კოგნიტური ვალი: რატომ აკრეფს დეველოპერი AI-ის კოდს ხელით
ანკურ სეთი AI-ასისტენტებს მხოლოდ ჩატში კოდის გენერირებისთვის იყენებს, ყველა ცვლილებას კი ხელით აკრეფს, რათა კოდის გაგება და კონტროლი არ დაკარგოს — ავტორის თქმით, ასე 10-ჯერ კი არა, მხოლოდ 2-ჯერ უფრო სწრაფია.
დეველოპერი ანკურ სეთი თავის ბლოგზე აღწერს სამუშაო პრაქტიკას, რომლითაც კოდირების AI-ასისტენტებს ისე იყენებს, რომ საკუთარ კოდზე კონტროლი არ დაკარგოს. ტექსტის მიხედვით, ასისტენტებს პირად პროექტებზე კვლავ იყენებს, თუმცა მთელი ფუნქციონალის ერთი მითითებით გენერირება მას უკმაყოფილებასა და დეზორიენტაციას უქმნის — სიამოვნებას მხოლოდ მოსაწყენი ნაწილების სწრაფად გადახტომა იძლევა.
პრობლემა: კოგნიტური ვალი
ავტორის თქმით, ასისტენტის თავისუფლად მუშაობის ნება მას უზარმაზარ „კოგნიტურ ვალს“ უტოვებს: შესაძლოა, ბიბლიოთეკის დოკუმენტაციის კითხვა მოსაწყენი იყოს, მაგრამ პრობლემის გადაჭრის გაგება მაინც სურს. ყველა ხაზის გადახედვა — ის, რასაც 2026 წელს დეველოპერებს ურჩევენ — მისთვისაც არ არის გამოსავალი: „რობოტები ხსნიან pull request-ებს, ადამიანები მათ ამოწმებენ. მამაცი ახალი სამყაროა“, — წერს ის და ამატებს, რომ ასეთი PR-ების გადახედვა მოსაწყენია — ზედმეტად დაცვითი, ცუდად კომენტარებული და დახვეწილად არასწორი კოდია. დამსაქმებლისთვის ეს ზოგჯერ შესაძლებელია, პირადი პროექტებისთვის კი — არასდროს, რადგან მათ უპირველეს ყოვლისა სიამოვნება უნდა მოჰქონდეთ.
განზრახ არაეფექტური მიდგომა
გამოსავალი, რომელიც მან იპოვა, თავისივე სიტყვებით „უხეშად არაეფექტური და ოდნავ კომიკურია“: ასისტენტს კოდის ჩატში გენერაციას სთხოვს, შემდეგ კი ყველა ცვლილებას ხელით შეაქვს რედაქტორში. შესაბამისი ინსტრუქციები მისი ყველა პირადი პროექტის აგენტურ ფაილებშია ჩაწერილი. ავტორის შეფასებით, ასე მუშაობს უფრო სწრაფად, ვიდრე LLM-ების გარეშე, მაგრამ ნელა მათთან შედარებით, ვინც მანქანას მთლიანად აზროვნების უფლებას აძლევს — „10-ჯერ სწრაფად ყოფნის ნაცვლად, ალბათ, მხოლოდ 2-ჯერ ვარ უფრო სწრაფი“.
სანაცვლოდ ის გაგებას იძენს. თითოეული სტრიქონის ხელით აკრეფა კოდის გონებრივ მოდელს აგებს — როგორ ჯდება ის არსებულ კოდურ ბაზაში; გაუგებარ API-ზე ან ალგორითმზე კი ჩერდება და სწავლობს. აკრეფა აიძულებს შეანელოს, ამიტომ უფრო ადვილად ამჩნევს ჰალუცინაციებსა და ცუდ არქიტექტურულ გადაწყვეტილებებს; კოდს გზადაგზა ალაგებს, არეფაქტორებს და კომენტარებს უმატებს. ყველაზე მნიშვნელოვანი ისაა, რომ ასე მას კოდური ბაზის „სივრცითი რუკა“ ექმნება — იცის, სად რომელი ფუნქციონალი ცხოვრობს, რაც მომავალში ასისტენტისთვის უფრო ზუსტი მითითებების მიცემასაც უწყობს ხელს.
რატომ აქვს ამას მნიშვნელობა
ავტორი ამ მიდგომას პროგრამირების სწავლის კლასიკურ რჩევას ადარებს — „არასდროს დააკოპირე კოდი, ხელით აკრიფე, რომ გაიგო“: წიგნებიდან თუ ბლოგებიდან მაგალითები ხელით გადაწერე და შენს კოდს მოარგე. „შესაძლოა, ეს LLM-თან მუშაობის ყველაზე ეფექტური გზა არ არის, მაგრამ პროდუქტიულობაზე მეტად გაგებას ვაფასებ“, — წერს ის და აღნიშნავს, რომ ამ პრაქტიკას რამდენიმე თვეა იყენებს და გააგრძელებს. მისი შეშფოთებით, ინდუსტრია დიდ კოგნიტურ ვალს იღებს, რომლის გადახდაც მალე მოუწევს: დადგება დრო, როცა ვეღარ გავიგებთ, როგორაა აწყობილი ჩვენი ციფრული ინფრასტრუქტურის დიდი ნაწილი.
SiTech — AI-გაძლიერებული ვებ დეველოპმენტი
ვქმნით სწრაფ, თანამედროვე ვებსაიტებს და AI-ს ვაერთიანებთ ქართული ბიზნესებისთვის. გაქვთ პროექტი ან კითხვა? სიამოვნებით დაგეხმარებით.