MATLABTIPS Telegram 1761
🔵برنامه نویسی در عصر ایجنت ها🔵

برای مدتی است که از مدل های زبانی بزرگ و همچنین «ایجنت» (agent) ها استفاده میکنم و این نوشتار را بهانه ای کردم برای خلاصه کردن برخی تجربیات شخصیم. تبلیغات کنونی آینده ی تاریکی را برای برنامه نویسان متصور هستند چرا که برخلاف آنچه تصور میشد نوشتن کد فرآیند تکراری است که به راحتی توسط ماشین یاد گرفته می شود. بخصوص اینکه چنین سیستم هایی تمام ارتباطات نرم افزاری، الگوریتم های برنامه سازی و حتی سخت افزار و فراتر از آن را در خود دارند. خود این سیستم ها حتی گاهی کد می نویسند تا بعضی از کارهای خودشان را انجام دهند. به طور مثال اگر بخشی از پاسخ به یک ورودی مشخص نیازمند یک محاسبه ی دقیق باشد مدل کدی می نویسد که آن را محاسبه کند. برنامه نویسی وارد دوره ی جدیدی می شود و به همین دلیل برنامه نویسان باید استراتژی های خود را تغییر دهند. البته هیچ شکی وجود ندارد که بخش زیادی از برنامه نویسانی که به شیوه های سنتی ادامه می دهند در نهایت از چرخه حذف می شوند. اما ویژگی های این دوران جدید چیست؟

اولین ویژگی برنامه نویسی با استفاده از یک کمک مانند یک ایجنت این است که شما را از سطح کد بیرون آورده و به سطح جدیدی وارد می کند که گاهی به کنایه به آن «وایب کدینگ» (vibe coding) گفته می شود. در این سطح جدید شما درگیر مسائل با درجه ی انتزاع پایین تر مانند مرتب کردن یک لیست نیستید بلکه به رابطه ها در سطح بالاتری نگاه می کنید مثلا شما ممکن است نیازمند یک کلاس باشید که تمام فایلاهای با فرمت مشخص را خوانده و آن را در یک پایگاه داده ذخیره کند. در این روش جدید جزییات آن کار انتزاعی اهمیتی ندارد چرا که مسائلی مشابه این بارها قبل توسط برنامه نویسان انجام شده مدل آن را «می داند». اما دقت کنید که این بدان معنی نیست که برنامه نویس نیاز به برنامه ریزی (planning)، بهینه سازی (optimization) و سازماندهی ندارد! این سازماندهی سطح بالاتر چیزی است که مدل به تنهایی قادر به انجام آن نیست! به همین دلیل هم مدل های کنونی می توانند معمولا برنامه های کوچک را به صورت کامل تنها با یک دستور بسازند اما به محض اینکه قدری برنامه بزرگ تر می شود یا مشخصات ان تغییر میکند، دچار مشکلات جدی می شوند.

دومین ویژگی برنامه نویسی با ایجنت ها وارد شدن به عصری است که در آن به تدریج کدهای ما به ترکیبی از زبان دقیق برنامه نویسی و زبان احتمالاتی (و مبهم) متنی تبدیل می شود. امروزه ما هر چه بیشتر از مدل هایی استفاده می کنیم که یک تابع بسیار پیچیده را محاسبه می کنند. مثلا یک بخش کد می تواند اطلاعات مربوط به پرواز را از یک ورودی متنی بدون هیچ فرمت مشخصی استخراج کرده و به سیستم دیگری پاس دهد که بتواند پراوز را رزرو کند! این ارتباط رفت و برگشتی بین «کد» و «مدل» (یا کد احتمالاتی) مشخصه ی نرم افزار های آینده هستند.

اما چنین تغییری موضوع جدیدی نیست: در ابتدای ساختن کامپیوتر ها پانچ کارت ها تنها راه ارتباط با کامپیوتر بود بعد ها این به زبان اسمبلی و ماشین و بعد ها به زبان های سطح پایین و در نهایت به زبان های سطح بالاتر که حاوی مفاهیمی چون «کلاس»، «وراثت» (inheritance) و چند ریختی (polymorphism) هستند منجر شد. انتزاعات کنونی به سطحی آمده است که زبان روزمره هم در آن دخیل شده است اما این بدان معنی نیست که می توان «شعر» را وارد کد کرد! چگونه این زبان جدید و دورگه را باید یاد گرفت؟ اگر دیگر روش های سنتی برای یادگیری برنامه نویسی جواب نمی دهد چه باید کرد؟ بنظر می رسد که نیاز به یادگیری پایه های محاسبه هرگز از بین نمیرود یا ارزش آن کم نخواهد شد با این حال تمرکز بیشتر برنامه نویسان اینده و زمان آن ها صرف مسائل مهم تری مانند مدل سازی می شود. به طور مثال شروع کردن از مدل های ساده و ساختن نرم افزار نیازمند درک دقیق ارتباط ها و نحوه ی رشد دادن آن است. نباید فراموش کنیم که مدل های زبانی معجزه نمی کنند! شما نمی توانید بنویسید یک نرم افزار شبیه فوتوشاپ بساز و مدل برای شما ده هزار خط منطقی و منسجم بنویسد! چنین کاری حداقل بسیار فراتر از تکنولوژی کنونی است. اگر شما ابزارتان را از اره به اره برقی تغییر بدهید یکدفعه یک ساختمان را برای شما درست نمی کند ولی با این حال ساختن چنین ساختمانی را سریع تر، لذت بخش تر کرده و شاید حتی فضای بیشتری برای خلاقیت به شما بدهد.

برنامه نویسان بیشتر از هر زمان دیگری نیاز دارند که به نیاز ها و فرآیند های بزرگ دقت بیشتری کنند یا قوانین و علوم را بهتر بشناسند! چنین ویژگی قدرت بیان دقیق تری به ان ها می دهد که ابزارهای هوش مصنوعی را به جای یک دشمن به یک دوست تبدیل می کند!



tgoop.com/matlabtips/1761
Create:
Last Update:

🔵برنامه نویسی در عصر ایجنت ها🔵

برای مدتی است که از مدل های زبانی بزرگ و همچنین «ایجنت» (agent) ها استفاده میکنم و این نوشتار را بهانه ای کردم برای خلاصه کردن برخی تجربیات شخصیم. تبلیغات کنونی آینده ی تاریکی را برای برنامه نویسان متصور هستند چرا که برخلاف آنچه تصور میشد نوشتن کد فرآیند تکراری است که به راحتی توسط ماشین یاد گرفته می شود. بخصوص اینکه چنین سیستم هایی تمام ارتباطات نرم افزاری، الگوریتم های برنامه سازی و حتی سخت افزار و فراتر از آن را در خود دارند. خود این سیستم ها حتی گاهی کد می نویسند تا بعضی از کارهای خودشان را انجام دهند. به طور مثال اگر بخشی از پاسخ به یک ورودی مشخص نیازمند یک محاسبه ی دقیق باشد مدل کدی می نویسد که آن را محاسبه کند. برنامه نویسی وارد دوره ی جدیدی می شود و به همین دلیل برنامه نویسان باید استراتژی های خود را تغییر دهند. البته هیچ شکی وجود ندارد که بخش زیادی از برنامه نویسانی که به شیوه های سنتی ادامه می دهند در نهایت از چرخه حذف می شوند. اما ویژگی های این دوران جدید چیست؟

اولین ویژگی برنامه نویسی با استفاده از یک کمک مانند یک ایجنت این است که شما را از سطح کد بیرون آورده و به سطح جدیدی وارد می کند که گاهی به کنایه به آن «وایب کدینگ» (vibe coding) گفته می شود. در این سطح جدید شما درگیر مسائل با درجه ی انتزاع پایین تر مانند مرتب کردن یک لیست نیستید بلکه به رابطه ها در سطح بالاتری نگاه می کنید مثلا شما ممکن است نیازمند یک کلاس باشید که تمام فایلاهای با فرمت مشخص را خوانده و آن را در یک پایگاه داده ذخیره کند. در این روش جدید جزییات آن کار انتزاعی اهمیتی ندارد چرا که مسائلی مشابه این بارها قبل توسط برنامه نویسان انجام شده مدل آن را «می داند». اما دقت کنید که این بدان معنی نیست که برنامه نویس نیاز به برنامه ریزی (planning)، بهینه سازی (optimization) و سازماندهی ندارد! این سازماندهی سطح بالاتر چیزی است که مدل به تنهایی قادر به انجام آن نیست! به همین دلیل هم مدل های کنونی می توانند معمولا برنامه های کوچک را به صورت کامل تنها با یک دستور بسازند اما به محض اینکه قدری برنامه بزرگ تر می شود یا مشخصات ان تغییر میکند، دچار مشکلات جدی می شوند.

دومین ویژگی برنامه نویسی با ایجنت ها وارد شدن به عصری است که در آن به تدریج کدهای ما به ترکیبی از زبان دقیق برنامه نویسی و زبان احتمالاتی (و مبهم) متنی تبدیل می شود. امروزه ما هر چه بیشتر از مدل هایی استفاده می کنیم که یک تابع بسیار پیچیده را محاسبه می کنند. مثلا یک بخش کد می تواند اطلاعات مربوط به پرواز را از یک ورودی متنی بدون هیچ فرمت مشخصی استخراج کرده و به سیستم دیگری پاس دهد که بتواند پراوز را رزرو کند! این ارتباط رفت و برگشتی بین «کد» و «مدل» (یا کد احتمالاتی) مشخصه ی نرم افزار های آینده هستند.

اما چنین تغییری موضوع جدیدی نیست: در ابتدای ساختن کامپیوتر ها پانچ کارت ها تنها راه ارتباط با کامپیوتر بود بعد ها این به زبان اسمبلی و ماشین و بعد ها به زبان های سطح پایین و در نهایت به زبان های سطح بالاتر که حاوی مفاهیمی چون «کلاس»، «وراثت» (inheritance) و چند ریختی (polymorphism) هستند منجر شد. انتزاعات کنونی به سطحی آمده است که زبان روزمره هم در آن دخیل شده است اما این بدان معنی نیست که می توان «شعر» را وارد کد کرد! چگونه این زبان جدید و دورگه را باید یاد گرفت؟ اگر دیگر روش های سنتی برای یادگیری برنامه نویسی جواب نمی دهد چه باید کرد؟ بنظر می رسد که نیاز به یادگیری پایه های محاسبه هرگز از بین نمیرود یا ارزش آن کم نخواهد شد با این حال تمرکز بیشتر برنامه نویسان اینده و زمان آن ها صرف مسائل مهم تری مانند مدل سازی می شود. به طور مثال شروع کردن از مدل های ساده و ساختن نرم افزار نیازمند درک دقیق ارتباط ها و نحوه ی رشد دادن آن است. نباید فراموش کنیم که مدل های زبانی معجزه نمی کنند! شما نمی توانید بنویسید یک نرم افزار شبیه فوتوشاپ بساز و مدل برای شما ده هزار خط منطقی و منسجم بنویسد! چنین کاری حداقل بسیار فراتر از تکنولوژی کنونی است. اگر شما ابزارتان را از اره به اره برقی تغییر بدهید یکدفعه یک ساختمان را برای شما درست نمی کند ولی با این حال ساختن چنین ساختمانی را سریع تر، لذت بخش تر کرده و شاید حتی فضای بیشتری برای خلاقیت به شما بدهد.

برنامه نویسان بیشتر از هر زمان دیگری نیاز دارند که به نیاز ها و فرآیند های بزرگ دقت بیشتری کنند یا قوانین و علوم را بهتر بشناسند! چنین ویژگی قدرت بیان دقیق تری به ان ها می دهد که ابزارهای هوش مصنوعی را به جای یک دشمن به یک دوست تبدیل می کند!

BY MatlabTips


Share with your friend now:
tgoop.com/matlabtips/1761

View MORE
Open in Telegram


Telegram News

Date: |

During a meeting with the president of the Supreme Electoral Court (TSE) on June 6, Telegram's Vice President Ilya Perekopsky announced the initiatives. According to the executive, Brazil is the first country in the world where Telegram is introducing the features, which could be expanded to other countries facing threats to democracy through the dissemination of false content. Earlier, crypto enthusiasts had created a self-described “meme app” dubbed “gm” app wherein users would greet each other with “gm” or “good morning” messages. However, in September 2021, the gm app was down after a hacker reportedly gained access to the user data. To upload a logo, click the Menu icon and select “Manage Channel.” In a new window, hit the Camera icon. The Standard Channel In 2018, Telegram’s audience reached 200 million people, with 500,000 new users joining the messenger every day. It was launched for iOS on 14 August 2013 and Android on 20 October 2013.
from us


Telegram MatlabTips
FROM American