآمده از دو عامل اساسی است؛ نخست، ورود ایجنت‌های هوشمندی که خودکار به گیت‌هاب متصل شده، کد می‌نویسند و آن را تصحیح می‌کنند؛ دوم، ورود افراد غیرمتخصصی که بدون پیش‌زمینه دانشگاهی در این حوزه و صرفاً از طریق تعامل به زبان مادری با مدل‌های زبانی مانند چت‌جی‌پی‌تی، اقدام به ساخت وب‌سایت و اپلیکیشن کرده و کدهای خود را در گیت‌هاب بارگذاری می‌کنند.

این دموکراتیزه شدن توسعه نرم‌افزار، عرضه نیروی کار را به شدت افزایش داده و ساختار پاداش‌دهی و انحصارهای شغلی سابق را تحت تأثیر قرار خواهد داد. هدف‌گذاری کلان هلدینگ‌های فناوری جهان، ساده‌سازی توسعه نرم‌افزار تا حد بازی با اسباب‌بازی‌های لگو است. اوباما، رئیس‌جمهور پیشین آمریکا نیز پیش از این در سخنرانی خود بر آموزش برنامه‌نویسی در مدارس تأکید کرده بود؛ نه برای درگیر کردن کودکان با خطاهای سینتکسی، بلکه به عنوان یک مهارت عمومی در جهت چینش منطقی ابزارها در کنار یکدیگر.

تحول در نظام آموزشی و سه نسل برنامه‌نویسی

سهل‌الوصول بودن تولید کدهای ساده مانند الگوریتم فیبوناچی توسط هوش مصنوعی در کسری از ثانیه، این پرسش را پیش روی نظام دانشگاهی قرار می‌دهد که آیا استادان هنوز باید صفر تا صد نوشتن این کدهای ابتدایی را آموزش دهند؟ پاسخ دکتر دهقانی منفی بود؛ چرا که آموزش عالی ناگزیر از پذیرش یک پارادایم شیفت بزرگ به سمت پرورش مهارت حل مسئله به جای تمرکز بر حفظ سینتکس‌های برنامه‌نویسی است. در این ساختار جدید، ارزش واقعی در توانایی شناسایی دقیق مسئله و فرموله کردن راه‌حل ذهنی است، در حالی که کار اجرایی نوشتن کد به ماشین واگذار می‌شود.

وی تکامل برنامه‌نویسی را به سه نسل تقسیم کرد:

• نسل اول: دوره نوشتن خط‌به‌خط و دستی کدهای برنامه‌نویسی بر اساس قواعد زبان و سخت‌افزار.
• نسل دوم: دوره تولید انبوه داده‌ها و شکل‌گیری پلتفرم‌هایی مانند استک اورفلو که با تغذیه مدل‌های یادگیری ماشین، بهبود چشمگیری در کیفیت کدهای تولیدی ایجاد کرد.
• نسل سوم (عصر حاضر): دوره‌ای که در آن برای نخستین بار در تاریخ، مغز یک برنامه‌نویس مستقیماً به ماشین متصل شده است. زبان طبیعی انسان و زبان برنامه‌نویسی بدون نیاز به مترجم میانی با یکدیگر پیوند خورده‌اند. مدل زبانی به عنوان یک واحد پردازشی عمل می‌کند و برنامه‌نویس به جای نگارش کد، در جایگاه ناظر و طراح سطح بالا قرار می‌گیرد.

سرنوشت بازار کار؛ جونیورها در صف اول حذف

دکتر دهقانی با واقع‌بینی نسبت به تغییرات بازار کار هشدار داد و اعلام کرد که رقابت در آینده نه میان انسان و هوش مصنوعی، بلکه میان انسان‌های مسلط به ابزارهای نوین و کسانی است که نسبت به یادگیری این ابزارها مقاومت می‌ورزند. در این میان، برنامه‌نویسان تازه‌کار که مهارتشان به کارهای تکراری مانند مستندسازی یا کدهای ساده محدود است، نخستین گروهی هستند که در صف حذف از بازار کار قرار دارند. در مقابل، برنامه‌نویسان باتجربه (سینیور) به دلیل توان نظارتی و تفکر تحلیلی کمتر آسیب خواهند دید، اما آن‌ها نیز ناگزیر به تغییر نقش خود به ناظران فرایندهای مبتنی بر هوش مصنوعی هستند.

در پایان این ارائه تحلیلی، این نتیجه‌گیری حاصل شد که برنامه‌نویسی هرگز از بین نخواهد رفت، بلکه شکل بیرونی آن به طور کامل دگرگون خواهد شد. یادگیری سنتی برنامه‌نویسی از پایه (مانند گذراندن دوره‌های صرف پایتون از صفر) بدون نگاه به نیازهای مهارتی ۵ سال آینده، دیگر ارزش افزوده اقتصادی به همراه نخواهد داشت. مدیران، استادان دانشگاه و توسعه‌دهندگان باید از امروز سناریوهای مواجهه با این فناوری را تدوین کنند تا بتوانند نقش مؤثری در دوران حاکمیت مدل‌های زبانی ایفا نمایند.