مانند بسیاری از شما، ما نیز گفتگوهای زیادی در مورد هوش مصنوعی (AI) و آینده وب داشته ایم. سر و صدای زیادی وجود دارد و سخت است بدانیم که ما به عنوان توسعه دهندگان وب دقیقاً چه چیزی را باید بدانیم.
وب بسیار بزرگتر از تیم ما است، بنابراین می‌خواستیم بدانیم که شما در مورد هوش مصنوعی چه فکر می‌کنید، چه چیزی را می‌خواهید یاد بگیرید و با این فناوری‌های نوظهور چه می‌خواهید انجام دهید. به این ترتیب، ما به بهترین وجه می‌توانیم محتوایی را برای شکستن این نویز در اختیار شما قرار دهیم.
در طول چند ماه گذشته، ما با متخصصان وب صحبت کردیم تا چشم انداز و نحوه فکر شما در مورد هوش مصنوعی را درک کنیم. البته ما نمی توانیم در مورد همه چیز با همه صحبت کنیم. ما فقط مجموعه کوچکی از مکالمات با توسعه دهندگان وب، از جمله کارشناسان وب Google Developer داشتیم که بر روی نحوه استفاده توسعه دهندگان از هوش مصنوعی برای ارائه ویژگی های کاربر و افزایش بهره وری در گردش کار روزانه خود متمرکز بودیم.
ما معتقدیم که آنچه آموختیم ممکن است به طور گسترده برای سایر افراد در وب قابل اجرا باشد. و، ما فکر کردیم که جامعه ممکن است علاقه مند به شنیدن چیزهایی باشد که ما آموخته ایم.
ما این بازخورد را همراه با سایر تحقیقات پیرامون چشم انداز توسعه دهندگان وب، برای ایجاد مجموعه هوش مصنوعی جدید خود دریافت کردیم. در این مجموعه، مروری بر توسعه‌دهندگان وب، نرم‌افزارهای کد و دموها و سایر منابع برای تفکر در مورد ابزارها و مدل‌های هوش مصنوعی در وب خواهید یافت.
و این تازه اولشه. در ماه های آینده چیزهای بیشتری از ما خواهید دید.
بهره وری بهبود یافته 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 برای سؤالات توسعه وب خود استفاده کنند.
توسعه دهندگانی که با آنها صحبت کردیم یا از هوش مصنوعی در جریان کاری روزانه خود، برای پروژه های تجاری یا شخصی استفاده می کنند، یا فردی را می شناسند که این کار را انجام می دهد.
تولید کد
ما از شما یاد گرفتیم 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) عالی هستند، و توابع ساده‌تری که نیازی به دانش گسترده ندارند. از پایگاه کد. وقتی صحبت از نوشتن کدهای پیچیده تر الگوریتمی و توابعی که به زمینه وسیع یک پروژه خاص نیاز دارند، این ابزارها کمتر مفید هستند.
توسعه‌دهندگان ارشد بیشتر به نگرانی در مورد کیفیت طولانی‌مدت پایگاه‌های کدشان ، از جمله مسائل مربوط به تکرار کد و قابلیت نگهداری طولانی‌مدت اشاره کردند. برخی نگران بودند که اعضای تیم با تجربه کمتر ممکن است خطاها را تشخیص ندهند یا ندانند چگونه کد تولید شده توسط ابزارهای هوش مصنوعی تولیدی را به طور دقیق تأیید کنند.
توسعه دهندگان همچنین به اشتراک گذاشته اند که موارد استفاده که به دانش دامنه خاصی نیاز دارد، مانند نوشتن مؤلفه های قابل دسترسی، هنوز به درستی با ابزارهای تولید کدی که آنها امتحان کرده اند، سازگار نیستند.
یادگیری با LLM
بسیاری از توسعه دهندگان را دیده ایم که از ChatGPT و Gemini برای یادگیری مفاهیم توسعه نرم افزار استفاده می کنند، مانند درخواست از یک مدل زبان بزرگ (LLM) برای توضیح نحوه عملکرد یک الگوریتم مرتب سازی، افزایش زبان های برنامه نویسی مختلف، یا بستن شکاف های دانش.
شما فکر می‌کنید که LLM به دلیل تعامل سریع سؤالات و پاسخ‌ها، و به دلیل اینکه هوش مصنوعی سؤالات مطرح شده را مورد انتقاد قرار نمی‌دهد و فقط پاسخ مورد نیاز را ارائه می‌کند، تجربه‌ای عالی ارائه می‌کنند.
یک بار دیگر، نگرانی مربوط به بیشتر توسعه دهندگان جوان وجود دارد، جایی که حداقل سطح دانش لازم است تا مواردی را که مدل توهم ایجاد می کند و پاسخ های نادرست ایجاد می کند، پیدا کند.
حفاظت از IP به عنوان یک نگرانی تجاری
بسیاری از توسعه دهندگانی که با آنها صحبت کردیم گفتند که شرکت های آنها هنوز سیاستی در مورد توسعه دهندگانی که از هوش مصنوعی مولد برای افزایش بهره وری خود استفاده می کنند، ندارند. استفاده از ابزارهای مولد هوش مصنوعی اغلب توسط توسعه دهندگانی انجام می شود که با آن آزمایش می کنند.
شرکت من عموماً معنای هوش مصنوعی را اشتباه می‌فهمد، بنابراین آنها سیاست‌های درستی را ایجاد نمی‌کنند.
با این حال، کسب‌وکارهایی که دارای سیاست هستند، به دلیل نگرانی در مورد افشای مالکیت معنوی (IP) شرکت به اشخاص ثالث، تمایل به استفاده از آن ندارند. 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 کرده است.
با حساب‌های سازمانی و مشارکت‌هایی که برای اطمینان از حفاظت از داده‌ها اختصاص داده شده‌اند، کسب‌وکارها احتمالاً استفاده از توسعه‌دهندگان را تشویق می‌کنند.
هوش مصنوعی مولد برای ویژگی های محصول روبروی کاربر
در سمت محصول، برای ما تعجب آور نبود که وقتی صحبت خود را با عبارت "AI/ML" مطرح کردیم، پاسخ اغلب بر روی هوش مصنوعی مولد متمرکز بود. توسعه دهندگان کنجکاو هستند که چگونه می توان از هوش مصنوعی مولد برای بهبود تجربه کاربران خود استفاده کرد، اما مطمئن نیستند که این تجربیات چگونه هستند و ابزارهای موجود برای ارائه آنها در تولید چیست.
برای آن دسته از توسعه دهندگانی که ویژگی های هوش مصنوعی مولد را در محصولات خود ایجاد کرده اند یا در حال ایجاد آن هستند، استفاده از هوش مصنوعی مولد برای پاسخ به سؤالات کاربر، با چت بات ها یا رابط های یکباره، رایج ترین مورد استفاده است.
کیفیت خروجی مهمترین نگرانی ما از شماست. به ویژه، توسعه دهندگان امیدوارند که اطمینان حاصل کنند که پاسخ ها دقیق هستند و هدفشان جلوگیری از تولید محتوای غیر مرتبط با هدف مورد نظر توسط LLM است. این امر به ویژه زمانی صادق است که خروجی LLM مستقیماً رو به کاربر باشد، مانند ربات چت.
"دموهای دارای هوش مصنوعی وحشی هستند. هر بار که پروژه خود را نمایش می دهم، خروجی کاملا متفاوت است."
شما تلاش زیادی برای ایجاد مجموعه‌های آزمایشی انجام می‌دهید تا خروجی‌های هوش مصنوعی تولیدی را برای طیف گسترده‌ای از اعلان‌ها تأیید کنند، اما هیچ راه روشن و مشخصی برای آزمایش یا نظارت بر پاسخ‌ها وجود ندارد. بیشتر کار ارزیابی دستی است. بسیاری از توسعه دهندگان در مدیریت خروجی های غیر قطعی جدید هستند. به عنوان یک جامعه، ما هنوز سیستم‌هایی ایجاد نکرده‌ایم که به خوبی با آنها کار کند.
هزینه اجرای یک مدل هوش مصنوعی مولد نیز یک نگرانی مهم است و توسعه دهندگان به دقت در حال ارزیابی هزینه در مقابل مزایای کاربران خود هستند.
استاندارد در مقابل مدل های سفارشی
معمولاً توسعه دهندگانی که با آنها صحبت می کردیم تمایل داشتند به مدل ها و API های آماده تکیه کنند. این امر زمان ورود به بازار و استفاده از زمان و دانش مهندسی را که محدود بود بهینه می کند.
"من می خواهم در فضای توسعه وب بمانم. من نمی خواهم مهندس ML شوم."
در حالی که توسعه دهندگان از تکنیک های پیشرفته مانند Retrieve Augment-Generate (RAG) و تنظیم دقیق آگاه هستند و ارزش بالقوه آن را می بینند، شما ترجیح می دهید 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 خود تکیه کنید.
نگرانی های حفظ حریم خصوصی و امنیتی
حفظ حریم خصوصی و امنیت مهمترین نگرانی‌ها بود، به‌ویژه برای شرکت‌های عمودی با الزامات داده سخت‌گیرانه، مانند صنعت پزشکی. هوش مصنوعی روی دستگاه ممکن است برای رسیدگی به این موارد استفاده کلیدی باشد، اما این حوزه تا حد زیادی ناشناخته باقی مانده است.
قرار دادن اطلاعات کاربر در معرض اشخاص ثالث بیشتر با APIهای ابری یک نگرانی است و تعدادی از توسعه دهندگان ارزش یادگیری ماشینی روی دستگاه یا هوش مصنوعی مولد را برای کاهش خطرات احتمالی حریم خصوصی و امنیتی می دانند.
هوش مصنوعی برای توسعه دهندگان وب
هوش مصنوعی همه جا هست و با سرعتی باورنکردنی در حال تکامل است. چگونه می‌توانیم به‌روز بمانیم، ابزارها و مدل‌های موجود را ترکیب کنیم، یا با مهندسان ML کار کنیم تا مدل‌های جدیدی تولید کنیم که به بهترین وجه با نیازهای ما مطابقت دارد؟
بر اساس آنچه از شما آموختیم، در حال کار بر روی راهنمایی در زمینه هوش مصنوعی برای توسعه دهندگان وب هستیم. هدف ما کمک به 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 کاربر لذت‌بخش با استفاده از ابزارها، مدل‌ها و APIهای موجود است. همچنان به بررسی مجدد ادامه دهید زیرا محتوای بیشتری را در مجموعه هوش مصنوعی خود منتشر می کنیم.
در حالی که بیشتر توسعه‌دهندگان وب ترجیح می‌دهند تمرکز خود را بر انجام کاری که به بهترین شکل انجام می‌دهند (این توسعه وب است!) حفظ کنند، ما کسانی از شما را که می‌خواهید عمیق‌تر غواصی کنید تا ابزارها، مدل‌ها و APIهای مورد نیاز توسعه‌دهندگان وب را بسازید، تشویق می‌کنیم. ما می خواهیم از شما بشنویم و یاد بگیریم که چگونه می توانیم به شما در موفقیت کمک کنیم.
هوش مصنوعی منطقه ای است که به سرعت در حال حرکت است. بنابراین، با تغییر اوضاع و انجام مکالمات و نظرسنجی های بیشتر، به تعامل با جامعه ادامه خواهیم داد. اگر می خواهید با ما صحبت کنید، ساعات اداری را با تیم ما برنامه ریزی کنید .