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

کتاب‌های کلیدواژه: وایب کدینگ · همهٔ کتاب‌ها

کتابخانهٔ شنیدنی شب‌گفتار

کتاب‌های وایب کدینگ

خلاصه‌های صوتی فارسی کتاب‌های مرتبط با وایب کدینگ؛ کتاب و فصل دلخواهتان را برای شنیدن انتخاب کنید.

این مجموعه خلاصهٔ کتاب‌هاست؛ نسخهٔ کامل کتاب اصلی نیست.

1 عنوان · 2 قسمت منتشرشده

قفسهٔ کتاب‌ها

از این کتاب‌ها شروع کنید

تازه‌ترین قسمت‌های منتشرشده

برای ترتیب درست فصل‌ها، وارد صفحهٔ هر کتاب شوید.

۱۴۰۵/۰۷/۳۰زمان شنیدن ۳:۰۵
وایب کدینگ

فصل اول: مشکل هفتاد درصدی در برنامه‌نویسی هوش مصنوعی

نمونهٔ رایگان
توضیح و منابع این قسمت

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.

شنیدن قسمت