مانند بسیاری از شما، ما هم گفتگوهای زیادی در مورد هوش مصنوعی (AI) و آینده وب داشتهایم. سر و صدای زیادی وجود دارد و دانستن اینکه ما، به عنوان توسعهدهندگان وب، دقیقاً چه چیزی را باید بدانیم، دشوار است.
وب بسیار بزرگتر از تیم ماست، بنابراین میخواستیم بدانیم که شما در مورد هوش مصنوعی چه فکر میکنید، چه چیزی را میخواهید یاد بگیرید و میخواهید با این فناوریهای نوظهور چه کاری انجام دهید. به این ترتیب، میتوانیم به بهترین شکل محتوایی را برای شما فراهم کنیم تا از این هیاهو عبور کنید.
در طول چند ماه گذشته، ما با متخصصان وب صحبت کردیم تا چشمانداز و نحوه تفکر شما در مورد هوش مصنوعی را درک کنیم. البته، ما نمیتوانیم با همه در مورد همه چیز صحبت کنیم. ما فقط تعداد کمی گفتگو با توسعهدهندگان وب، از جمله متخصصان توسعهدهنده وب گوگل ، داشتیم که بر نحوه استفاده توسعهدهندگان از هوش مصنوعی برای ارائه ویژگیهای کاربرپسند و افزایش بهرهوری در گردش کار روزانه خود تمرکز داشت.
ما معتقدیم که آنچه آموختهایم میتواند به طور گسترده برای سایر افراد در وب قابل استفاده باشد. و فکر کردیم که جامعه ممکن است علاقهمند به شنیدن آموختههای ما باشد.
ما این بازخورد را به همراه سایر تحقیقات در مورد چشمانداز توسعهدهندگان وب، برای ایجاد مجموعه جدید هوش مصنوعی خود در نظر گرفتیم. در این مجموعه، شما میتوانید مروری بر توسعهدهندگان وب، آزمایشگاههای کد و نسخههای نمایشی و سایر منابع برای تفکر در مورد ابزارها و مدلهای هوش مصنوعی در وب پیدا کنید.
و این تازه اول راه است. در ماههای آینده چیزهای بیشتری از ما خواهید دید.
بهبود بهرهوری با هوش مصنوعی مولد
ما متوجه شدیم که توسعهدهندگان وب میخواهند از هوش مصنوعی مولد برای افزایش بهرهوری خود و تعامل با رباتهای چت برای یادگیری فناوریهای جدید یا جستجوی پاسخ به سوالات توسعه وب خود استفاده کنند.
توسعهدهندگانی که با آنها صحبت کردیم یا در حال حاضر از هوش مصنوعی در گردش کار روزانه خود، برای پروژههای تجاری یا شخصی استفاده میکنند، یا کسی را میشناسند که از آن استفاده میکند.
تولید کد
ما از شما آموختیم که ابزارهای تولید کد، مانند Gemini و Copilot، برای تستهای واحد استاندارد، تکمیل خودکار اولیه (جایی که میدانید چه چیزی بنویسید، اما فقط باید آن را بنویسید) و توابع سادهتری که نیازی به دانش گسترده از پایگاه کد ندارند، عالی هستند. این ابزارها معمولاً هنگام نوشتن کدهای پیچیدهتر و الگوریتمی و توابعی که نیاز به زمینه گستردهای از یک پروژه خاص دارند، کمتر مفید هستند.
توسعهدهندگان ارشد بیشتری نگرانی خود را در مورد کیفیت بلندمدت پایگاههای کد خود ، از جمله مسائل مربوط به تکثیر کد و قابلیت نگهداری بلندمدت، ذکر کردند. برخی نگران بودند که اعضای کمتجربهتر تیم ممکن است خطاها را تشخیص ندهند یا ندانند چگونه کد تولید شده توسط ابزارهای هوش مصنوعی مولد را به طور دقیق اعتبارسنجی کنند.
توسعهدهندگان همچنین اظهار داشتهاند که موارد استفادهای که نیاز به دانش دامنه خاصی دارند، مانند نوشتن کامپوننتهای قابل دسترس، هنوز به درستی توسط ابزارهای تولید کدی که امتحان کردهاند، تطبیق داده نشدهاند.
یادگیری با LLM ها
ما شاهد بودهایم که بسیاری از توسعهدهندگان از ChatGPT و Gemini برای یادگیری مفاهیم توسعه نرمافزار استفاده میکنند، مانند پرسیدن از یک مدل زبان بزرگ (LLM) برای توضیح نحوه عملکرد یک الگوریتم مرتبسازی، افزایش استفاده از زبانهای برنامهنویسی مختلف یا از بین بردن شکافهای دانش.
شما فکر میکنید دورههای LLM به دلیل تعامل سریع سوالات و پاسخها، و به این دلیل که هوش مصنوعی از سوالات پرسیده شده انتقاد نمیکند و فقط پاسخ مورد نیاز خود را ارائه میدهد، تجربه بسیار خوبی را ارائه میدهند.
بار دیگر، نگرانی مربوط به توسعهدهندگان تازهکار وجود دارد، که در آن حداقل سطح دانش برای تشخیص مواردی که مدل دچار توهم شده و پاسخهای نادرست تولید میکند، ضروری است.
حفاظت از مالکیت معنوی به عنوان یک دغدغه تجاری
بسیاری از توسعهدهندگانی که با آنها صحبت کردیم گفتند که شرکتهایشان هنوز سیاستهایی در مورد توسعهدهندگانی که از هوش مصنوعی مولد برای افزایش بهرهوری خود استفاده میکنند، ندارند. استفاده از ابزارهای هوش مصنوعی مولد اغلب توسط توسعهدهندگانی که با آن آزمایش میکنند، هدایت میشود.
«شرکت من عموماً معنای هوش مصنوعی را اشتباه میفهمد، بنابراین سیاستهای درستی را تدوین نمیکند.»
با این حال، کسبوکارهایی که سیاستی دارند، به دلیل نگرانی در مورد نشت داراییهای معنوی (IP) شرکت به اشخاص ثالث، تمایل دارند استفاده از این ابزارها را منع کنند. مواردی وجود دارد که چنین سیاستهایی پس از تعامل مستقیم با شرکتهای پشت این ابزارها برای درک نحوه استفاده از دادهها و خطرات احتمالی، تغییر کردهاند.
با حسابهای کاربری سازمانی و مشارکتهایی که به تضمین حفاظت از دادهها اختصاص داده شدهاند، کسبوکارها احتمالاً توسعهدهندگان را به استفاده از آنها تشویق میکنند.
هوش مصنوعی مولد برای ویژگیهای محصول که کاربر با آنها مواجه میشود
در سمت محصول، برای ما تعجبآور نبود که وقتی بحث خود را با اصطلاح «AI / ML» آغاز کردیم، پاسخ اغلب بر هوش مصنوعی مولد متمرکز بود. توسعهدهندگان کنجکاوند که چگونه میتوان از هوش مصنوعی مولد برای بهبود تجربه کاربران خود استفاده کرد، اما در مورد اینکه این تجربیات چگونه به نظر میرسند و ابزارهای موجود برای ارائه آنها در مرحله تولید چیست، مطمئن نیستند.
برای آن دسته از توسعهدهندگانی که ویژگیهای هوش مصنوعی مولد را در محصولات خود ایجاد کردهاند یا در حال ایجاد آن هستند، استفاده از هوش مصنوعی مولد برای پاسخ به سوالات کاربر، با استفاده از چتباتها یا رابطهای کاربری تکی، رایجترین مورد استفاده است.
کیفیت خروجی، مهمترین نگرانی ما از شما بود. به طور خاص، توسعهدهندگان امیدوارند از دقیق بودن پاسخها اطمینان حاصل کنند و هدفشان جلوگیری از تولید محتوای نامرتبط توسط LLM با هدف مورد نظر است. این امر به ویژه زمانی صادق است که خروجی LLM مستقیماً با کاربر در ارتباط باشد، مانند یک ربات چت.
«دموهای هوش مصنوعی خیلی باحالن. هر دفعه که پروژهام رو دمو میکنم، خروجی کاملاً متفاوته.»
شما تلاش زیادی برای ایجاد مجموعههای آزمایشی برای اعتبارسنجی خروجیهای هوش مصنوعی مولد برای طیف گستردهای از درخواستها میکنید، اما هیچ روش مشخص و تثبیتشدهای برای آزمایش یا نظارت بر پاسخها وجود ندارد. بیشتر کار ارزیابی دستی است. بسیاری از توسعهدهندگان در مدیریت خروجیهای غیرقطعی تازهکار هستند. به عنوان یک جامعه، ما هنوز سیستمهایی نساختهایم که به خوبی با آنها کار کنند.
هزینه اجرای یک مدل هوش مصنوعی مولد نیز یک نگرانی مهم است و توسعهدهندگان با دقت هزینه را در مقابل مزایای آن برای کاربران خود ارزیابی میکنند.
مدلهای استاندارد در مقابل مدلهای سفارشی
معمولاً توسعهدهندگانی که با آنها صحبت کردیم، تمایل داشتند به مدلها و APIهای آماده تکیه کنند. این امر زمان ورود به بازار و استفاده از زمان و دانش مهندسی را که محدود بودند، بهینه میکند.
«میخواهم در فضای توسعه وب بمانم. نمیخواهم مهندس یادگیری ماشین شوم.»
در حالی که توسعهدهندگان از ارزش بالقوه تکنیکهای پیشرفتهای مانند بازیابی، تولید و افزودن (RAG) و تنظیم دقیق آگاه هستند و آن را میبینند، شما ترجیح میدهید روی جنبه توسعه وب کار آنها تمرکز کنید. در نهایت، شما ترجیح میدهید از ابزارهای پیشفرض استفاده کنید یا به تیمهای دیگر برای تولید مدلهای بهینه برای موارد استفاده آنها تکیه کنید.
نگرانیهای مربوط به حریم خصوصی و امنیت
حریم خصوصی و امنیت، به ویژه برای صنایع عمودی با الزامات سختگیرانه داده، مانند صنعت پزشکی، از نگرانیهای اصلی بودند. هوش مصنوعی روی دستگاه ممکن است کلید حل این موارد استفاده باشد، اما این حوزه تا حد زیادی ناشناخته مانده است.
افشای دادههای کاربر به اشخاص ثالث بیشتر با APIهای ابری یک نگرانی است و تعدادی از توسعهدهندگان، ارزش یادگیری ماشینی روی دستگاه یا هوش مصنوعی مولد را برای کاهش مشکلات احتمالی حریم خصوصی و امنیتی میبینند.
هوش مصنوعی برای توسعهدهندگان وب
هوش مصنوعی همه جا هست و با سرعت باورنکردنی در حال تکامل است. چگونه میتوانیم بهروز بمانیم، ابزارها و مدلهای موجود را به کار بگیریم، یا با مهندسان یادگیری ماشین همکاری کنیم تا مدلهای جدیدی تولید کنیم که به بهترین وجه با نیازهای ما مطابقت داشته باشند؟
بر اساس آنچه از شما آموختهایم، ما در حال کار بر روی راهنماییهایی در مورد هوش مصنوعی برای توسعهدهندگان وب هستیم. هدف ما کمک به شما در درک مفاهیم هوش مصنوعی در سطح بالا، کشف فرصتهایی برای استفاده از هوش مصنوعی مولد برای افزایش بهرهوری و استفاده از هوش مصنوعی برای ایجاد تجربیات کاربری لذتبخش، با استفاده از ابزارها، مدلها و APIهای موجود است. همچنان به بررسی مطالب ما در مجموعه هوش مصنوعی خود ادامه دهید تا محتوای بیشتری منتشر کنیم.
در حالی که اکثر توسعهدهندگان وب ترجیح میدهند تمرکز خود را روی انجام کاری که در آن بهترین هستند (یعنی توسعه وب!) حفظ کنند، ما کسانی از شما را که میخواهید عمیقتر به ساخت ابزارها، مدلها و APIهای مورد نیاز توسعهدهندگان وب بپردازید، تشویق میکنیم. ما میخواهیم از شما بشنویم و یاد بگیریم که چگونه میتوانیم به شما در موفقیت کمک کنیم.
هوش مصنوعی یک حوزه با سرعت در حال تغییر است. بنابراین، ما با تغییر اوضاع، به تعامل با جامعه ادامه خواهیم داد و گفتگوها و نظرسنجیهای بیشتری برگزار خواهیم کرد. اگر مایل به گفتگو با ما هستید، ساعات کاری خود را با تیم ما هماهنگ کنید .