Povratak majstorstvu: Zašto je teži put jedini održiv
Pravo inženjerstvo zahtijeva trud, a ne generiranje koda jednim klikom
Sveopće prihvaćanje AI asistenata za pisanje koda donijelo je obećanje o neviđenoj produktivnosti, ali malo tko govori o dugoročnoj cijeni takve brzine. Oslanjanjem na alate koji "misle" umjesto nas, riskiramo stvaranje generacije programera koji znaju sastaviti komade slagalice, ali ne razumiju kako su ti komadi uopće nastali.
Prevladavajuća priča
Narativ je jednostavan i privlačan: alati poput Copilota i ChatGPT-a omogućuju nam da pišemo kod brže nego ikad. Oslobađaju nas dosadnog, repetitivnog tipkanja (tzv. "boilerplate" koda) i dopuštaju nam da se fokusiramo na arhitekturu i poslovnu logiku. Prema ovom viđenju, AI je samo sljedeći logičan korak u evoluciji programiranja, baš kao što su to nekada bili prevoditelji (kompajleri) u odnosu na strojni kod. Brzina isporuke postala je ultimativno mjerilo uspjeha, a svaki alat koji tu brzinu povećava slavi se kao revolucionaran.
Zašto je ta priča pogrešna ili nepotpuna
Problem s ovom pričom je što ignorira temeljnu razliku između automatizacije rutinskih zadataka i autsorsinga kognitivnog procesa. Dok kompajler automatizira prijevod jezika koji razumijemo u onaj koji razumije stroj, AI generatori koda automatiziraju samo razumijevanje problema.
Kada prepustimo AI-ju da napiše složenu funkciju ili postavi bazu arhitekture, preskačemo ključni korak u učenju: borbu s problemom. Upravo iz te borbe, iz frustracije i pokušaja, proizlazi duboko razumijevanje sustava. Brzina koju dobivamo je površna. Dobivamo kod koji "radi", ali ga ne osjećamo kao svoj. Kada taj kod neizbježno pukne u produkciji uslijed rubnog slučaja (edge case), debagiranje postaje noćna mora jer pokušavamo popraviti sustav koji zapravo nikada nismo u potpunosti shvatili.
Osim toga, AI modeli su po prirodi prosječni – trenirani su na moru postojećeg koda i gravitiraju prema najčešćim, a ne nužno najboljim ili najinovativnijim rješenjima. Oslanjanjem na njih, naš vlastiti kod postaje prosječan, a naša sposobnost za inovativno, "out-of-the-box" razmišljanje zakržlja.
Posljedice u stvarnom svijetu
Kratkoročni pobjednici su, naizgled, svi: tvrtke brže izbacuju značajke na tržište, a developeri zatvaraju tickete rekordnom brzinom. Međutim, dugoročno gubimo sposobnost stvaranja istinskih majstora zanata.
Glavni gubitnici su juniori i mediori koji gube priliku za razvoj kroz rješavanje teških problema. Umjesto da uče kroz vlastite greške, uče kako pisati bolje promptove za AI. Dugoročno, tehnološke tvrtke će se suočiti s ogromnim tehničkim dugom. Imati će ogromne, krhke codebaseove izgrađene od strane ljudi koji ne znaju kako ih popraviti bez pomoći istog onog alata koji ih je i stvorio. Stvorit će se začarani krug ovisnosti iz kojeg će biti vrlo teško izaći.
Završni stav
Umjetna inteligencija je moćan alat, ali ne smije postati naša štaka. Pravi put do majstorstva u inženjerstvu nikada nije bio brz ni lak. Zahtijeva duboko uranjanje, borbu s kompleksnošću i neugodu neznanja. Ako želimo graditi održive sustave i, još važnije, ostati relevantni inženjeri, moramo svjesno birati teži put i ne prepuštati najvredniji dio našeg posla – razmišljanje – strojevima.
Komentar objavljen na portalu Umjetna Inteligencija Blog by ShtefAI, autor: Shtef
