جلسه چهارم دورهمی برنامه‌نویسان با موضوع خاطرات شکست در پروژه‌ها برگزار شد. پیش از ورود به بحث اصلی، تصمیم گرفتیم در بخش ابتدایی جلسه درباره سه خبر مهم گفت‌وگو کنیم. بحث آن‌قدر جذاب و پربار بود که با مشارکت بالای دوستان، زمان جلسه کفاف نداد و به موضوع اصلی نرسیدیم. در نتیجه، تصمیم گرفتیم بحث خاطرات شکست در پروژه‌ها را به جلسه بعدی موکول کنیم.
در ابتدای جلسه، هرکدام از اعضا خودمان را معرفی کردیم و درباره تخصص یا حوزه کاری‌مان توضیح دادیم.
در این دورهمی، کیوان با اینکه برنامه‌نویس نیست، لطف داشت و در جمع ما حضور پیدا کرد. رضا همراه ما بود و از محصول Wodex (یک شبکه اجتماعی ورزشی) صحبت کرد. احسان که تجربه‌های متعددی در پروژه‌های مختلف دارد، محصولی برای مدیریت مهدکودک‌ها ارائه داده است. نادر و سینا که متخصص نرم‌افزار هستند، در بحث‌ها مشارکت فعال داشتند. محمدمهدی با استارت‌آپ ایرادگرد، مهراد با تخصص DevOps، مصطفی با تخصص Node.js، و نسیم با تخصص Backend حضور داشتند. در میانه جلسه، عادل که در زمینه بازی‌سازی مهارت دارد، به جمع ما پیوست.
در این بخش درباره کپچای گوگل صحبت کردیم و اینکه چگونه کاربران، ناخواسته، در بهینه‌سازی پروژه‌های گوگل نقش دارند.
وقتی ماشین‌ها و اشیا را علامت می‌زنیم، در واقع به یادگیری ماشین کمک می‌کنیم. وقتی چراغ‌های راهنمایی و علائم رانندگی را مشخص می‌کنیم، در حال بهبود گوگل مپس هستیم. و زمانی که کلمات را بازنویسی می‌کنیم، به دیجیتالی شدن کتاب‌های قدیمی کمک می‌کنیم. این‌ها همه پروژه‌هایی هستند که گوگل با کمک کاربران بهینه‌سازی کرده و از این طریق میلیاردها دلار در هزینه‌های خود صرفه‌جویی کرده است.
اما مشکل اصلی اینجاست که کپچاها اغلب سخت و زمان‌بر هستند و طی سال‌ها وقت زیادی از کاربران گرفته‌اند. در حالی که می‌شد آن‌ها را ساده‌تر و کاربرپسندتر طراحی کرد تا تجربه کاربری بهتری داشته باشند.
در ادامه، محمدمهدی درباره اهمیت کپچا پرسید و نادر توضیح داد که کپچا ابزاری ضروری برای مقابله با ربات‌ها است.
سپس سینا درباره ابزارهای هوش مصنوعی که قادر به دور زدن کپچاها هستند، صحبت کرد. او توضیح داد که این ابزارها می‌توانند صداهای کپچا را پردازش کنند و متوجه شوند که چه چیزی گفته می‌شود. همچنین درباره یک اکستنشن خاص که برای حل خودکار کپچاها طراحی شده، توضیحاتی ارائه داد.
در خبر دوم، درباره توییت ساتیا نادلا (مدیر اجرایی مایکروسافت) پیرامون ظهور مجدد پارادوکس جونز صحبت کردیم و توضیح دادیم که این پارادوکس چگونه شکل می‌گیرد.
برای مثال، بهینه‌سازی فناوری نه‌تنها باعث کاهش مصرف زغال‌سنگ نشد، بلکه آن را افزایش داد. در صنعت خودروسازی هم کاهش مصرف سوخت باعث شد مردم بیشتر از خودرو استفاده کنند.
سپس درباره شرایط شکل‌گیری این پارادوکس و تأثیر بازگشتی آن صحبت کردیم. اگر تقاضا الاستیک باشد، پارادوکس اتفاق می‌افتد؛ مانند یخچال‌هایی با عمر طولانی‌تر که باعث شدند یخچال بیشتری تولید و خریداری شود، یا ساخت بزرگراه‌ها که برخلاف انتظار، مشکل ترافیک را حل نکردند.
در ادامه، بحث به اینجا رسید که آیا گسترش هوش مصنوعی باعث از بین رفتن مشاغل می‌شود؟ مثال هواپیماهای جت مطرح شد که در ابتدا تصور می‌شد باعث کاهش تعداد خلبانان می‌شود، اما چون سفرهای هوایی افزایش یافت، نیاز به خلبانان بیشتر هم شد.
در نهایت، به این موضوع پرداختیم که در این مقاله اشاره شده بود که هوش مصنوعی می‌تواند نیاز به برنامه‌نویسان را افزایش دهد؛ زیرا باعث افزایش بهره‌وری، کاهش هزینه‌های محصول و ایجاد یک اثر بازگشتی الاستیک می‌شود.
بحث در این بخش به شدت داغ و چالشی شد. احسان مخالف بود و معتقد بود که برنامه‌نویسی حذف خواهد شد. او اشاره کرد که با اتصال Vercel به Figma می‌تواند به‌راحتی فرانت‌اند تولید کند و دیگر نیازی به برنامه‌نویس فرانت ندارد. از نظر او، سینتکس و زبان‌های برنامه‌نویسی حذف خواهند شد و فقط مدل‌های فکری و معماری نرم‌افزار باقی می‌مانند، جایی که یک معمار نرم‌افزار وظیفه تعریف تسک‌ها را دارد و هوش مصنوعی آن‌ها را اجرا می‌کند.
محمدمهدی تا حدودی مخالف این دیدگاه بود و معتقد بود که برنامه‌نویسان حذف نمی‌شوند، زیرا هوش مصنوعی خلاقیت ندارد. نادر هم موافق این نظر بود و اشاره کرد که هوش مصنوعی فقط می‌تواند چیزهایی که دیده را تولید کند و توانایی خلق چیزهای جدید را ندارد. او همچنین درباره امکان تعریف پروژه در ChatGPT صحبت کرد.
اما عادل کاملاً موافق حذف شدن برنامه‌نویسان بود. او توضیح داد که هوش مصنوعی می‌تواند از خودش یاد بگیرد و به مدل‌های تایتان گوگل اشاره کرد که بدون نیاز به مموری زیاد کار می‌کنند. او همچنین از مدل O1 صحبت کرد که در مسابقات برنامه‌نویسی بهتر از انسان‌ها عمل کرده و مدل O3 که 99٪ از انسان‌های متخصص عملکرد بهتری داشته است.
من (نویسنده گزارش) استدلال کردم که هوش مصنوعی برخی مشاغل را از بین می‌برد، اما در مقابل، مشاغل بیشتری ایجاد می‌کند. به مثال تبدیل گاری به خودرو اشاره کردم که با حذف گاری، برخی مشاغل از بین رفتند، اما در عوض، فرصت‌های شغلی زیادی در صنعت خودرو به وجود آمدند.
اما مصطفی مخالف این دیدگاه بود و معتقد بود که هوش مصنوعی فقط یک ابزار جایگزین نیست، بلکه بازی را به‌کلی تغییر می‌دهد و فرآیندها را متحول می‌کند.
بحث به اینجا رسید که آیا این مدل‌ها برای یادگیری به انسان نیاز دارند یا نه؟ عادل توضیح داد که مدل‌های بزرگ نیازی به آموزش توسط انسان ندارند و خودشان به‌صورت مستقل یاد می‌گیرند و حتی خلاقیت ایجاد می‌کنند. او با اشتیاق در مورد نحوه خلاقیت و رندوم بودن پاسخ‌های هوش مصنوعی توضیح داد و یک تحلیل کامل از نحوه Train شدن مدل‌ها ارائه کرد.
سپس بحث به این موضوع کشیده شد که آیا نیاز است یک متخصص بالای سر هوش مصنوعی باشد یا نه؟ نادر معتقد بود که حتماً باید باشد و کسی باید کدهای آن را بررسی کند. اما برخی دیگر از دوستان اعتقاد داشتند که هوش مصنوعی به مرور دقت بیشتری پیدا می‌کند و در نهایت نیازی به نظارت انسانی نخواهد داشت.
در پایان، من مثالی از توسعه‌دهندگان FFMPEG آوردم که با اینکه کدهای خود را با C نوشته بودند، اما اخیراً بخشی از آن را با Assembly بازنویسی کردند و نتیجه نهایی حتی از خروجی کامپایلر هم بهینه‌تر شد. بر اساس این موضوع، نتیجه گرفتم که هرچقدر هوش مصنوعی بهینه‌سازی کند، باز هم انسان می‌تواند بهینه‌تر از آن عمل کند.
در خبر سوم، درباره تکامل حملات مهندسی اجتماعی با پیشرفت هوش مصنوعی صحبت کردیم. اگرچه اساس این حملات تغییر نکرده، اما نحوه اجرای آن‌ها به لطف AI پیچیده‌تر، سریع‌تر و در مقیاس وسیع‌تر شده است.
در گذشته، کلاهبرداران از ماسک‌های سیلیکونی برای جعل هویت افراد استفاده می‌کردند. برای مثال، حدود ۴ سال پیش، با این روش، هویت وزیر فرانسه جعل شد و کلاهبرداران ۵۵ میلیون یورو دریافت کردند. آن‌ها حتی پس‌زمینه را شبیه دفتر وزیر طراحی کرده بودند و عکس رئیس‌جمهور را روی دیوار قرار داده بودند.
در یک مورد دیگر، با جعل تماس تصویری، از یک فرد ۴۷ میلیون یورو برای نجات دو خبرنگار در سوریه کلاهبرداری شد.
اما امروزه، ابزارهای Deepfake این فرآیند را بسیار ساده‌تر کرده‌اند. در هنگ‌کنگ، هکرها چهره‌ی مدیر ارشد مالی یک شرکت را در یک ویدیوکنفرانس جعل کردند و با افزودن همکار او به جلسه، او را متقاعد کردند که ۲۵ میلیون دلار به یک حساب جعلی منتقل کند.
در گذشته، فیشینگ صوتی معمولاً از طریق جعل شخصیت در تماس‌های تلفنی انجام می‌شد، و کلاهبرداران با ایجاد حس فوریت، قربانی را تحت فشار قرار می‌دادند.
اما امروزه، هوش مصنوعی با شبیه‌سازی صدا، این حملات را بسیار دقیق‌تر و واقعی‌تر کرده است. در یک مورد، یک مادر ۵۰ هزار دلار برای نجات دخترش پرداخت کرد، زیرا تصور می‌کرد که واقعاً با صدای دخترش صحبت می‌کند، در حالی که صدا کاملاً با هوش مصنوعی جعل شده بود.
در گذشته، ایمیل‌های فیشینگ معمولاً به‌صورت عمومی و بدون شخصی‌سازی ارسال می‌شدند. اما امروزه، با فعالیت گسترده مردم در شبکه‌های اجتماعی و حجم زیاد اطلاعات شخصی در اینترنت، هکرها این داده‌ها را به هوش مصنوعی می‌دهند تا ایمیل‌های فیشینگ کاملاً سفارشی و شخصی‌سازی‌شده ایجاد کنند.
حملات فیشینگ به لطف هوش مصنوعی:
طبق گزارش FBI، حملات فیشینگ رایج‌ترین نوع حملات سایبری در سال هستند. با استفاده از AI، این حملات هوشمندتر، مقیاس‌پذیرتر و مؤثرتر از همیشه شده‌اند.
در ادامه بحث، دوستان تجربیات خود را از هک شدن یا تلاش‌هایشان در حوزه امنیت به اشتراک گذاشتند:
در نهایت، بحث به موضوعات هوش مصنوعی و تأثیر آن در جنگ، صنعت نظامی، برنامه‌نویسی و سایر حوزه‌ها کشیده شد. گفت‌وگو میان مصطفی، عادل و نادر بسیار داغ و چالش‌برانگیز بود.
از تمام دوستانی که در این جلسه شرکت کردند، تشکر می‌کنم. امیدوارم که در جلسات بعدی حضور بیشتری از دوستان را داشته باشیم.
🙏 اگر نظری یا انتقادی برای بهبود جلسات دارید، خوشحال می‌شوم که آن را با ما در میان بگذارید.
کانال دورهمی برنامه نویسان در تلگرام: zavieprogrammers@
چون در ویرگول نمیشه لینک گذاشت، لینک های مقالات رو در پست کانال تلگرام میزارم.
