Istina o AI programiranju: Marketing nasuprot stvarnosti
Zašto su alati za kodiranje korisni, ali daleko od zamjene za inženjere
Posljednjih mjeseci, obećanja o umjetnoj inteligenciji koja samostalno piše složene aplikacije postala su nezaobilazna u tehnološkim vijestima i objavama na društvenim mrežama. Gledajući sjajne prezentacije i agresivne marketinške kampanje, lako bi se moglo pomisliti da je tradicionalno programiranje stvar prošlosti. Tvrdi se da su veliki jezični modeli postali toliko napredni da običan opis ideje na prirodnom jeziku rezultira gotovim, sigurnim i optimiziranim kodom. Međutim, svakodnevna stvarnost softverskih inženjera koji zapravo koriste ove alate otkriva znatno drugačiju i složeniju sliku. Dok su umjetno inteligentni asistenti doista ubrzali određene aspekte razvoja, tvrdnja da će u potpunosti zamijeniti ljudske programere u bliskoj budućnosti zanemaruje samu suštinu onoga što razvoj softvera zapravo podrazumijeva.
Prevladavajuća priča
Glavni narativ koji se gura od strane mnogih tehnoloških entuzijasta, investitora u rizični kapital i samih tvrtki koje razvijaju umjetnu inteligenciju jest da je kodiranje svedeno na jednostavno generiranje teksta. Prema toj priči, uloga programera svodi se isključivo na prevođenje poslovnih zahtjeva u sintaksu. S obzirom na to da modeli mogu učiti iz milijardi linija koda dostupnih na internetu, zagovornici ovog stava tvrde da AI sada može generirati sve potrebne komponente, od korisničkog sučelja do baze podataka, s minimalnim ljudskim nadzorom. Očekuje se dramatično smanjenje troškova razvoja, jer bi i oni bez tehničkog predznanja trebali moći stvarati vlastite softverske proizvode samo razgovarajući s umjetnom inteligencijom.
Zašto je ta priča pogrešna ili nepotpuna
Ova vizija je pogrešna jer fundamentalno krivo shvaća prirodu inženjerstva. Pisanje koda zapravo je samo manji dio posla softverskog inženjera. Najveći i najzahtjevniji dio posla leži u dubokom razumijevanju nejasnih poslovnih zahtjeva, rješavanju dvosmislenosti, dizajniranju robusne arhitekture koja se može skalirati i osiguravanju da se novi kod ispravno i sigurno integrira s postojećim, često vrlo zapetljanim, sustavima.
Kada se od trenutnih alata baziranih na umjetnoj inteligenciji zatraži generiranje koda, oni često daju impresivne rezultate za izolirane, specifične probleme ili standardne algoritme. Međutim, kada taj generirani kod treba uklopiti u širi kontekst specifične aplikacije sa svojim jedinstvenim sigurnosnim pravilima, ovisnostima i poslovnom logikom, rezultati postaju nepredvidivi. Često se događa da AI generira kod koji izgleda točno na prvi pogled, ali sadrži suptilne greške, koristi zastarjele biblioteke ili zanemaruje rubne slučajeve koji bi u stvarnom okruženju doveli do pada sustava.
Osim toga, održavanje koda zahtijeva duboko kontekstualno razumijevanje koje modeli trenutno ne posjeduju. Model nema svijest o dugoročnim tehničkim dugovima, niti razumije zašto je određena arhitektonska odluka donesena prije nekoliko godina. Uloga ljudskog programera nije samo pisati linije koda, već preuzeti odgovornost za funkcioniranje i sigurnost cijelog sustava, što je odgovornost koju umjetna inteligencija ne može preuzeti.
Posljedice u stvarnom svijetu
Ako nastavimo nekritički prihvaćati ovaj narativ, posljedice bi mogle biti štetne za cjelokupnu industriju. Prvo, tvrtke bi mogle početi smanjivati svoja inženjerska tima ili zapošljavati manje iskusne programere pod lažnom pretpostavkom da će im umjetna inteligencija nadoknaditi manjak znanja. To može dovesti do stvaranja krhkih i nesigurnih sustava koje nitko ne razumije u potpunosti i koje je iznimno teško održavati.
Drugo, mladi programeri i studenti mogli bi zanemariti učenje temeljnih koncepata, oslanjajući se isključivo na alate za generiranje. Kada se suoče sa složenim problemom koji AI ne može riješiti, nedostajat će im vještine i duboko razumijevanje potrebno za rješavanje takvih izazova. Umjesto da AI postane alat koji proširuje njihove sposobnosti, mogao bi postati štaka koja ograničava njihov razvoj.
S druge strane, za one inženjere koji prihvate AI kao napredni alat za produktivnost, prednosti su očite. Automatizacija repetitivnih zadataka, brzo generiranje predložaka i brže pretraživanje dokumentacije omogućuju im da se fokusiraju na arhitekturu, sigurnost i rješavanje onih problema koji zahtijevaju istinsku ljudsku kreativnost i strateško razmišljanje.
Završni stav
Umjetna inteligencija neće zamijeniti softverske inženjere; zamijenit će one inženjere koji odbijaju koristiti umjetnu inteligenciju. Alati koje danas imamo iznimno su moćni asistenti koji značajno povećavaju produktivnost, ali su i dalje samo to – asistenti. Razvoj softvera nikada nije bio isključivo o poznavanju sintakse, već o rješavanju kompleksnih problema, komuniciranju s korisnicima i dizajniranju pouzdanih sustava. Dok god računala ne budu mogla samostalno preuzeti odgovornost za poslovne odluke i razumjeti kaotičnu ljudsku prirodu koja stoji iza zahtjeva, inženjersko će znanje ostati nezamjenjivo. Stvarnost je manje senzacionalna od marketinga, ali je dugoročno mnogo stabilnija i realnija.
Komentar objavljen na portalu Umjetna Inteligencija Blog by ShtefAI, autor: Shtef
