این مقاله در مورد چگونگی تطبیق مهندسان نرمافزار با ظهور مدلهای زبانی بزرگ (LLM) و جلوگیری از جایگزین شدن صحبت میکند. این مقاله استراتژیهایی را برای کوتاهمدت، میانمدت و بلندمدت مشخص میکند.
کوتاهمدت: از هوش مصنوعی استفاده کنید و موقعیت کسب کنید
- از ابزارهای هوش مصنوعی به نفع خود استفاده کنید.
- اصول فنی پشت LLMها را درک کنید تا بتوانید در کارهای مرتبط با هوش مصنوعی شرکت کنید.
- به دنبال ارتقاء و نقشهای سطح بالاتر باشید، زیرا موقعیتهای junior بیشتر مستعد خودکار شدن هستند.
میانمدت: روی کد قدیمی تمرکز کنید
- LLMها در حال حاضر در وظایف کدنویسی تعریف شده و در مقیاس کوچک (به عنوان مثال، برنامهنویسی رقابتی) برتری دارند.
- آنها با پروژههای تعریف نشده و در مقیاس بزرگ، به ویژه پروژههایی که شامل کد قدیمی هستند، مشکل دارند.
- کدبیسهای قدیمی پیچیده، با دامنه ضعیف، تأیید آنها دشوار و بسیار بزرگ هستند.
- مهندسانی که در سیستمهای قدیمی تخصص دارند، ممکن است مسیر شغلی طولانیتری داشته باشند. این به دلیل چالشهایی است که LLMها با پنجرههای context بزرگ، ارزیابی و دسترسی به دادههای خصوصی با آن مواجه هستند.
بلندمدت: مسئولیت را بپذیرید
- مدیریت نیازمند پاسخگویی است، نه فقط تصمیمگیری خوب.
- مهندسان مورد اعتماد هستند زیرا آنها در قبال کار خود پاسخگو هستند.
- LLMها فاقد این پاسخگویی هستند و اعتماد به آنها را برای مدیران دشوار میکند.
- حتی در آیندهای که LLMها به طور گسترده مورد استفاده قرار میگیرند، مهندسان انسانی احتمالاً برای نظارت بر LLMها، ترجمه خروجی آنها به اصطلاحات قابل فهم برای انسان و پذیرش مسئولیت اقدامات آنها مورد نیاز خواهند بود. این مهندسان "نگهدارنده" آخرین کسانی خواهند بود که جایگزین میشوند.