با شمارهٔ موبایل وارد شوید تا بتوانید اشتراک بخرید و در گفتگو شرکت کنید.

خلاصهٔ صوتی کتاب ۱۴۰۵/۰۷/۳۰

فصل اول: مشکل هفتاد درصدی در برنامه‌نویسی هوش مصنوعی

از کتاب وایب کدینگ · ادی عثمانی

جلد وایب کدینگ
SHABGOFTAR PORTABLE AUDIOهمراهِ شنیدن
صدایی برای همراه بردنPODCAST · PERSONAL STEREO

بعد از این فصل

ادامهٔ وایب کدینگ را بشنو

این، خلاصهٔ یک فصل بود. با اشتراک ماهانه، ادامهٔ این کتاب و فصل‌های اشتراکی کتاب‌های دیگر را بشنو.

اشتراک ماهانه: ۱۴۹٬۰۰۰ تومان

دیدن اشتراک‌ها ←

تمدید دستی؛ تخفیف فقط برای خرید اول است.

شب‌گفتار / دفترچهٔ همراهSHABGOFTAR · LINER NOTES

دربارهٔ این فصل

یادداشتِ همراه نوار
جلد وایب کدینگوایب کدینگادی عثمانیدیدن همهٔ قسمت‌های این کتاب ←

کتاب وایب کدینگ نوشته ادی عثمانی از انتشارات رادیو شب‌گفتار در فصل اول با عنوان مشکل هفتاد درصدی: جریان‌های کاری مبتنی بر هوش مصنوعی که واقعاً کار می‌کنند، به بررسی توانایی‌ها و محدودیت‌های ابزارهای هوش مصنوعی در توسعه نرم‌افزار می‌پردازد. این خلاصه بخشی از پروژه خلاصه‌سازی ارزشمندترین کتاب‌ها برای اکوسیستم نوآوری فارسی است. نویسنده استدلال می‌کند که ابزارهای هوش مصنوعی می‌توانند کارهای روتین و ساختارهای اولیه را به سرعت تولید کنند و حدود هفتاد درصد مسیر توسعه را پیش ببرند، اما سی درصد پایانی شامل جزئیات پیچیده، مدیریت خطاهای خاص و معماری سیستم همچنان به تخصص و قضاوت انسانی نیاز دارد.

به باور نویسنده، هوش مصنوعی در حل پیچیدگی‌های تصادفی یا همان کارهای مکانیکی و تکراری فوق‌العاده عمل می‌کند، اما پیچیدگی ذاتی و درک عمیق مسائل همچنان به عهده انسان است. این ابزارها مانند برنامه‌نویسان تازه‌کارِ بسیار پرانرژی اما مستعد خطا عمل می‌کنند و گاهی پاسخ‌هایی می‌دهند که ظاهر درستی دارد اما ممکن است حاوی ایرادات پنهان و خطرناک باشد. از این رو، اتکای صرف به کدهای تولیدشده بدون بازبینی دقیق می‌تواند به بروز مشکلات پیچیده در مراحل بعدی پروژه منجر شود.

نویسنده الگوهای رایج در استفاده از هوش مصنوعی را به دو دسته بوت‌استرپرها یا تازه‌کارانی که کل پروژه را از صفر می‌سازند و ایتریتورها یا توسعه‌گرانی که از ابزارها در جریان کار روزمره استفاده می‌کنند تقسیم می‌کند. برای موفقیت در این مسیر، راهکارهایی مانند استفاده از هوش مصنوعی به عنوان پیش‌نویس‌کننده، جفت برنامه‌نویس یا ابزار اعتبارسنجی پیشنهاد می‌شود. در این میان، رعایت اصول کنترل نسخه، بازبینی دقیق کدها پیش از ادغام، و نگهداری مستندات اهمیت کلیدی دارد.

برای نمونه کاربردی فرضی در یک تیم توسعه نرم‌افزار، می‌توان تصور کرد که یک برنامه‌نویس بخش عمده‌ای از یک کامپوننت را با کمک ابزارهای هوش مصنوعی تولید کند، اما پیش از تایید نهایی، بخش‌های مربوط به امنیت ورودی‌ها و مدیریت خطاهای خاص را شخصاً بازنویسی کند تا از پایداری سیستم مطمئن شود.

به عنوان نکته پایانی و کاربردی برای تفکر بیشتر، هرگز کدی را که منطق آن را به طور کامل درک نکرده‌اید به پروژه نهایی اضافه نکنید؛ ابزار هوش مصنوعی قرار است توانایی‌های شما را وسعت ببخشد، نه اینکه جایگزین تفکر و تصمیم‌گیری شما در مهندسی نرم‌افزار شود.