هوش مصنوعی سرعت برنامه‌نویسی را دو برابر کرده، اما پروژه‌های متن‌باز را غرق کدهای زباله می‌کند

بر اساس نظرسنجی جدید بنیاد لینوکس، هوش مصنوعی مولد هرچند زمان توسعه‌دهندگان متن‌باز را برای نوشتن کد ذخیره می‌کند، اما هم‌زمان کوهی از محتوای بی‌کیفیت و زباله را پیش روی مدیران و نگهدارندگان پروژه‌ها قرار داده تا میان آن‌ها غربالگری کنند.

پاسخ‌دهندگان به این نظرسنجی برآورد کرده‌اند که حدود یک‌چهارم (۲۵ درصد) از پول ریکوئست‌های دریافتی (پیشنهادهای تغییر و اصلاح کد)، در دسته «کدهای زباله هوش مصنوعی» (AI slop) با کیفیت بسیار پایین قرار می‌گیرند.

پروژه‌های متن‌باز طی یک سال گذشته به‌شدت با پیامدهای مشارکت‌های مبتنی بر هوش مصنوعی دست‌به‌گریبان بوده‌اند؛ پیامدهایی که ترکیبی از کشف آسیب‌پذیری‌های مفید، هشدارهای اشتباه و کاذب (False Positives) و گزارش‌های تکراری و بی‌حاصل را در بر می‌گیرد. لینوس توروالدز، خالق لینوکس، هرچند نگاه مثبت‌تری نسبت به این ابزارها پیدا کرده، اما همچنان منتقد جدی کدهای ارسالی بی‌کیفیت است.

بنیاد لینوکس در گزارش تحلیلی خود تأکید می‌کند که پروژه‌ها برای مدیریت این هجوم فزاینده، به سیاست‌گذاری‌های شفاف‌تر و ابزارهای قدرتمندتری نیاز دارند.

نزدیک به سه‌چهارم نگهدارندگان پروژه‌ها (۷۱ درصد) معتقدند هوش مصنوعی مولد موانع ورود و مشارکت در پروژه‌های متن‌باز را کاهش داده است؛ با این حال، بیش از نیمی از آن‌ها (۵۳ درصد) باور ندارند که این فناوری باعث افزایش اعتماد در جامعه توسعه‌دهندگان شده باشد. پاسخ‌دهندگان تخمین می‌زنند که هوش مصنوعی زمان لازم برای نوشتن کد را به‌طور میانگین ۵۲ درصد کاهش داده است، اما در وظایف بسیار پیچیده، ۲۱ درصد اعلام کرده‌اند که تکمیل کار حتی زمان بیشتری برده است.

مسئله مهم دیگر، بحث حاکمیت و چارچوب‌های مدیریتی است. در حال حاضر تنها ۳۵ درصد از پروژه‌ها سیاست رسمی مشخصی برای مجاز شمردن استفاده از هوش مصنوعی تدوین کرده‌اند، در حالی که ۳۲ درصد هیچ سازوکاری ندارند و برنامه‌ای هم برای تدوین آن تعریف نکرده‌اند؛ وضعیتی که انتظارات را در بخش بزرگی از این جامعه نامشخص و مبهم باقی گذاشته است.

هیلاری کارتر، نایب‌رئیس ارشد بخش تحقیقات در بنیاد لینوکس، در این خصوص می‌گوید: «پروژه‌های متن‌باز باید ساختار خود را متناسب با پایگاه رو‌به‌رشد مشارکت‌کنندگان هوش مصنوعی بازطراحی کنند، نه اینکه صرفاً نقشی منفعل و واکنشی داشته باشند. این امر مستلزم تعیین انتظارات شفاف از هوش مصنوعی مولد، واگذاری مسئولیت تست و افشای کدهای تولیدشده به دوش مشارکت‌کنندگان، و در اختیار گذاشتن ابزارهای کارآمدتر برای مدیران پروژه‌ها جهت پالایش پول ریکوئست‌های دریافتی است.»

در پروژه‌های بزرگ متن‌باز، اوضاع حتی نگران‌کننده‌تر است؛ سهم تخمینی پول ریکوئست‌هایی که به‌عنوان کدهای بی‌ارزش و زباله هوش مصنوعی دسته‌بندی می‌شوند، در این پروژه‌ها به ۳۱ درصد می‌رسد.

بار کاری تحمیل‌شده فراتر از تغییرات ساده کد است. برای مثال، دست‌اندرکاران پروژه curl اعلام کردند برای محافظت از تیم امنیتی خود در برابر هجوم گزارش‌های تولیدشده توسط ابزارهای هوش مصنوعی، رسیدگی به باگ‌ها و آسیب‌پذیری‌های با شدت کم و متوسط را به دید عموم منتقل می‌کنند؛ چراکه این تیم تخصصی زیر فشار سنگین گزارش‌ها عملاً از پا درآمده بود.

دنیل استنبرگ، مدیر و نگهدارنده اصلی پروژه curl، در این زمینه گفت: «ما در این پروژه در تنگنای شدیدی قرار گرفته‌ایم؛ همه افراد کلیدی و مدیران پروژه احساس خستگی مفرط و فرسودگی دارند و فشار کاری، توان ما را به مرز انفجار رسانده است.»

کارتر درباره ضرورت تجهیز مدیران پروژه‌ها به ابزارهای مناسب‌تر افزود: «اگر این اصول بنیادین را به‌درستی پیاده کنیم، هوش مصنوعی می‌تواند بدون اینکه بار مضاعف و هزینه‌های طاقت‌فرسایی به نگهدارندگان تحمیل کند، دامنه مشارکت‌ها را گسترش دهد.»