ஒரு டெவலப்பர் விளக்குகிறார் எம்ஐடி தொழில்நுட்ப ஆய்வு AI கருவிகள் அவரது குறியீட்டு உள்ளுணர்வை பலவீனப்படுத்துகின்றன. மேலும், “எனது வேலை எனக்காக செய்து கொண்டிருக்கும் போது அங்கே உட்கார்ந்திருப்பது வேடிக்கையாக இல்லை.”
ஆனால் AI கோடர்களை வேகமாக உருவாக்குகிறதா? “30 க்கும் மேற்பட்ட டெவலப்பர்கள், தொழில்நுட்ப நிர்வாகிகள், ஆய்வாளர்கள் மற்றும் ஆராய்ச்சியாளர்களுடன் பேசிய பிறகு, எம்ஐடி தொழில்நுட்ப ஆய்வு படம் தோன்றுவது போல் நேரடியானதாக இல்லை என்பதைக் கண்டறிந்தேன்…”
முன்னணியில் இருக்கும் சில டெவலப்பர்களுக்கு, தொழில்நுட்பத்தின் வரம்புகளை எட்டியதால் ஆரம்ப உற்சாகம் குறைந்து வருகிறது. மேலும், வளர்ந்து வரும் ஆராய்ச்சியின் கூற்றுப்படி, கூறப்படும் உற்பத்தித்திறன் ஆதாயங்கள் தவறாக வழிநடத்தும் என, சிலர் பேரரசர் ஆடைகளை அணிந்திருக்கிறாரா என்று கேள்வி எழுப்புகின்றனர்… டெவலப்பர் அனலிட்டிக்ஸ் நிறுவனமான GitClear இன் தரவு, பெரும்பாலான பொறியாளர்கள் சுமார் 10% அதிக நிலையான குறியீட்டை உருவாக்குவதாகக் காட்டுகிறது – இது வாரங்களுக்குள் நீக்கப்படாத அல்லது மீண்டும் எழுதப்படாத குறியீடு – 2022 AI க்கு நன்றி. ஆனால் இந்த ஆதாயங்கள் குறியீடு தரத்தின் பல நடவடிக்கைகளில் கூர்மையான சரிவுடன் வந்துள்ளன. ஸ்டேக் ஓவர்ஃப்ளோவின் கணக்கெடுப்பில், AI கருவிகள் மீதான நம்பிக்கையும் நேர்மறையான உணர்வும் முதல் முறையாக கணிசமாகக் குறைந்துள்ளது. மிகவும் ஆத்திரமூட்டும் வகையில், லாப நோக்கமற்ற ஆராய்ச்சி நிறுவனமான மாடல் மதிப்பீடு மற்றும் அச்சுறுத்தல் ஆராய்ச்சியின் (METR) ஜூலை ஆய்வில், அனுபவம் வாய்ந்த டெவலப்பர்கள் AI அவற்றை 20% வேகமாகச் செய்ததாக நம்பினாலும், புறநிலை சோதனைகள் உண்மையில் 19% மெதுவாக இருப்பதைக் காட்டியது.
MIT டெக்னாலஜி ரிவியூ மூலம் நேர்காணல் செய்யப்பட்ட டெவலப்பர்கள் பொதுவாக AI கருவிகள் சிறந்து விளங்குவதை ஒப்புக்கொள்கிறார்கள்: “பாய்லர் பிளேட் குறியீடு” (சிறிய மாற்றங்களுடன் பல இடங்களில் மீண்டும் மீண்டும் பயன்படுத்தக்கூடிய குறியீடு துண்டுகள்), சோதனைகளை எழுதுதல், பிழைகளை சரிசெய்தல் மற்றும் புதிய டெவலப்பர்களுக்கு அறிமுகமில்லாத குறியீட்டை விளக்குதல். டெவலப்பரின் ஆக்கப்பூர்வ சாறுகளைப் பெறுவதற்கு ஒரு அபூரணமான முதல் படியை வழங்குவதன் மூலம் “வெற்றுப் பக்கச் சிக்கலை” சமாளிக்க AI உதவுகிறது என்று பலர் கூறினர். இது தொழில்நுட்பம் அல்லாத சக ஊழியர்களை மென்பொருள் அம்சங்களை விரைவாக முன்மாதிரி செய்ய அனுமதிக்கும், ஏற்கனவே அதிக வேலை செய்யும் பொறியாளர்களின் சுமையை குறைக்கிறது. இந்தப் பணிகள் கடினமாக இருக்கலாம், மேலும் டெவலப்பர்கள் பொதுவாக அவற்றை ஒப்படைப்பதில் மகிழ்ச்சியடைவார்கள். ஆனால் அவை அனுபவம் வாய்ந்த பொறியாளரின் பணிச்சுமையின் ஒரு சிறிய பகுதியை மட்டுமே குறிக்கின்றன. பொறியாளர்கள் உண்மையில் தங்கள் ரொட்டியை சம்பாதிக்கும் சிக்கலான சிக்கல்களுக்கு, பல டெவலப்பர்கள் MIT தொழில்நுட்ப மதிப்பாய்விடம் கூறினார், கருவிகள் குறிப்பிடத்தக்க தடைகளை எதிர்கொள்கின்றன…
மாடல்கள் கூட தவறு செய்கிறார்கள். எல்லா எல்எல்எம்களைப் போலவே, குறியீட்டு மாதிரிகளும் “மாயத்தோற்றங்களுக்கு” ஆளாகின்றன – இது அவை எவ்வாறு செயல்படுகின்றன என்பது பற்றிய பிரச்சினை. ஆனால் அவர்கள் வெளியிடும் குறியீடு மிகவும் அதிநவீனமாகத் தோன்றுவதால், பிழைகளைக் கண்டறிவது கடினமாக இருக்கும் என்று விளம்பர தொழில்நுட்ப நிறுவனமான MediaOcean இன் மென்பொருள் பொறியியல் இயக்குநர் ஜேம்ஸ் லியு கூறுகிறார். இந்தக் குறைபாடுகள் அனைத்தையும் ஒன்றாக இணைத்து, இந்த சாதனங்களைப் பயன்படுத்துவது ஆயுதமேந்திய கொள்ளையனை ஒரு நெம்புகோலை இழுப்பது போல் உணரலாம். “சில திட்டங்களில் நீங்கள் வேகம் அல்லது செயல்திறன் அடிப்படையில் 20 மடங்கு முன்னேற்றம் பெறுவீர்கள்” என்கிறார் லியு. “மற்ற விஷயங்களில், அது தட்டையானது, நீங்கள் விரும்பியதைச் செய்யும்படி அவரை நம்ப வைக்க நீங்கள் இந்த நேரத்தை செலவிடுகிறீர்கள், அது நடக்காது…” மேலும் குறிப்பிட்ட பாதுகாப்புக் கவலைகளும் உள்ளன, என்று அவர் கூறுகிறார். மாடல்கள் தங்கள் குறியீட்டில் இல்லாத மென்பொருள் தொகுப்புகளைக் குறிப்பிடும் கவலைக்குரிய வகை மாயத்தோற்றங்களை ஆராய்ச்சியாளர்கள் கண்டுபிடித்துள்ளனர். மாடல் அல்லது டெவலப்பர் தெரியாமல் மென்பொருளில் சேர்க்கக்கூடிய பாதிப்புகளைக் கொண்ட பெயர்களைக் கொண்ட தொகுப்புகளை உருவாக்குவதன் மூலம் தாக்குபவர்கள் இதைப் பயன்படுத்திக் கொள்ளலாம்.
கட்டுரையின் மற்ற முக்கிய புள்ளிகள்:
- எல்எல்எம்கள் சூழல் சாளரத்தில் ஒரு குறிப்பிட்ட அளவிலான தகவலை மட்டுமே வைத்திருக்க முடியும், எனவே “அவர்கள் பெரிய குறியீடு அடிப்படைகளை அலசுவதில் சிரமப்படுகிறார்கள் மற்றும் நீண்ட பணிகளில் என்ன செய்கிறார்கள் என்பதை மறந்துவிடுவார்கள்.”
- “ஒரு சிக்கலுக்கு எல்எல்எம்-உருவாக்கிய பதில் தனிமையில் செயல்படும் போது, மென்பொருள் நூற்றுக்கணக்கான ஒன்றோடொன்று இணைக்கப்பட்ட தொகுதிக்கூறுகளால் ஆனது. இவை மென்பொருளின் பிற பகுதிகளைக் கருத்தில் கொண்டு உருவாக்கப்படாவிட்டால், அது விரைவாக சிக்கலான, சீரற்ற குறியீட்டுத் தளத்திற்கு வழிவகுக்கும், இது மனிதர்களால் அலசுவதற்கும், மிக முக்கியமாக, பராமரிப்பதற்கும் கடினமாக இருக்கும்.”
- GitClear’s Harding கூறுகிறது, “பெரும்பாலான திட்டங்களில் தொழில்நுட்பக் கடனைக் குவிப்பது தவிர்க்க முடியாதது, ஆனால் AI கருவிகள் நேரத்தை அழுத்தும் பொறியாளர்களுக்கு வேலையை எளிதாக்குகின்றன. மேலும் GitClear இன் தரவு இது அளவில் நடக்கிறது என்பதைக் காட்டுகிறது…”
- குறியீட்டின் தரத்தைச் சரிபார்ப்பதற்கான கருவிகளை உருவாக்கும் நிறுவனமான சோனார் நிறுவனத்தின் தலைமை நிர்வாக அதிகாரி தாரிக் ஷௌகத் கூறுகிறார், “மாடல்கள் மேம்படுவதால், அவை உருவாக்கும் குறியீடு மேலும் மேலும் விரிவாகவும் சிக்கலானதாகவும் மாறுகிறது. இது வெளிப்படையான பிழைகள் மற்றும் பாதுகாப்பு பாதிப்புகளின் எண்ணிக்கையைக் குறைக்கிறது, ஆனால் ‘குறியீடு வாசனை’ எண்ணிக்கையை அதிகரிப்பதன் செலவில், கடினமான மற்றும் தொழில்நுட்ப சிக்கல்கள் கடனுக்கான வழிவகுக்கும்.”
2022 மற்றும் 2025 க்கு இடையில் 22 முதல் 25 வயதிற்குட்பட்ட மென்பொருள் உருவாக்குநர்களிடையே வேலை வாய்ப்புகள் “AI- இயங்கும் குறியீட்டு கருவிகளின் எழுச்சியுடன்” கிட்டத்தட்ட 20% குறையும் என்று ஸ்டான்போர்ட் பல்கலைக்கழகத்தின் சமீபத்திய ஆய்வை மேற்கோள் காட்டியுள்ளது.
இந்தக் கதை எம்ஐடி டெக்னாலஜி ரிவியூவின் புதிய ஹைப் கரெக்ஷன் தொடர் கட்டுரைகளின் ஒரு பகுதியாகும்.