هشدار آمازون به مهندسان؛ ارزیابی عملکرد بر اساس میزان مصرف هوش مصنوعی اشتباه است
آمازون در دستورالعمل جدید خود برای مهندسان نرمافزار، تکیه افراطی بر معیارهای مصرف هوش مصنوعی مانند تعداد توکنها یا حجم کدهای تغییریافته را نادرست و گمراهکننده دانست. این شرکت تأکید کرده است که ابزارهای هوش مصنوعی برای هر تسکی مناسب نیستند و بهرهوری واقعی باید بر اساس دستاوردها و نتایج بلندمدت سنجیده شود.

در یک نگاه (نکات کلیدی خبر)
خلاصه مهمترین نکات و تحولات این گزارش برای مطالعه سریع
- آمازون معیارهایی مانند تعداد توکنهای مصرفی و حجم کدهای تولیدشده با هوش مصنوعی را شاخصهایی گمراهکننده برای ارزیابی عملکرد مهندسان دانست.
- این غول فناوری تأکید کرده است که هوش مصنوعی برای هر کاری مناسب نیست و تشخیص بهموقع نقاط ضعف این ابزارها نشانه هوشمندی برنامهنویسان به شمار میرود.
- آمازون برای سنجش بهرهوری واقعی تیمها، بهجای مصرف بیرویه منابع به سراغ ارزیابی سرعت عرضه ویژگیهای کاربردی و تغییرات موفق در سامانهها رفته است.
آمازون در بهروزرسانی اخیر خود، دستورالعمل وظایف مهندسان توسعه نرمافزار را بازنگری کرد تا مانع از شکلگیری رفتاری شود که از آن با اصطلاح «توکنماکسینگ» (Tokenmaxxing) یا همان وابستگی افراطی به ابزارهای هوش مصنوعی بدون توجه کافی به خروجی نهایی یاد میشود.
در این یادداشت رسمی، شاخصهایی نظیر میزان مصرف توکنها، نرخ فراگیری ابزارهای هوش مصنوعی و حجم کدهای تغییریافته یا بازبینیشده، معیارهایی «شدیداً ناقص و گمراهکننده» برای سنجش کارآمدی هوش مصنوعی در تیمها و بخشهای مختلف سازمان توصیف شدهاند. آمازون هشدار داده است که تکیه بر این دادههای سطحی، هزینههای شرکت را بهشدت افزایش میدهد و امور را بیدلیل پیچیده میکند.
با این حال، آمازون از نیروهای خود نخواسته است که این معیارها را بهطور کامل نادیده بگیرند. به گفته این شرکت، میزان مصرف توکن و مقدار کد تولیدشده همچنان میتوانند بهعنوان دادههای جانبی، اما صرفاً با «دقت، هوشمندی و در کنار سایر شاخصها» مورد بررسی قرار گیرند؛ چراکه به باور مدیران شرکت، بهترین راهکار سنجش بهرهوری، تمرکز بر نتایج و دستاوردهای ملموس در درازمدت است.
در بخش دیگری از این سند تأکید شده است که هوش مصنوعی ابزار مناسبی برای تمامی امور نیست. در متن راهنما آمده است که اگر در بخشی از فعالیتها استفاده از ابزارهای فعلی هوش مصنوعی فایدهای ندارد، این مسئله یک کشف و درک منطقی تلقی میشود، نه یک شکست کاری. بنابراین مهندسی که بتواند دقیقاً توضیح دهد هوش مصنوعی در کدام بخشها کارایی لازم را ندارد، در واقع همان قضاوت و بینش درستی را نشان میدهد که سازمان از او انتظار دارد.
مارک بروکر، نایبرئیس و مهندس ارشد در بخش خدمات ابری آمازون (AWS)، اعلام کرده است که این مجموعه بهجای توجه صرف به دادههای مصرفی، شاخص «سرعت عرضه ویژگیها» (Feature Velocity) را زیر نظر میگیرد تا متوجه شود آیا هوش مصنوعی واقعاً بهرهوری توسعهدهندگان را بالا برده است یا خیر. به گفته او، این شاخص مواردی مانند تعداد دفعات استقرار موفق محصولات و حجم تغییرات پایدار در محیط عملیاتی را بهدقت اندازهگیری میکند.
بروکر این رویکرد را از منظر بازگشت سرمایه ارزیابی میکند و معتقد است نباید انرژی تیمها و توکنهای ارزشمند صرف حل مسائلی شود که اهمیتی در روند کار ندارند. با این وجود، او خاطرنشان کرد که آمازون همچنان از آزمون و خطای مهندسان استقبال میکند، زیرا پیشبینی اینکه چه مسائلی بیشترین اهمیت را در عمل دارند، همواره ساده نیست.
آمازون در این دستورالعمل تصریح کرده که هوش مصنوعی، شیوه مهندسی نرمافزار را بسیار سریعتر و بنیادینتر از امواج فناورانه گذشته، همچون رایانش ابری، میکروسرویسها و معماری بدون سرور متحول کرده است. این شرکت پیش از این همواره از گنجاندن فناوریهای مشخص در شرح وظایف مهندسان خودداری میکرد، اما پس از بحثهای فراوان میان ارشدترین مهندسان سازمان، سرانجام تصمیم گرفت تغییرات ناشی از هوش مصنوعی را بهعنوان یک استثنا به رسمیت بشناسد.
سخنگوی آمازون اعلام کرده است که مهندسان برای مصرف توکنها با محدودیت روبهرو نیستند. جالب آنکه این شرکت در ماه مه گذشته، جدول امتیازات داخلی خود را پس از پی بردن به این موضوع که برخی کارکنان صرفاً برای بالا بردن جایگاه خود در جدول دست به مصرف نمایشی توکنها میزدند، بازنشسته کرد. این یادداشت در ابتدا بهصورت درونسازمانی میان کارمندان توزیع شده بود و سپس بهطور عمومی در دسترس قرار گرفت.
برچسب های مرتبط
مطالب مرتبط و پیشنهادی

خطر ورود هوش مصنوعی به دانشگاهها؛ وقتی اتوماسیون بار اداری استادان را سنگینتر میکند
استفاده از هوش مصنوعی در دانشگاهها ممکن است بهجای کاستن از بار اداری، بوروکراسی و وظایف حاشیهای استادان را افزایش دهد. اگر این فناوری برای خودکارسازی رویههای ناکارآمد اداری به کار رود، دانشگاهها از هدف بنیادین خود یعنی پژوهش عمیق، آموزش باکیفیت و پرورش اندیشه نقادانه دور خواهند شد.

شناسایی دقیق باگهای پنهان نرمافزاری با هوش مصنوعی؛ فریمورک SemLoc ابزارهای سنتی را پشت سر گذاشت
پژوهشگران با توسعه فریمورک SemLoc راهکاری نوآورانه برای رفع یکی از بزرگترین چالشهای خطایابی نرمافزار ارائه دادهاند. این سیستم با تبدیل استدلالهای مدلهای زبانی به قیدهای اجرایی، باگهای معنایی پیچیده را با دقتی به مراتب بالاتر از روشهای کلاسیک شناسایی میکند. این دستاورد گامی ارزشمند در جهت هوشمندسازی فرایند عیبیابی و افزایش پایداری کدهای برنامهنویسی است.

فروشگاه Home Depot: ایجنتهای هوش مصنوعی قبل از خرید باید احراز هویت شوند
فروشگاه زنجیرهای Home Depot اعلام کرد از خرید خودکار توسط ایجنتهای هوش مصنوعی استقبال میکند، اما این ابزارها ابتدا باید هویت خود و کاربر واقعی را احراز کنند. این غول خردهفروشی در حال همکاری با متا برای تدوین پروتکلهای شناسایی است تا ضمن حفظ ارتباط با مشتریان وفادار، بستری امن برای نسل جدید تجارت الکترونیک فراهم آورد.
دیدگاه ها و گفتگوی تخصصی
نظرات خود را با جامعه مخاطبان وایر ای آی در میان بگذارید
هنوز دیدگاهی برای این مطلب ثبت نشده است
اولین نفری باشید که دیدگاه، تحلیل یا دیدگاه خود را درباره این موضوع با دیگران به اشتراک می گذارد.