كيف يؤثر الذكاء الاصطناعي على إنتاجية المبرمجين

على الرغم من إمكانية تحقيق مكاسب إنتاجية هائلة من أدوات الذكاء الاصطناعي التوليدية مثل شات جي بي تي أو هيت هاب كو بايلوت، فهل ستصبح وظائف المتخصصين في مجال التكنولوجيا أكثر تعقيداً؟

يقول المحلل التقني أندي ثوراي في مجلة “كونستيليشن ريسيرش”، إنه بالنسبة للمبرمجين ومهندسي البرمجيات، فإن شات جي بي تي، ونماذج اللغات الكبيرة الأخرى تساعد في إنشاء رموز بأي لغة تقريباً. ومع ذلك، فإن معظم التعليمات البرمجية التي يتم إنشاؤها معرضة للخطر من الناحية الأمنية. لذلك، بينما يمكن أن يساعد الذكاء الاصطناعي في تسريع الترميز، يجب توخي الحذر لتحليل الرموز، والعثور على الثغرات الأمنية، وإصلاحها، وهذا من شأنه تقليل سرعة الإنتاجية.
وستساهم السهولة النسبية لتوليد الرموز عبر الذكاء الاصطناعي في توسيع قاعدة الترميز باستمرار، وهو ما يشير إليه مؤلفو استبيان “سورس غراف” والذي أطلقوا عليه اسم “بيغ كود”.
أظهر الاستطلاع بأن غالبية مطوري البرامج البالغ عددهم 500 في الاستطلاع اهتموا بإدارة كل التعليمات البرمجية الجديدة، وقالوا إن قاعدة رموزهم نمت بشكل كبير بفضل الذكاء الاصطناعي. لذا فإن آفاق الإنتاجية للذكاء الاصطناعي التوليدي، في البرمجة ستكون واسعة جداً.
يؤدي التسليم السريع للرمز أيضاً إلى زيادة التوقعات من التطبيقات التي تتكيف بسهولة أكبر مع المتطلبات المتغيرة، وستكون التطبيقات أكثر سهولة ومبنية على وضع المستخدم الفردي ضمن التجربة العامة للجميع. ويعمل الذكاء الاصطناعي التوليدي بالفعل على تمكين هذا المستوى من التخصيص، وسيتم تطوير معظم الترميز في المستقبل بواسطة الذكاء الاصطناعي.
ومع ذلك، فإن الخبرة البشرية مطلوبة في النقاط الرئيسية في الحلقة لضمان الجودة ومواءمة الأعمال، وسيتم الاعتماد على المطورين التقليديين لتنظيم بيانات التدريب التي تستخدمها نماذج الذكاء الاصطناعي وسيفحصون أي تناقضات أو شذوذ.
يتطلب ظهور تطوير الترميز بمساعدة الذكاء الاصطناعي أيضاً أن يتولى مديرو التكنولوجيا والمهنيون أدواراً أكثر اتساعاً، مثل تدريب الذكاء الاصطناعي الأخلاقي، وهندسة لغة الآلة، واستشارات الذكاء الاصطناعي وضمان الجودة. وسيحتاج المتخصصون في مجال التكنولوجيا إلى المشاركة في إنشاء خطط استراتيجية للذكاء الاصطناعي، فضلاً عن تحديد أوجه الشذوذ في هياكل البيانات والنتائج.
ويقول الخبراء، إن الذكاء الاصطناعي التوليدي يضع معالجة اللغة الطبيعية (NLP) في المقدمة، وسيتوجب على المحترفين اتقان لغات البرمجة مثل بايثون وجافا، إضافة إلى صقل مهارات التحليل وحل المشكلات والتفكير النقدي القوية. يمكن أن تساعد مثل هذه المهارات بشكل كبير في عالم البرمجة اللغوية العصبية، وهو عامل أساسي عند العمل مع الذكاء الاصطناعي، وفق ما أورد موقع زد نيت الإلكتروني.