هوش مصنوعی کد می‌نویسد، اما نمی‌داند یک محصول چه زمانی آماده است

من یک تولیدکننده اسلاید هوش مصنوعی با استفاده از Velobase Harness ساختم.

شما یک موضوع را تایپ می‌کنید و یک ارائه دریافت می‌کنید. هوش مصنوعی یک طرح کلی نوشت، اسلایدها را ساخت و یک فایل را خروجی گرفت. در یک نسخه دموی اولیه، همه چیز تمام‌شده به نظر می‌رسید.

اما تمام‌شده نبود.

آن دمو فقط ثابت می‌کرد که یک کاربر می‌تواند یک بار یک مجموعه اسلاید بسازد. یک محصول واقعی متفاوت است. محصول باید بتواند همزمان ۱۰۰ نفر را مدیریت کند. باید هزینه‌ها را به‌درستی از کاربران دریافت کند. باید در صورت شکست یک مرحله، خود را بازیابی کند. و باید یک فایل PPTX خروجی دهد که واقعاً در PowerPoint کار کند.

هوش مصنوعی این موارد را اضافه نکرد، چون من به او نگفته بودم.

وقتی با هوش مصنوعی می‌سازید، بخش سخت، توصیف ویژگی‌ها نیست؛ بخش سخت، تعریف کردن معنای «تمام‌شده» است.

من از Velobase Harness برای بخش‌های خسته‌کننده استفاده کردم:

  • احراز هویت و پرداخت‌ها (Auth and payments)
  • اعتبارها و مدیریت (Credits and admin)
  • پایگاه داده و صف‌ها (Database and queues)
  • ذخیره‌سازی اشیاء و استقرار (Object storage and deployment)

این کار به من اجازه داد تا هوش مصنوعی را فقط روی تنها بخشی که متعلق به خودم بود متمرکز کنم: تولید PPT.

در اینجا چهار تفاوت بین «تمام‌شده به نظر رسیدن» و «واقعاً تمام‌شده بودن» آورده شده است:

۱. همزمانی (Concurrency) هوش مصنوعی فکر می‌کند اگر یک بار کار کرد، یعنی کار تمام است. اما ۱۰۰ کاربر به یک خط لوله (pipeline) نیاز دارند. شما باید وظایف را به صف‌های برنامه‌ریزی، اسلاید و نهایی‌سازی تقسیم کنید. باید هر اسلاید را به عنوان یک کار (job) مجزا تولید کنید تا کارگران (workers) بتوانند مقیاس‌پذیر عمل کنند.

۲. صورت‌حساب (Billing) یک محصول واقعی به یک ماشین حالت (state machine) نیاز دارد. شما باید ابتدا اعتبارها را رزرو کنید. باید بر اساس آنچه واقعاً مصرف شده، تسویه کنید. باید در صورت شکست، مبلغ را مسترد کنید و در صورت اتمام موجودی، فرآیند را متوقف کنید.

۳. خودبازبینی (Self-review) اگر سیستمی یک وظیفه را بی‌صدا دوباره امتحان کند، کاربر فقط یک آیکون در حال چرخش (spinner) می‌بیند. برای اینکه این را به یک ویژگی تبدیل کنید، باید پیشرفت کار را نشان دهید. به کاربر نشان دهید که سیستم در حال «تولید»، «بررسی» یا «بازطراحی» است.

۴. خروجی (Export) یک اسلاید ممکن است در مرورگر عالی به نظر برسد اما در یک فایل PPTX خراب شود. الزام شما باید این باشد: خروجی باید دقیقاً با پیش‌نمایش وب مطابقت داشته باشد.

درس ساده است. هوش مصنوعی در نوشتن کد خوب است، اما نمی‌داند چه چیزی یک محصول را قابل عرضه (shippable) می‌کند. او یک دموی محلی را به عنوان یک سیستم کامل در نظر می‌گیرد.

شما باید مرزهای مهندسی و موارد شکست (failure cases) را مشخص کنید. عرضه سریع‌تر محصول از ورودی‌های دقیق‌تر حاصل می‌شود، نه از فکر کردن کمتر.

اگر چیزی را با هوش مصنوعی ساخته‌اید، سخت‌ترین شکاف بین یک دمو و یک محصول واقعی چه بود؟

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