การปฏิวัติการเขียนโค้ดด้วย AI หรือการสร้างวงล้อใหม่? นักพัฒนาตั้งคำถามกับปัญหาที่แท้จริง

ในขณะที่เครื่องมือเขียนโค้ดด้วย AI มีความซับซ้อนมากขึ้น เกิดการถกเถียงในหมู่ผู้พัฒนาว่าเรากำลังแก้ปัญหาที่ถูกต้องอยู่หรือไม่ แม้ผู้ช่วย AI จะสามารถสร้างโค้ดได้เร็วกว่าที่เคย แต่ผู้พัฒนามืออาชีพจำนวนมากกลับตั้งคำถามว่าเรากำลังทำให้การสร้างซอฟต์แวร์ระดับธรรมดาเป็นไปโดยอัตโนมัติ แทนที่จะจัดการกับปัญหาพื้นฐานในการพัฒนาซอฟต์แวร์

วงจรการสร้างสิ่งเดิมซ้ำ

ข้อกังวลหลักอยู่ที่ว่าเครื่องมือเขียนโค้ดด้วย AI กำลังช่วยให้เราสร้างสิ่งเดิมซ้ำเร็วขึ้นหรือไม่ แบบจำลองภาษาใหญ่ (LLMs) สร้างโค้ดจากรูปแบบที่พบในข้อมูลฝึกอบรม ซึ่งหมายความว่าพวกมันเก่งเป็นพิเศษในการสร้างโซลูชันที่มีอยู่แล้วนับพันครั้งซ้ำอีก ดังที่นักพัฒนาคนหนึ่งระบุว่า สิ่งนี้ชี้ให้เห็นว่าเรากำลังพลาดโอกาสในการสร้างการ抽象ระดับสูงและส่วนประกอบพื้นฐานที่ดียิ่งขึ้น

หาก LLM สามารถเขียนโค้ด模板ที่ดีให้คุณได้ แสดงว่าภาษาโปรแกรมของคุณอยู่ในระดับต่ำเกินไป เราต้องการภาษาระดับสูงกว่าที่จะ抽象 away รูปแบบที่ซ้ำซ้อนส่วนใหญ่

ข้อสังเกตนี้เน้นย้ำถึงความตึงเครียดพื้นฐาน: หาก AI สามารถสร้างรูปแบบการเขียนโค้ดทั่วไปขึ้นใหม่ได้อย่างง่ายดาย ทำไมเราจึงยังไม่ได้สร้างระบบที่ดีกว่าที่ขจัดความจำเป็นในการทำงานซ้ำๆ นี้ไปเสียที? การอภิปรายชี้ให้เห็นว่าเราอาจกำลังใช้เทคโนโลยีใหม่ที่น่าประทับใจเพื่อยึดแนวปฏิบัติที่ล้าสมัย แทนที่จะขับเคลื่อนนวัตกรรมที่มีความหมาย

ช่องว่างระหว่างความเป็นจริงกับความพร้อมสำหรับการผลิต

ประเด็นสำคัญอีกประการที่เกิดขึ้นจากการอภิปรายของนักพัฒนาคือความแตกต่างระหว่างโค้ดต้นแบบและซอฟต์แวร์ที่พร้อมสำหรับการผลิต ผู้สนับสนุนเครื่องมือเขียนโค้ดด้วย AI อย่างกระตือรือร้นที่สุดหลายคนดูเหมือนจะกำลังสร้างต้นแบบหรือเรียนรู้ภาษาใหม่ แทนที่จะบำรุงรักษาระบบการผลิตระยะยาว นักพัฒนาที่มีประสบการณ์รายงานว่าในขณะที่เครื่องมือ AI ให้ความสะดวกสำหรับงานประจำ แต่พวกมันไม่ได้เร่งการทำงานที่ซับซ้อนของการสร้างโค้ดคุณภาพการผลิตที่ปลอดภัย บำรุงรักษาได้ อย่างมากนัก

การสนทนาระบุว่าเครื่องมือ AI ต่อสู้ดิ้นรนมากที่สุดกับแง่มุมที่ทำให้โค้ดการผลิตแตกต่างออกไป นั่นคือ ความน่าเชื่อถือ ความปลอดภัย ความสามารถในการบำรุงรักษา และการตัดสินใจทางสถาปัตยกรรมที่ละเอียดอ่อนซึ่งส่งผลต่อวิวัฒนาการของระบบในระยะยาว สิ่งนี้ชี้ให้เห็นว่าการเฉลิมฉลองเรื่องประสิทธิภาพการเขียนโค้ดของ AI ที่ดังที่สุดอาจมาจากผู้ที่กำลังแก้ปัญหาที่แตกต่างจากที่ทีมซอฟต์แวร์องค์กรเผชิญในแต่ละวัน

ความขัดแย้งของเอกสารประกอบ

ข้อมูลเชิงลึกที่ขัดแย้งที่สุดจากการอภิปรายในชุมชนอาจเกี่ยวข้องกับข้อกำหนดและเอกสารประกอบ เครื่องมือเขียนโค้ดด้วย AI ทำงานได้ดีขึ้นอย่างเห็นได้ชัดเมื่อได้รับข้อกำหนดที่ชัดเจนและสถาปัตยกรรมที่มีเอกสารประกอบดี ซึ่งเป็นสิ่งที่นักพัฒนามนุษย์ร้องขอมาหลายทศวรรษ บริษัทที่ก่อนหน้านี้มองข้ามเอกสารประกอบที่ละเอียดถี่ถ้วนว่าไม่จำเป็น ตอนนี้กลับค้นพบความสำคัญของมันเมื่อทำงานกับผู้ช่วย AI

สิ่งนี้สร้างสถานการณ์ที่น่าสงสัยที่องค์กรเดียวกันที่ปฏิเสธที่จะลงทุนในเอกสารประกอบที่เหมาะสมสำหรับนักพัฒนามนุษย์ ตอนนี้กลับพบว่ามันจำเป็นสำหรับเครื่องมือ AI ชุมชนมองว่านี่เป็นหลักฐานว่าเรากำลังจัดการกับอาการ而不是สาเหตุ — โดยใช้ AI เพื่อทำงานรอบๆ กระบวนการที่แย่ แทนที่จะแก้ไขปัญหาพื้นฐาน

ก้าวข้ามการเขียนโปรแกรมแบบข้อความ

นักพัฒนาบางส่วนกำลังตั้งคำถามพื้นฐานมากขึ้นเกี่ยวกับว่า การเขียนโปรแกรมแบบข้อความเองเป็นกระบวนทัศน์ที่ถูกต้องหรือไม่ การอภิปรายสำรวจว่าเราติดอยู่ในโมเดลล้าสมัยของสิ่งที่การเขียนโปรแกรมควรจะเป็นหรือไม่ โดยผู้แสดงความคิดเห็นหลายคนแนะนำว่า สภาพแวดล้อมการเขียนโปรแกรมแบบภาพหรือภาษากำหนดลักษณะระดับสูงอาจเป็นตัวแทนของอนาคตที่แท้จริง

การสนทนาได้กล่าวถึงความพยายามในอดีตที่จะสร้างกระบวนทัศน์การเขียนโปรแกรมที่เข้าถึงได้ง่ายกว่า ตั้งแต่ COBOL ไปจนถึงเครื่องมือเขียนโปรแกรมแบบภาพ และอธิบายว่าทำไมพวกมันจึงล้มเหลวในการแทนที่การเขียนโค้ดแบบข้อความ สิ่งนี้ชี้ให้เห็นว่าการประยุกต์ใช้ AI ที่มีค่าที่สุดอาจไม่ใช่การสร้างโค้ดที่ดีขึ้น แต่เป็นการช่วยให้เราเปลี่ยนไปสู่วิธีที่ดีกว่าในการระบุว่าเราต้องการให้ซอฟต์แวร์ทำอะไร

บริบททางประวัติศาสตร์ของกระบวนทัศน์การเขียนโปรแกรม:

• COBOL: ถูกทำการตลาดว่าเป็นภาษาโปรแกรมที่เหมาะกับธุรกิจ
• Visual Basic: พยายามทำให้การเขียนโปรแกรมเข้าถึงได้ง่ายขึ้น
• SQL: ถูกเรียกว่า "ภาษาโปรแกรมรุ่นที่สี่"
• เครื่องมือการเขียนโปรแกรมแบบภาพ: ความพยายามหลายครั้งในการพัฒนาแบบโหนด
• ทั้งหมดต่างเผชิญกับความท้าทายในการทำให้เป็นทางการและการนำไปใช้กับระบบที่ซับซ้อน

ความกังวลเกี่ยวกับการศึกษาและคุณภาพ

สมาชิกในชุมชนแสดงความกังวลเกี่ยวกับว่าการเขียนโค้ดด้วย AI อาจส่งผลต่อคุณภาพซอฟต์แวร์และการศึกษาของผู้พัฒนาอย่างไร หากเครื่องมือ AI ทำให้การสร้างโค้ดง่ายขึ้นโดยไม่ต้องเข้าใจหลักการพื้นฐาน เรากำลังเสี่ยงที่จะสร้างโค้ดคุณภาพต่ำมากขึ้น — ซอฟต์แวร์ที่ทำงานได้ผิวเผินแต่ขาดความแข็งแกร่งที่จำเป็นสำหรับสภาพแวดล้อมการผลิต การอภิปรายชี้ให้เห็นว่าสิ่งนี้อาจทำให้ปัญหาที่มีอยู่กับคุณภาพซอฟต์แวร์รุนแรงขึ้น แทนที่จะแก้ไข

ผู้แสดงความคิดเห็นหลายคนสังเกตว่าความตื่นเต้นในปัจจุบันเกี่ยวกับการเขียนโค้ดด้วย AI มักมาจากผู้ที่ไม่ได้เขียนโค้ดสำหรับการผลิตเป็นประจำ ในขณะที่นักพัฒนาที่มีประสบการณ์ยังคงคาดหวังอย่างระมัดระวังมากขึ้น ความแตกแยกนี้เน้นให้เห็นว่ามุมมองที่แตกต่างเกี่ยวกับสิ่งที่ถือว่าเป็นโค้ดที่ดีสามารถนำไปสู่การประเมินค่าของ AI ที่แตกต่างกันมากได้อย่างไร

ข้อกังวลหลักของชุมชนเกี่ยวกับเครื่องมือเขียนโค้ดด้วย AI:

• การประดิษฐ์วงล้อขึ้นมาใหม่แทนที่จะเป็นนวัตกรรม
• ช่องว่างระหว่างโค้ดต้นแบบกับซอフต์แวร์ที่พร้อมใช้งานจริง
• ความขัดแย้งที่ต้องการเอกสารประกอบที่ดีกว่าสำหรับ AI มากกว่าสำหรับนักพัฒนามนุษย์
• คำถามเกี่ยวกับว่าการเขียนโปรแกรมแบบข้อความเป็นกระบวนทัศน์ที่เหมาะสมหรือไม่
• ผลกระทบเชิงลบที่อาจเกิดขึ้นต่อคุณภาพซอฟต์แวร์และการศึกษานักพัฒนา

มองไปข้างหน้า

การอภิปรายในชุมชนชี้ให้เห็นว่าเครื่องมือเขียนโค้ดด้วย AI เป็นตัวแทนของเทคโนโลยีที่น่าประทับใจที่กำลังถูกนำไปใช้กับปัญหาที่ผิด แทนที่จะเพียงแค่ทำให้การสร้างซอฟต์แวร์ประเภทเดียวกันเร็วขึ้น นักพัฒนากำลังถามว่าเราควรใช้ช่วงเวลานี้เพื่อทบทวนแง่มุมพื้นฐานเกี่ยวกับวิธีที่เราสร้างซอฟต์แวร์ใหม่หรือไม่ การประยุกต์ใช้ AI ที่มีค่าที่สุดอาจเป็นการช่วยให้เราเปลี่ยนผ่านไปสู่กระบวนทัศน์การพัฒนาที่ดีขึ้น มากกว่าที่จะปรับปรุงกระบวนทัศน์ปัจจุบันให้ดีที่สุด

เมื่อเทคโนโลยีพัฒนาขึ้น คำถามสำคัญยังคงอยู่: เราจะใช้ AI เพื่อยึดแนวปฏิบัติที่มีอยู่ หรือใช้เป็นตัวเร่งสำหรับการปรับปรุงที่มีความหมายในวิธีที่เราสร้างซอฟต์แวร์? ชุมชนนักพัฒนาดูเหมือนจะแบ่งออกเป็นสองฝ่าย โดยบางส่วนเห็นถึงความสะดวกสบาย และบางส่วนเห็นถึงโอกาสที่พลาดไปสำหรับความก้าวหน้าที่แท้จริง

อ้างอิง: Solving The Wrong Problem