الذكاء الاصطناعي يكتب الكود، لكنه لا يعرف متى يكون المنتج جاهزاً
لقد قمت ببناء مولد شرائح مدعوم بالذكاء الاصطناعي باستخدام Velobase Harness.
تكتب موضوعاً وتحصل على عرض تقديمي. قام الذكاء الاصطناعي بكتابة المخطط التفصيلي، وإنشاء الشرائح، وتصدير ملف. في العرض التجريبي (demo)، بدا الأمر وكأنه مكتمل.
لم يكن مكتملاً.
أثبت العرض التجريبي فقط أن مستخدماً واحداً يمكنه إنشاء عرض واحد لمرة واحدة. المنتج الحقيقي مختلف؛ إذ يجب أن يتعامل مع 100 شخص في وقت واحد، ويجب أن يحاسب المستخدمين بشكل صحيح، ويجب أن يستعيد العمل عند فشل إحدى الخطوات، ويجب أن يصدر ملف PPTX يعمل فعلياً في PowerPoint.
لم يضف الذكاء الاصطناعي هذه الأشياء لأنني لم أطلب منه ذلك.
عندما تبني باستخدام الذكاء الاصطناعي، فإن الجزء الصعب ليس وصف الميزة، بل الجزء الصعب هو تحديد معنى كلمة "مكتمل".
استخدمت Velobase Harness للأجزاء المملة:
- المصادقة والمدفوعات (Auth and payments)
- الرصيد والإدارة (Credits and admin)
- قواعد البيانات والطوابير (Database and queues)
- تخزين الكائنات والنشر (Object storage and deployment)
سمح لي هذا بتركيز الذكاء الاصطناعي على الجزء الوحيد الذي يخصني: إنشاء الـ PPT.
إليك أربع طرق يختلف بها "يبدو مكتملاً" عن "هو مكتمل بالفعل":
التزامن (Concurrency) يعتقد الذكاء الاصطناعي أنه إذا عمل الأمر مرة واحدة، فقد اكتمل. لكن 100 مستخدم يحتاجون إلى مسار عمل (pipeline). يجب عليك تقسيم المهام إلى طوابير: التخطيط، والشرائح، والإنهاء. يجب عليك إنشاء كل شريحة كمهمة مستقلة حتى يتمكن العمال (workers) من التوسع.
الفوترة (Billing) يحتاج المنتج الحقيقي إلى آلة حالة (state machine). يجب عليك حجز الرصيد أولاً، ثم تسوية المبلغ بناءً على ما تم إنفاقه بالفعل، وإعادة المبلغ في حالة الفشل، وإيقاف الخدمة عند نفاد الرصيد.
المراجعة الذاتية (Self-review) إذا قام النظام بإعادة محاولة المهمة بصمت، فسيشاهد المستخدم أيقونة التحميل (spinner) فقط. لجعل هذا ميزة، يجب عليك إظهار التقدم؛ أظهر للمستخدم متى يكون النظام في حالة "جاري الإنشاء"، أو "جاري التحقق"، أو "جاري إعادة الرسم".
التصدير (Export) قد تبدو الشريحة مثالية في المتصفح ولكنها تتعطل في ملف PPTX. يجب أن يكون مطلبك هو: يجب أن يتطابق التصدير مع المعاينة على الويب.
الدرس بسيط. الذكاء الاصطناعي بارع في كتابة الكود، لكنه لا يعرف ما الذي يجعل المنتج قابلاً للإطلاق (shippable). إنه يعامل العرض التجريبي المحلي وكأنه نظام متكامل.
يجب عليك تحديد الحدود الهندسية وحالات الفشل. السرعة في الإطلاق تأتي من مدخلات أكثر دقة، وليس من تفكير أقل.
إذا قمت ببناء شيء ما باستخدام الذكاء الاصطناعي، فما هي أصعب فجوة واجهتها بين العرض التجريبي والمنتج الحقيقي؟
Source: https://dev.to/velobasex/ai-can-write-the-code-it-cant-tell-you-when-the-product-is-done-4oh6
Optional learning community: https://t.me/GyaanSetuAi