กลยุทธ์เซนทอร์: เหตุใดนักพัฒนาที่ใช้ AI ช่วยจึงจะทำงานได้ดีกว่าการใช้ระบบอัตโนมัติเต็มรูปแบบ

การถกเถียงเรื่องผลกระทบของ AI ต่อการพัฒนาซอฟต์แวร์กำลังร้อนระอุ ในขณะที่บางคนกังวลว่าระบบอัตโนมัติเต็มรูปแบบจะทำให้โปรแกรมเมอร์หมดความจำเป็น คนอื่นๆ ชี้ให้เห็นถึงความคล้ายคลึงอันไม่คาดคิดจากโลกของหมากรุกสากลระดับแข่งขัน ชุมชนกำลังอภิปรายกันอย่างแข็งขันว่าโมเดลเซนทอร์—การทำงานร่วมกันระหว่างมนุษย์กับ AI—อาจจะทำงานได้ดีกว่าระบบอัตโนมัติเต็มรูปแบบในสถานการณ์จริงที่ซับซ้อน

ความคล้ายคลึงกับเอนจินหมากรุก: มากกว่าแค่การฝึกฝน

เมื่อ Magnus Carlsen ศึกษาเอนจินหมากรุก เขาไม่ได้แค่เรียนรู้เท่านั้น—เขากำลังสร้างความสัมพันธ์แบบพึ่งพาซึ่งกันและกันที่สัญชาตญาณของมนุษย์รวมกับการคำนวณของเครื่อง แนวคิดเดียวกันนี้กำลังเกิดขึ้นในการพัฒนาซอฟต์แวร์ การอภิปรายในชุมชนเผยให้เห็นว่านักพัฒนาไม่ได้ใช้เครื่องมือ AI เป็นเพียงไม้เท้าเท่านั้น แต่พวกเขากำลังมีส่วนร่วมในการวิเคราะห์โค้ดหลังการเขียนขั้นสูงซึ่งสะท้อนให้เห็นถึงวิธีที่แกรนด์มาสเตอร์ตรวจสอบการเดินหมากที่เอนจินแนะนำ

บทสนทนาได้พัฒนาขึ้นเกินกว่าคำถามที่ว่า AI จะแทนที่นักพัฒนาหรือไม่ ไปสู่คำถามว่าการรวมกันของทั้งสองอาจสร้างบางสิ่งที่มีค่ามากกว่าผลรวมของส่วนประกอบแต่ละส่วนได้อย่างไร ดังที่ผู้แสดงความคิดเห็นหนึ่งระบุเกี่ยวกับหมากรุก: มนุษย์ที่มีประสบการณ์เมื่อใช้เอนจิน มักจะเอาชนะเอนจินตัวเดียวกันที่ขาดความช่วยเหลือจากมนุษย์ได้ บทสรุปนี้ชี้ให้เห็นว่าในขอบเขตงานที่ซับซ้อนและปลายเปิด เช่น การพัฒนาซอฟต์แวร์ การตัดสินใจของมนุษย์ที่รวมกับความสามารถของ AI อาจพิสูจน์ได้ว่าดีกว่าการใช้อย่างใดอย่างหนึ่งเพียงอย่างเดียว

การเปรียบเทียบเรตติ้งระหว่างโปรแกรมหมากรุกกับมนุษย์:

• เรตติ้งสูงสุดของ Magnus Carlsen: 2882 ELO
• เรตติ้งปัจจุบันของ Stockfish: ~3644 ELO
• เรตติ้งโดยประมาณของ Lc0/AlphaZero: ~3800 ELO หมายเหตุ: เรตติ้งของคอมพิวเตอร์เป็นเพียงการประมาณการ เนื่องจากไม่ได้แข่งขันในทัวร์นาเมนต์ของมนุษย์

เหนือกว่าระบบปิด: ความจริงของการพัฒนาที่ยุ่งเหยิง

หมากรุกเป็นตัวแทนของระบบปิดที่มีกฎเกณฑ์จำกัด ในขณะที่การพัฒนาซอฟต์แวร์มีอยู่ในโลกแห่งความจริงที่ยุ่งเหยิงซึ่งเต็มไปด้วยข้อกำหนดที่เปลี่ยนแปลงไป หนี้ทางเทคนิค และกรณีขอบที่ไม่สามารถคาดเดาได้ สมาชิกในชุมชนได้เน้นย้ำถึงความแตกต่างที่สำคัญนี้ โดยสังเกตว่าการเรียนรู้อย่างต่อเนื่องกลายเป็นสิ่งจำเป็นเมื่อการกระจายตัวในโลกจริงเปลี่ยนแปลงอยู่ตลอดเวลา

นี่คือจุดที่โมเดลเซนทอร์แสดงจุดแข็ง ในขณะที่ AI ทำได้ดีในการสร้างโค้ดอย่างรวดเร็ว มนุษย์ให้บริบทที่สำคัญเกี่ยวกับข้อกำหนดทางธุรกิจ สถาปัตยกรรมระบบ และความสามารถในการบำรุงรักษาในระยะยาว การรวมกันนี้ทำให้ทีมสามารถจัดการกับสิ่งที่นักพัฒนาคนหนึ่งเรียกว่างานผลิตภัณฑ์ที่ยุ่งเหยิง—ข้อกำหนดที่เปลี่ยนแปลงไป การบูรณาการที่ซับซ้อน และความกังวลเกี่ยวกับความรับผิดชอบ ซึ่งระบบอัตโนมัติ AI ล้วนๆ ยังคงต่อสู้ดิ้นรน

บริษัทต่างๆ ทำให้ส่วนที่เป็นสินค้าโภคภัณฑ์เป็นระบบอัตโนมัติ สำหรับงานผลิตภัณฑ์ที่ยุ่งเหยิง มนุษย์ + AI + กระบวนการที่ดี > AI อย่างเดียว

ข้อได้เปรียบหลักของการทำงานร่วมกันระหว่างมนุษย์และ AI:

• จัดการกับข้อกำหนดที่เปลี่ยนแปลงและความต้องการที่ไม่แน่นอน
• จัดการสถานการณ์การผสานรวมที่ซับซ้อน
• รับมือกับข้อพิจารณาด้านความรับผิดและความเสี่ยง
• ให้บริบททางธุรกิจและความเข้าใจผู้ใช้
• ดูแลสถาปัตยกรรมระบบและการวางแผนระยะยาว

ความเป็นจริงทางเศรษฐกิจ: ผลผลิตเทียบกับการจ้างงาน

ชุมชนไม่ได้เพิกเฉยต่อผลกระทบทางเศรษฐกิจ ผู้แสดงความคิดเห็นหลายคนชี้ให้เห็นว่าผลผลิตที่เพิ่มขึ้นไม่ได้แปลเป็นความมั่นคงในงานโดยอัตโนมัติ หากคุณทำได้มากขึ้นจากทีม 5 คน เทียบกับทีมเก่าของคุณที่มี 10 คน คุณโดยทั่วไปจะไล่คน 5 คนออก ผู้เข้าร่วมหนึ่งระบุ ซึ่งเน้นยึงถึงความเป็นไปได้ในการลดกำลังแรงงานแม้ในขณะที่ผลผลิตของแต่ละคนเพิ่มขึ้น

อย่างไรก็ตาม คนอื่นๆ แย้งว่าแผนงานการพัฒนามักจะขยายออกไปหลายปี โดยไม่มีงานที่จะทำขาดแคลน การอภิปรายสะท้อนถึงความไม่แน่นอนในวงกว้างเกี่ยวกับว่า AI จะแทนที่ผู้ทำงานเป็นหลัก หรือจะทำให้ทีมสามารถจัดการกับโครงการที่ท้าทายมากขึ้น สิ่งที่ชัดเจนคือผลกระทบทางเศรษฐกิจจะมีความซับซ้อนและมีหลายแง่มุม ไม่ใช่เพียงทางเลือกแบบไบนารีระหว่างมนุษย์กับเครื่องจักร

ปัจจัยด้านความบันเทิง: เหตุใดมนุษย์จึงยังคงสำคัญ

ประเด็นที่น่าสนใจ emerged จากการเปรียบเทียบกับหมากรุก: Magnus Carlsen ยังคงมีความเกี่ยวข้องไม่ใช่เพราะเขาเก่งกว่าเอนจินในเชิงวัตถุวิสัย แต่เป็นเพราะผู้คนต้องการดูมนุษย์แข่งขัน ดังที่ผู้แสดงความคิดเห็นหนึ่งกล่าวไว้ ไม่มีใครจ่ายเงินเพื่อดูคุณเขียนโค้ด ซึ่งเน้นย้ำถึงความแตกต่างที่สำคัญระหว่างงานบันเทิงและงานวิชาชีพ

แต่การสังเกตนี้พลาดความจริงที่ลึกซึ้งกว่า ในทั้งสองสาขา การตัดสินใจ ความคิดสร้างสรรค์ และความสามารถในการเดินทางผ่านความคลุมเครือของมนุษย์ยังคงมีคุณค่า ในขณะที่เอนจินหมากรุกสามารถคำนวณตำแหน่งได้นับล้านตำแหน่งต่อวินาที แต่พวกมันขาดความเข้าใจของมนุษย์เกี่ยวกับเรื่องราว จิตวิทยา และกลยุทธ์ระยะยาวที่ทำให้การเล่นระดับสูงน่าสนใจ ในทำนองเดียวกัน ในการพัฒนาซอฟต์แวร์ นักพัฒนามนุษย์นำมาซึ่งความเข้าใจในความต้องการของผู้ใช้ บริบททางธุรกิจ และข้อพิจารณาด้านจริยธรรมซึ่ง AI ล้วนๆ ขาดไป

การปรับระดับสนามแข่งขัน

บางที บทสรุปที่มองโลกในแง่ดีที่สุดจากการอภิปรายคือเครื่องมือ AI อาจทำให้ความเชี่ยวชาญเป็นประชาธิปไตยได้อย่างไร เช่นเดียวกับที่เอนจินหมากรุกทำให้การวิเคราะห์ระดับสูงเข้าถึงได้สำหรับผู้เล่นสมัครเล่น ผู้ช่วยการเขียนโค้ดสามารถช่วยให้นักพัฒนารุ่นเยาว์เรียนรู้รูปแบบและเทคนิคที่ก่อนหน้านี้ใช้เวลาหลายปีกว่าจะเชี่ยวชาญ นักพัฒนาคนหนึ่งอธิบายว่าสิ่งนี้คือการ กลัวน้อยลงที่จะพยายามทำสิ่งท้าทายโดยรู้ว่าพวกเขามีคู่หูที่คอยจับความผิดพลาด

นี่ไม่ได้หมายความว่าประสบการณ์จะไม่เกี่ยวข้อง—ในทางตรงกันข้าม ความสามารถในการชี้นำเครื่องมือ AI อย่างมีประสิทธิภาพ ถามคำถามที่ถูกต้อง และตรวจสอบผลลัพธ์ต้องอาศัยความเข้าใจที่ลึกซึ้ง แต่มันชี้ให้เห็นว่าอุปสรรคในการผลิตโค้ดคุณภาพสูงอาจลดลง ในขณะที่คุณค่าของการคิดเชิงกลยุทธ์และภูมิปัญญาทางสถาปัตยกรรมเพิ่มขึ้น

อนาคตของการพัฒนาซอฟต์แวร์ดูเหมือนจะมุ่งไปสู่โมเดลเซนทอร์ที่มนุษย์และ AI ร่วมมือกันมากกว่าแข่งขัน เช่นเดียวกับเอนจินหมากรุก ผู้ปฏิบัติงานที่ประสบความสำเร็จสูงสุดน่าจะเป็นผู้ที่เรียนรู้ที่จะใช้ประโยชน์จาก AI เป็นเครื่องมืออันทรงพลัง ในขณะที่ยังคงรักษาและพัฒนาความสามารถที่เป็นเอกลักษณ์ของมนุษย์ไว้ เทคโนโลยีอาจเปลี่ยนแปลง แต่ความต้องการผู้เชี่ยวชาญที่มีทักษะซึ่งสามารถเดินทางผ่านความซับซ้อนและตัดสินใจได้ยังคงอยู่

อ้างอิง: Train with coding assistants like Magnus Carlsen trains with chess engines