هل أصبح GitHub أكثر تشابهًا بعد ChatGPT؟ دراسة للشيفرات البرمجية بين عامي 2019 و2025

اختبر كاتب المادة على موقع «هابر» فرضية مفادها أن الشيفرة المفتوحة على GitHub أصبحت أكثر تماثلًا بعد ظهور ChatGPT وانتشار أدوات الذكاء الاصطناعي المخصصة للتطوير، مثل GitHub Copilot وCursor وClaude Code وWindsurf. ولهذا الغرض حلّل بيانات المنصة للفترة 2019–2025.

لماذا نفحص تماثل الشيفرة

بعد ظهور ChatGPT والانتشار الواسع لمساعدات الذكاء الاصطناعي، تسارعت وتيرة التطوير بشكل ملحوظ، إذ بات بالإمكان الحصول على الشيفرة والاختبارات وملفات README والتعليقات ودوال utility الصغيرة في ثوانٍ. غير أن لذلك جانبًا أقل وضوحًا: فإذا كان ملايين المطورين يستخدمون نماذج متشابهة وتعليمات (prompts) متشابهة، فقد تصبح الشيفرة المفتوحة أكثر تجانسًا. وهذه فرضية وليست استنتاجًا جاهزًا؛ فالكاتب نفسه يطرح السؤال بوصفه مسألة مفتوحة تحتاج إلى اختبار على بيانات حقيقية، لا بوصفه حقيقة معروفة مسبقًا.

كيف صُمّمت الدراسة

بنى الكاتب تحليله على بيانات GH Archive وBigQuery للفترة 2019–2025، فدرس رسائل الـ commit ومحتوى ملفات README وأسماء الدوال وغيرها من العناصر النصية في المستودعات. ولمقارنة الفترات المختلفة ابتكر مقياسًا خاصًا به هو GitHub Uniformity Index، يتيح تقدير مدى تشابه الشيفرة والنصوص المرافقة لها قبل الدخول الواسع لأدوات الذكاء الاصطناعي إلى التطوير وبعده.

ولم يكن اختيار النطاق الزمني 2019–2025 عشوائيًا، فهو يغطي السنوات التي سبقت ظهور ChatGPT، ولحظة إطلاقه، والسنوات اللاحقة التي انتقلت فيها مساعدات الذكاء الاصطناعي البرمجية، من GitHub Copilot إلى Cursor وClaude Code وWindsurf، من إضافات متخصصة محدودة الاستخدام إلى أداة جماهيرية للمطورين. ويتيح ذلك البحث عن اتجاه مستمر يمتد على عدة سنوات من تبنّي التقنية، لا عن قفزة منفردة في المؤشرات فحسب.

لماذا يهم هذا الشيفرة المفتوحة

إذا تأكدت الفرضية، فسيعني ذلك أن لسهولة مساعدات الذكاء الاصطناعي ثمنًا، هو تراجع تنوّع المقاربات والأساليب في المستودعات المفتوحة. وبالنسبة إلى منظومة اعتادت تاريخيًا تقدير تعدد الحلول للمسألة الواحدة، سيكون هذا الأثر إشارة مهمة إلى العواقب الجانبية لإدخال النماذج التوليدية على نطاق واسع في التطوير اليومي.

• فترة التحليل: بيانات GitHub للفترة 2019–2025
• مصادر البيانات: GH Archive وBigQuery
• يجري فحص رسائل الـ commit وملفات README وأسماء الدوال
• ابتُكر مقياس خاص هو GitHub Uniformity Index
• من أدوات الذكاء الاصطناعي المذكورة: GitHub Copilot وCursor وClaude Code وWindsurf

ما الذي يمكن قياسه فعليًا في شيفرة GitHub

يسجّل GH Archive الأحداث العامة للمنصة، من commits وpull requests وissues، بينما تتيح BigQuery تشغيل استعلامات SQL على هذه المجموعة الضخمة عبر سنوات طويلة دون الحاجة إلى تنزيل المستودعات كاملة. ويتيح هذا النهج مقارنة أسلوب كتابة الـ commits وبنية ملفات README وتسمية الدوال بين مرحلتي «قبل ChatGPT» و«بعد ChatGPT» على أحجام بيانات ذات دلالة إحصائية، لا على عيّنة من بضعة مشاريع.

ماذا يعني ذلك

لا يتعلق السؤال عن تماثل الشيفرة بالجماليات، بل بما إذا كانت الشيفرة المفتوحة تفقد تنوّع المقاربات والحلول مع ازدياد سرعة التطوير. وتوفر المنهجية القائمة على GitHub Uniformity Index أداة يمكن بها قياس هذا الأثر على بيانات حقيقية، بدل الاكتفاء بافتراضه بالتقدير الشخصي. وطرح السؤال بحد ذاته يُظهر أن النقاش حول أدوات الذكاء الاصطناعي للتطوير يتحول تدريجيًا من مجرد «أصبح أسرع» إلى الآثار الجانبية الأدق للتبنّي الواسع لهذه الأدوات.