عصای دست یا بلای نسل
هر روز که می‌گذره، خبرهای جدیدی از پیشرفت بهترین مدل‌های بزرگ زبانیLarge Language Models (LLMs) شرکت‌های بزرگ و دستاوردهای خفن‌شون می‌شنویم؛ یکی آدم‌های بدبختی که چندین‌ساله حل مسائل المپیادی تمرین می‌کنن رو توی آزمون جهانی لوله می‌کنه، اون یکی هم ادعا می‌کنه که می‌تونه کل بخش فنی یه شرکت بزرگ تکنولوژی رو جایگزین کنه. احتمالاً شنیده باشید که می‌گن با پیشرفت چشم‌گیر هوش مصنوعی، خیلی‌ها -حتی برنامه‌نویس‌ها- قراره از کار بی‌کار بشن. حتی آدم‌های مطرح این حوزه، برای مثال ینسن هوانگ -مدیرعامل Nvidia- هم گفته که دیگه لازم نیست برنامه‌نویسی یاد بگیرید و باید اون رو به هوش مصنوعی بسپرید و صرفاً پرامپت بنویسید. البته که این پیشرفت فقط به برنامه‌نویسی ختم نمی‌شه و شما می‌تونید خیلی از سؤالات تئوری و حل مسائل ریاضی رو هم به این مدل‌ها بسپرید. با این حساب، پس دیگه دانشگاه و تمرین درس‌ها به چه دردی می‌خورن؟
شما ورودی عزیزی که داری این بخش رو می‌خونی هم احتمالاً این سؤالات برات پیش اومده. در مورد جایگزینی که خلاصه بگم؛ نگران نباش، چون خیلی‌ها هم دقیقاً خلاف همین نظرات رو دارن. باید از الان بدونی که مبالغهٔ خیلی زیادی در اکثر این اخبار وجود داره و تحقیقات علمی نشون دادن که این مدل‌ها اون‌قدر که به نظر میان هم هوشمند نیستن.
اما در مورد موضوع مهم‌تر؛ درس‌های دانشگاه و تمرین‌هاشون. بذار رو راست باشم، کمتر تمرینی هست که بدون این‌که حتی یک کلمه ازش بفهمی، نتونی بخش خوبی‌ش رو با هوش مصنوعی دربیاری. پس آره، شاید فکر کنی که ایول، همهٔ تمرین‌ها رو با چند تا پرامپت می‌زنم، امتحانا و کوییزا رو هم حالا شب قبل‌شون یه نگاهی به جزوه می‌ندازم و راحت نمرهٔ خوبی از درس می‌گیرم، اما باید به این نکته‌ها توجه کنی.
اولاً که تی‌ای‌ها خیلی راحت می‌تونن کسی که تقریباً هیچی از تمرینی که زده بلد نیست رو تشخیص بدن و خیلی از تمارین و پروژه‌ها هم تحویل دارن، یه این معنی که باید به مصحح سوال، راه‌حلت رو توضیح بدی و بتونی به سؤالاش جواب بدی. تازه، یه آیین‌نامه هم در مورد برخورد با استفاده از ابزارهای هوش مصنوعی وجود داره.
مورد دوم اما، خیلی مهم‌تره. همون‌طور که بالاتر هم توضیح دادم، هنوز خیلی کارها هستن که مدل‌های هوش مصنوعی نمی‌تونن اون‌ها رو درست و کامل انجام بدن، هر چقدر هم که باهاشون سروکله بزنی. بخش خوب این خبر جایگزین نشدن بود و بخش بدش هم اینه که یه جاهایی مجبوری خودت کار رو انجام بدی. اگر سر کار بری یا یه پروژهٔ جدی داشته باشی و عادت کرده باشی همه چیز رو با هوش مصنوعی هندل کنی، قطعاً به جایی می‌رسی که هوش مصنوعی دیگه توانش نمی‌رسه و اون موقع تو می‌مونی و مشکلاتی که هیچ ایده‌ای نداری ممکنه از کجا باشن؛چون تو هیچ‌وقت برنامه‌نویسی رو یاد نگرفتی، هیچ‌وقت ساعت‌ها پای دیباگ کدهات نَشستی و هیچ‌وقت مجبور نشدی با استفاده از الگوریتم‌های خفن سرعت اجرای کدت رو بهتر کنی.
در واقع، بهتره که حرف آقای هوانگ رو، نه به معنای جایگزینی هوش مصنوعی با انسان، بلکه به معنای نیاز به استفاده از هوش مصنوعی در همهٔ زمینه‌ها توسط انسان برداشت کنیم. این‌جور حرف‌ها بیشتر به این معنی هستن که هر آدمی باید یاد بگیره چطوری در کاری که می‌کنه، از هوش مصنوعی به‌خوبی استفاده کنه. ما برنامه‌نویس‌ها هم که احتمالاً باید در خط مقدم این تعامل باشیم.
در واقع نکتهٔ حرفم اینه که از هوش مصنوعی استفاده کن، ولی درست؛ بفهم چه اتفاقی داره می‌افته، چه کدی داره می‌زنه، کجاها رو الکی پیچیده کرده و کجاها باگ زده. از هوش مصنوعی یاد بگیر. به‌طور خیلی خاص‌تری، درس مبانی برنامه‌سازی رو جدی بگیر. سعی کن تا جایی که می‌تونی خودت کدها رو بنویسی، خودت دیباگ کنی و استفاده از هوش مصنوعی رو به حداقل برسونی. چون اگه این‌جا برنامه‌نویسی رو درست یاد نگیری، دیگه فرصت زیادی نخواهی داشت.