ما هو مستقبل تطوير البرمجيات؟

لسنوات ، تم تطوير البرامج يدويًا.

من بطاقات التثقيب في FORTRAN إلى إنشاء الطرق الموزعة في Go ، ظل النظام كما هو في الأساس: فكر بشكل مكثف في مشكلة ما ، وأنتج نهجًا ذكيًا (مثل الخوارزمية) وأعطي الجهاز زوجًا من التعليمات للتنفيذ.

كان هذا النهج ، الذي قد يُطلق عليه "البرمجة الواضحة" ، مفتاحًا لكل شيء بدءًا من الكمبيوتر الرئيسي إلى الهاتف الذكي من طفرة الإنترنت إلى ثورة الهاتف المحمول. لقد ساعد في إنشاء أسواق جديدة وجعل شركات مثل Apple و Microsoft و Google و Facebook أسماء مألوفة.

ومع ذلك ، سيكون هناك شيء مفقود. الأنظمة الذكية التي تصورها مؤلفو عصر الحوسبة القدامى ، بواسطة سيارة أجرة روبوت فيليب ديك إلى C-3PO لجورج لوكاس ، تواصل الخيال العلمي. المهام التي تبدو بسيطة تتحدى بعناد الأتمتة حتى من قبل أذكى علماء الكمبيوتر. يتهم النقاد وادي السيليكون ، في مواجهة هذه التحديات ، بالابتعاد عن التطورات الأساسية للتركيز على الشركات المتزايدة أو التي تحركها الموضة.

من الواضح أن هذا سيتغير. أمضت سيارات Waymo ذاتية القيادة مؤخرًا ثمانية ملايين كيلومتر تقطعها. يمكن لمحرك الترجمة من Microsoft ، على الرغم من عدم إتقانه لستة ملايين شكل من أشكال الاتصال ، أن يلائم المستويات البشرية من الدقة في المهام من الصينية إلى الإنجليزية. والشركات الناشئة تفتح آفاقًا جديدة في أماكن مثل المساعدين الأذكياء والأتمتة الصناعية والكشف عن الاحتيال وغيرها الكثير.

بشكل فردي ، تعد هذه التقنيات الجديدة بالتأثير على حياتنا اليومية. بشكل جماعي ، يمثلون تغييرًا جذريًا في الطريقة التي نفكر بها في تطوير البرامج - وأيضًا خروجًا ملحوظًا عن نموذج البرمجة الصريح.

إن الإنجاز الكبير الذي يدعم كل من هذه التطورات هو التعلم العميق ، وهي استراتيجية ذكاء اصطناعي مدفوعة ببناء عقلك. ما بدأ كأداة تقييم بيانات ضيقة نسبيًا أصبح الآن بمثابة شيء قريب من نظام الحوسبة العام. إنه يتفوق على البرامج التقليدية عبر مجموعة واسعة من الوظائف وقد يقدم أخيرًا الأنظمة الذكية التي استعصت على علماء الكمبيوتر منذ فترة طويلة - وهي مآثر تفجرها الصحافة أحيانًا بشكل مبالغ فيه.

وسط ضجيج التعلم العميق ، على الرغم من ذلك ، يتجاهل معظم المراقبين السبب الأكبر للإيجابية بشأن مستقبله: التعلم العميق يتطلب من المبرمجين كتابة أي رمز بالكاد. بدلاً من الاعتماد على القواعد المحددة مسبقًا أو الفواتير الشرطية ، يقوم برنامج التعلم العميق بكتابة المبادئ تلقائيًا بناءً على الأمثلة السابقة. يجب على مطور البرامج فقط أن يصنع "هيكلًا خشنًا" لإعادة صياغة Andrej Karpathy من Tesla ، ثم السماح لأجهزة الكمبيوتر بتنفيذ باقي المهام

في هذا الكون الجديد ، لم يعد على المبرمجين تصميم خوارزمية خاصة لكل مشكلة. يركز معظم العمل ، بدلاً من ذلك ، على إنشاء مجموعات البيانات التي تعكس السلوك المطلوب وإدارة عملية التدريب. أشار بيت واردن من فريق TensorFlow في Google إلى هذا الأمر منذ عام 2014: "اعتدت أن أكون مبرمجًا" ، كتب. " أقوم بتدريس أجهزة الكمبيوتر لإنشاء تطبيقات خاصة بهم."

مرة أخرى: نموذج البرمجة الذي يقود أهم التحسينات في التطبيقات اليوم لا يتطلب قدرًا كبيرًا من البرمجة الفعلية.

ماذا يعني هذا لمستقبل تطوير البرمجيات؟

سوف تتقارب البرمجة وعلوم البيانات بشكل متزايد

لن تتضمن معظم التطبيقات "نهاية إلى نهاية" برامج التعلم في المستقبل المنظور. سيعتمد على نماذج البيانات لتقديم قدرات الإدراك الأساسية والمنطق الواضح للتفاعل مع المستخدمين وترجمة النتائج. السؤال "هل يجب أن أستفيد من الذكاء الاصطناعي أو حتى المقاربة التقليدية لهذه المشكلة؟" سوف تتطور بشكل متزايد. يتطلب تصميم الأنظمة الذكية التحكم في كليهما.

من المحتمل أن يكون محترفو الذكاء الاصطناعي هم نجوم موسيقى الروك

إن القيام بالذكاء الاصطناعي أمر صعب. سيكون مبرمجو الذكاء الاصطناعي ذو التصنيف والملف - ليس فقط الأكاديميين والباحثين المتميزين - أحد أكثر الأدوات قيمة لشركات البرمجيات في وقت لاحق. هذا يحمل بعض السخرية بالنسبة للمبرمجين التقليديين ، الذين لديهم عمل تلقائي في صناعات مختلفة لأن الخمسينيات من القرن الماضي والذين يواجهون حاليًا أتمتة جزئية لوظائفهم الخاصة. من المؤكد أن متطلبات خدماتهم لن تتراجع ، لكن الأفراد الذين يرغبون في البقاء في المقدمة يحتاجون ، بجرعة مفيدة من الشك ، إلى التحقق من مصادر الذكاء الاصطناعي.

يجب إنشاء سلسلة أدوات الذكاء الاصطناعي

قال جيل أرديتي ، رئيس التعلم الآلي في Lyft ، إنه الأفضل. "التعلم الآلي الآن في فترة الحساء البدائية. إنه مشابه جدًا لقاعدة البيانات من أوائل الثمانينيات أو أواخر السبعينيات. كان عليك أن تصبح متخصصًا في العالم لتشغيل هذه العناصر. " تظهر الدراسات أيضًا أن العديد من نماذج الذكاء الاصطناعي ليس من السهل شرحه ، وغير مهم للخداع وقابل للتحيز. ستكون أدوات معالجة هذه المشكلات ، من بين أمور أخرى ، ضرورية لإطلاق إمكانات مطوري الذكاء الاصطناعي.

نحتاج جميعًا إلى التعرف على السلوك غير المتوقع

يتناسب مفهوم "تعليم" الكمبيوتر مع المبرمجين والمستخدمين على حدٍ سواء. إنه يعزز الانطباع بأن أجهزة الكمبيوتر تفعل بالضبط ما نقوله وأن المدخلات المماثلة تنتج باستمرار مخرجات مماثلة. في المقابل ، تعمل إصدارات الذكاء الاصطناعي مثل التنفس والأنظمة الحية. ستجعلهم الأدوات الجديدة تتصرف مثل البرامج الواضحة ، لا سيما في التكوينات الحرجة للسلامة ، ومع ذلك ، فإننا نجازف بفقدان قيمة هذه الأنظمة - مثل حركات AlphaGo "الغريبة" - إذا وضعنا حواجز الحماية بإحكام شديد. بينما ننمو ونستخدم برامج الذكاء الاصطناعي ، يجب أن نفهم ونتبنى النتائج الاحتمالية.

ونأمل أن يكون احتمال استحواذ الذكاء الاصطناعي قريبًا من الصفر.