الكود الذي لن يكتبه الذكاء الاصطناعي

أستخدم التحقق من صحة النماذج (form validation) كسؤال في المقابلات التقنية. يبدو الأمر بسيطًا، لكن الطريقة التي يحل بها الأشخاص هذا السؤال تظهر كيفية تفكيرهم.

اختبرت هذه المشكلة على Claude وChatGPT وGemini، وجميعهم توصلوا إلى الحل نفسه.

يستخدم معظم الناس إحدى ثلاث طرق لحلها:

اختارت نماذج الذكاء الاصطناعي جميعها نهج المخطط (schema approach). إنه نهج سليم تقنيًا؛ فهو يتعامل مع المفاتيح المفقودة، ويتوسع بشكل جيد. وإذا تغيرت بياناتك أثناء وقت التشغيل (runtime)، فإن المخطط هو الخيار الصحيح.

ولكن هناك طريقة أفضل لمعظم البرمجيات.

بدلاً من محاولة إيجاد نمط واحد لكل شيء، استخدم "التركيب" (composition). امنح كل مفهوم تجاري دالته الخاصة.

هذا النهج لا يستخدم التكرار (recursion)، ولا يستخدم مخططًا (schema)، بل يستخدم دوالًا واضحة ومنفصلة.

الفائدة بسيطة: الكود يعكس طبيعة العمل. عنوان الفواتير هو مفهوم متميز، ويستحق منطقًا خاصًا به. عندما تضيف نوعًا جديدًا، فلن تحتاج إلى تغيير دالة موجودة بالفعل، بل ستضيف دالة جديدة، مما يحافظ على حصر التغييرات في نطاقها المحلي.

نادرًا ما يختار الذكاء الاصطناعي هذا المسار؛ فهو يختار النمط الذي يمركز المنطق (centralizes logic). تعليمنا يعلمنا القضاء على التكرار والتعميم، والذكاء الاصطناعي يتعلم من تلك الثقافة.

الذكاء الاصطناعي لا يفشل، بل يتبع ببساطة نفس الغرائز الهندسية التي علمناها إياه.

الحل الأفضل ليس هو الحل الذي يحتوي على أقل عدد من أسطر الكود، بل هو الحل الذي يعكس مجال عملك (business domain) بأكبر قدر من الدقة والصدق.

في المرة القادمة التي تبني فيها حلاً، اسأل نفسك سؤالًا واحدًا:

هل هذا التباين في الكود الخاص بي، أم في البيانات؟

الإجابة ستغير تصميمك بالكامل.

المصدر: https://dev.to/iceonfire/the-code-ai-wont-write-1ieb