إغراء إعادة توليد العالم
يستطيع مساعدو البرمجة بالذكاء الاصطناعي إنتاج وحدة مصادقة عاملة، أو طابور مهام، أو مكتبة رسوم بيانية في دقائق. وهذا أمر مثير للإعجاب، لكنه يولّد إغراءً خفيًا: لماذا نعتمد على مشروع خارجي ما دام المساعد قادرًا على كتابة واحد لك؟
والجواب أن كتابة الشيفرة لم تكن يومًا الجزء المكلف، بل صيانتها. فالمشروع مفتوح المصدر الناضج يحمل سنوات من إصلاح الأخطاء، ومراجعات الأمان، والحالات الحدّية التي اكتشفها آلاف المستخدمين، ومجتمعًا يحافظ على حداثته. أما البديل المولَّد حديثًا فلا يحمل شيئًا من ذلك. يبدو مكتملًا وهو ليس كذلك.
وثمة تكلفة أدق أيضًا. فكل مكوّن تكتبه المؤسسة لنفسها هو عبء إضافي يتعين على موظفيها فهمه وتأمينه وترقيته طوال مدة تشغيله. وإذا ضاعفت ذلك عبر البيئة التقنية بأكملها، يتحول التوفير الناتج عن عدم اعتماد مكوّن خارجي إلى ضريبة دائمة على وقت المهندسين.
ما تقدمه المصادر المفتوحة ولا يقدمه التوليد
عندما تعتمد مشروعًا مفتوح المصدر حسن الإدارة، فإنك ترث أكثر من الشيفرة. ترث اختباراته ووثائقه وآلية الإفصاح عن الثغرات الأمنية ومسار ترقيته. ويمكنك توظيف أشخاص يعرفونه مسبقًا. ويمكنك قراءة سجل المشكلات فيه لترى كيف يخفق. وعند اكتشاف ثغرة، يصل التصحيح عادةً إلى الجميع في وقت واحد.
للشيفرة المولَّدة سمات مختلفة. فلا أحد غيرك يشغّلها، ولذلك لا أحد غيرك يكتشف أخطاءها. وقد يكون مصدرها غير واضح، وهذا مهم للامتثال للتراخيص. كما أنها تميل إلى التكاثر: عشرة فرق تولّد عشر نسخ مختلفة قليلًا من الأداة المساعدة نفسها، وهو عبء صيانة يتنامى بصمت لسنوات.
حيث يساعد الذكاء الاصطناعي فعلًا
لا شيء من هذا يقلل من فائدة الذكاء الاصطناعي، بل يجعل الهدف أوضح. فأفضل الاستخدامات التي نراها توظّف الذكاء الاصطناعي في العمل ضمن منظومة المصادر المفتوحة لا للالتفاف عليها:
كل استخدام من هذه الاستخدامات يجعل المكوّنات مفتوحة المصدر التي تعتمد عليها أسهل في الاعتماد وأكثر أمانًا في التشغيل. ولا يتطلب أيٌّ منها التظاهر بأن بضع مئات من الأسطر المولَّدة تعادل مشروعًا وراءه سنوات من الاستخدام في بيئات الإنتاج.
- فهم مشروع غير مألوف بسرعة عبر طرح الأسئلة على شيفرته ووثائقه.
- كتابة شيفرة التكامل والربط بين المكوّنات المُجرَّبة، وهي شيفرة خاصة بك.
- توليد الاختبارات، ولا سيما للحالات الحدّية والحالات القريبة من المطابقة التي يميل البشر إلى إغفالها.
- صياغة مسودات الوثائق وأدلة التشغيل للمنصة التي تسلّمها.
- إعداد المساهمات للمشاريع الأصلية، بحيث يعود الإصلاح الذي تحتاجه بالنفع على الجميع.
المساهمة في المشاريع الأصلية
النقطة الأخيرة تستحق التأكيد. فالذكاء الاصطناعي يخفض تكلفة المساهمة الجيدة: إعادة إنتاج الخطأ، وكتابة تصحيح نظيف، وإضافة اختبار، وشرح التغيير. والمؤسسات التي تستخدم الذكاء الاصطناعي للإبقاء على نسخ متفرعة خاصة تنفق هذه الميزة على تقييد أنفسها بأنفسها. أما المؤسسات التي تستخدمه للمساهمة في المشاريع الأصلية فتنفقها على منظومة أكثر صحة تعتمد عليها هي أيضًا.
ومع ذلك، ينبغي أن يراجع المساهماتِ ويتحمل مسؤوليتها شخصٌ يفهمها. فالقائمون على صيانة المشاريع محقّون في حذرهم من التصحيحات الكبيرة غير المشروحة والمولَّدة آليًا. أما التغيير الصغير المختبَر جيدًا والمصحوب بشرح واضح فهو مُرحَّب به في أي مشروع تقريبًا، أيًّا كان من صاغه.
قاعدة عملية بسيطة
قبل توليد أي مكوّن، اسأل نفسك ما إذا كان هناك مشروع مفتوح المصدر تجري صيانته يؤدي المهمة بالفعل. فإن وُجد، فاعتمده واستخدم الذكاء الاصطناعي لدمجه جيدًا. وإن لم يوجد، أو كان الموجود لا يناسب، فذلك مؤشر على أنك ربما تعمل على شيء جديد حقًا، وهنا تحديدًا ينبغي أن يُوجَّه جهدك وأدوات الذكاء الاصطناعي لديك.
برمج لتبتكر، لا لتعيد الإنشاء. لطالما كانت روح الحوسبة المفتوحة قائمة على البناء على عمل الآخرين. والذكاء الاصطناعي، حين يُحسن استخدامه، يجعل ذلك أيسر من أي وقت مضى.
يُشكّل هذا المبدأ أيضًا طريقة بنائنا للمنصات. فالمكوّنات التي نسلّمها مشاريع مفتوحة المصدر راسخة حيثما وُجد ما يناسب، تربط بينها شيفرة تكامل وقواعد ووثائق يمتلكها العميل. ويُسرّع الذكاء الاصطناعي أعمال الربط هذه كثيرًا، ويبقى لدى العميل برمجيات يستطيع فريقه، أو أي فريق آخر، فهمها.