توهم سرعت: چرا هوش مصنوعی داره برنامه‌نویس‌های حرفه‌ای رو کند می‌کنه؟

همه جا دارن میگن هوش مصنوعی قراره ابرقدرت جدید برنامه‌نویس‌ها بشه؛ یه دستیار خفن که برامون کد می‌زنه، باگ‌ها رو پیدا می‌کنه و کلا بهره‌وری رو می‌بره به یه سطح دیگه. راستش، ما هم داشتیم این داستان رو باور می‌کردیم. اما اگه بهتون بگم یه تحقیق جدید و درست‌وحسابی نشون می‌ده که این ابرقدرت، حداقل برای بچه‌های حرفه‌ای، نه تنها کمکی به سرعتشون نمی‌کنه، بلکه شاید کندترشون هم بکنه؟عجله نکنید، قبل از اینکه گارد بگیرید، بیاید ببینیم قضیه چیه.

یه آزمایش ساده با نتایجی که شاخ درمیارید!

قضیه از این قراره که یه موسسه تحقیقاتی به اسم METR که کارش تست کردن مدل‌های پیشرفته هوش مصنوعیه، یه آزمایش باحال انجام داده . اونا چندتا برنامه‌نویس متخصص و کارکشته رو آوردن و بهشون ۲۴۶ تا کار واقعی (مثل رفع باگ و اضافه کردن فیچر) توی پروژه‌های متن‌باز دادن. بعد تسک‌ها رو شانسی دو دسته کردن: یه گروه اجازه داشت از هوش مصنوعی استفاده کنه، گروه دیگه نه.

قبلش از برنامه‌نویس‌ها پرسیدن: «فکر می‌کنید هوش مصنوعی چقدر سریع‌ترتون می‌کنه؟» پیش‌بینی‌شون این بود: حدود ۲۴ درصد! اما نتیجه واقعی همه رو شوکه کرد. داده‌ها نشون داد گروهی که از هوش مصنوعی استفاده کرده بود، در مجموع ۱۹ درصد کندتر از اون یکی گروه کار کرده بود.

ولی قسمت عجیب‌تر ماجرا اینجا بود: حتی بعد از اینکه این آمار و ارقام رو به خود برنامه‌نویس‌ها نشون دادن، اونا هنوز پافشاری می‌کردن که هوش مصنوعی کارشون رو حدود ۲۰ درصد سریع‌تر کرده! این دقیقا همون چیزیه که بهش میگن «توهم سرعت». ما حس می‌کنیم سریع‌تر شدیم، ولی در واقعیت، داریم زمان بیشتری تلف می‌کنیم.

خب، چرا هوش مصنوعی سرعت حرفه‌ای‌ها رو می‌گیره؟

محقق‌ها پنج تا دلیل اصلی براش پیدا کردن که احتمالا برای شما هم آشناست:

1. دردسر بازبینی و اصلاح: هوش مصنوعی یه کدی بهت می‌ده که در نگاه اول خوبه، ولی پر از ایرادای ریز و باگ‌های پنهانه. در نتیجه، یه برنامه‌نویس متخصص باید کلی وقت بذاره تا این مشکلات رو پیدا و اصلاح کنه؛ زمانی که شاید از نوشتن همون کد از صفر هم بیشتر بشه.

2. استانداردهای بالای پروژه‌های واقعی: یه پروژه باکیفیت فقط یه مشت کد نیست که کار کنه. معماری داره، استایل کدنویسی داره، و یه سری قوانین نانوشته داره که هوش مصنوعی اصلا حالیش نمیشه. کدی که AI می‌ده معمولا با این استانداردها جور درنمیاد و باید کلی بازنویسی بشه.

3. نداشتن دانش تخصصی (Domain Knowledge): هوش مصنوعی از منطق بیزینس پروژه، تاریخچه تصمیم‌های فنی، و اینکه چرا فلان کد اونجاست، هیچی نمی‌دونه. این دانش برای حل درست مشکلات حیاتیه و AI فعلا ازش بی‌بهره‌ست.

4. سرعت خود متخصص‌ها: یه برنامه‌نویس باتجربه، الگوها و راه‌حل‌های بهینه رو تو ذهنشه. اغلب سریع‌تر از اینکه بخواد یه پرامپت خوب برای AI بنویسه و خروجی‌شو چک و اصلاح کنه، می‌تونه خودش یه کد تمیز و درست بنویسه.

5. پریدن تمرکز (Flow State): کدنویسی عمیق تمرکز بالا می‌خواد. هی از محیط کد بری تو صفحه چت با هوش مصنوعی و برگردی، تمرکز آدم رو به هم می‌زنه و از اون حالت جادویی «غرق شدن تو کار» خارجت می‌کنه.

حالا یعنی باید هوش مصنوعی رو کلا بذاریم کنار؟

نه لزوما. این تحقیق یه نکته مهم داره: این نتایج مال اوایل سال ۲۰۲۵ و روی برنامه‌نویس‌های خیلی باتجربه تو پروژه‌های متن‌باز هست . این مطالعه نمی‌گه هوش مصنوعی برای همه یا برای هر کاری بده.

مثلا برای یه برنامه‌نویس تازه‌کار، یا برای تولید کدهای تکراری و روتین، هنوزم می‌تونه یه ابزار فوق‌العاده باشه. ولی این تحقیق یه زنگ خطره که نباید کورکورانه دنبال تبلیغات راه بیفتیم .

شاید بزرگ‌ترین درسی که می‌گیریم اینه که ابزارهای هوش مصنوعی، حداقل الان، جایگزین فکر عمیق، تجربه و تخصص ما آدما نیستن. فقط یه ابزار دیگه تو جعبه‌ابزارمون هستن که باید بدونیم کی و چطوری ازش استفاده کنیم .

پس تکلیف این همه بنچمارک که میگن هوش مصنوعی خفنه چی میشه؟

اینجا یه سوال مهم پیش میاد: اگه اینطوره، پس این همه بنچمارک و تست که نشون میدن مدل‌های AI روزبه‌روز تو کدنویسی بهتر میشن چی میگن؟ اونا دروغ میگن؟

نکته کلیدی تو روش تست کردنه.

بیشتر بنچمارک‌های معروف، عملکرد AI رو تو حل یه مسئله ایزوله و مشخص اندازه می‌گیرن. مثلا بهش میگن «یه تابع بنویس که لیست رو مرتب کنه». تو این حالت، AI با یه کدبیس بزرگ و پیچیده و قدیمی کاری نداره. این تست‌ها فقط توانایی حل یه معمای منطقی رو می‌سنجن.

اما کاری که مطالعه METR کرده فرق داره. اونا یه کدبیس واقعی و فعال رو گذاشتن جلوی برنامه‌نویس و گفتن: «حالا این باگ رو تو این پروژه واقعی درست کن». این دیگه فقط حل معما نیست؛ باید کل پروژه رو بفهمی، کدهای بقیه رو بخونی و استانداردهای همون کدبیس رو رعایت کنی. تفاوت اصلی همینه.

ولی ناامید نشیم! قطار هوش مصنوعی با سرعت داره حرکت می‌کنه

با همه این حرفا، نباید یه نکته مهم رو فراموش کنیم: دنیای هوش مصنوعی با سرعت نور داره پیش میره و ابزارهای کدنویسی هر روز دارن باهوش‌تر میشن.

شرکت‌های بزرگی مثل گیت‌هاب، آمازون و گوگل دائما دارن دستیارهای خودشون رو بهتر می‌کنن و قابلیت‌های جدیدی مثل دیباگ هوشمندتر بهشون اضافه می‌کنن. این یعنی خیلی از مشکلاتی که این مطالعه امروز بهشون اشاره می‌کنه (مثل درک پایین از کدبیس)، ممکنه خیلی زودتر از چیزی که فکر می‌کنیم حل بشن. پس این مطالعه فقط یه عکس لحظه‌ای از الانه و شاید تا سال دیگه، داستان کاملا فرق کنه.

این بحث من رو به فکر فرو برد. برای همین از Gemini خواستم که یه تحقیق در خصوص این موضوع بکنه:

«ابزارهای کدنویسی مبتنی بر AI چطور روی راندمان یا کیفیت توسعه‌دهندگان در سه سطح آماتور، متوسط و حرفه‌ای اثر گذاشته؟ آیا بهتر شده یا نه؟ آیا فقط سرعت توسعه برای ارزیابی این موضوع مهمه یا فاکتورهای دیگه‌ای هم هست؟»

نتیجه این تحقیق از این لینک قابل مطالعه هست. در ادامه خلاصه‌ای از این تحقیق رو براتون می‌نویسم و پیشنهاد می‌کنم برای جزئیات بیشتر، حتما خود مقاله کامل رو مطالعه کنید.

خلاصه تحقیق: تأثیر هوش مصنوعی بر برنامه‌نویس‌ها (فراتر از سرعت)

تحقیق نشون می‌ده که تأثیر هوش مصنوعی یکسان نیست و خیلی به سطح مهارت برنامه‌نویس بستگی داره. ضمنا، سنجیدن این تأثیر فقط با معیار «سرعت» کاملا اشتباه و گمراه‌کننده‌ست و باید به کیفیت، امنیت و تجربه توسعه‌دهنده هم نگاه کرد.

• برای برنامه‌نویس‌های آماتور (مبتدی): هوش مصنوعی مثل یه شمشیر دولبه عمل می‌کنه. از یه طرف، با کمک فوری و کم کردن موانع اولیه، انگیزه و سرعت یادگیری رو بالا می‌بره.

• برای برنامه‌نویس‌های سطح متوسط: اینجا هوش مصنوعی واقعا می‌تونه یه تقویت‌کننده قوی باشه. کارهای تکراری و روتین رو خودکار می‌کنه و به این افراد کمک می‌کنه تا سریع‌تر با تکنولوژی‌های جدید آشنا بشن و اعتماد به نفس بیشتری پیدا کنن.

• برای برنامه‌نویس‌های حرفه‌ای (متخصص): اینجا داستان پیچیده‌تره. همونطور که مطالعه METR نشون داد، هوش مصنوعی لزوما سرعت این افراد رو در کارهای پیچیده بیشتر نمی‌کنه.

در نهایت، تحقیق تأکید می‌کنه که کیفیت و امنیت کد، دو عامل حیاتی هستن که نباید فدای سرعت بشن. هوش مصنوعی می‌تونه الگوهای ناامن رو بازتولید کنه و کیفیت کد رو پایین بیاره، مگر اینکه یک انسان ماهر به دقت روی خروجی اون نظارت داشته باشه. برای بررسی کامل این چارچوب‌ها و دیدن جزئیات بیشتر، مطالعه فایل ضمیمه‌شده رو از دست ندید.

با این اوصاف خیلی به خود من در فرایندکدنویسی کمک شده! اما توی پروژه بزرگ تجربه ام مشابه مقاله بوده.