لماذا لا تكمن ثورة الذكاء الاصطناعي الكبرى في الشيفرة البرمجية، بل في اللغة

يقترح كاتب المقال على Habr ألا نبحث عن التحول التقني المرتبط بالذكاء الاصطناعي في جودة الشيفرة المولّدة ولا في المقارنة بين النماذج. فبرأيه، يكمن المنعطف الرئيسي في مكان آخر: للمرة الأولى بدأ الحاسوب يتكيّف مع لغة الإنسان الطبيعية، لا العكس.

من يتكيّف مع من

يذكّر الكاتب بأن تاريخ الحوسبة كله قام على مخطط واحد: الإنسان يتعلّم لغة الآلة. بدأ الأمر بالشيفرات الآلية ولغة التجميع (Assembler)، ثم جاءت اللغات عالية المستوى والمكتبات والواجهات والأطر البرمجية. وخفّضت كل مرحلة عتبة الدخول، لكن المبدأ لم يتغيّر: للحصول على نتيجة، كان لا بد من تحويل القصد إلى صيغة يفهمها الحاسوب دون لبس. وعلى هذا قامت مهنة المبرمج: على القدرة على تحويل مهمة بشرية إلى مجموعة من التعليمات الصورية.

ومع ظهور نماذج LLM الحديثة، ينقلب هذا المنطق للمرة الأولى، بحسب الكاتب. فبات بإمكان المستخدم أن يشرح المهمة بلغة عادية، وأن يناقش النموذج، ويوضّح المتطلبات، ويحصل على نتيجة عاملة دون الغوص المباشر في قواعد الصياغة البرمجية. وهذا ليس مجرد واجهة أكثر راحة، ولا خطوة أخرى في الأتمتة. بل هو تغيّر في النموذج الأساسي للتفاعل: صار على الآلة، لا على الإنسان، أن تتكيّف في أغلب الأحيان.

«الآلة تحدّثت بلغة الإنسان».

أسلوب جديد في البرمجة

ومن هذا الاستنتاج تنشأ فكرة أكثر صرامة: الحوار مع الذكاء الاصطناعي هو بالفعل شكل من أشكال البرمجة، لكن باللغة الطبيعية. فإذا كانت الأوامر تُكتب سابقًا بلغات Python وSQL وJavaScript، فقد انتقل الآن جزء كبير من العمل إلى صياغة القصد والقيود ومعايير الجودة. ما زال المستخدم يضع منظومة قواعد، لكنه لا يفعل ذلك عبر صياغة برمجية صارمة، بل عبر تعليمات ذات معنى. ولذلك لم تعد مهارة التحدث مع النموذج ميزة تجميلية، بل صارت أداة إنتاجية.

يتطلب هذا الأسلوب في العمل انضباطًا لا إلهامًا. فالمهم هنا ليس القدرة على إطلاق موجّه (prompt) لافت، بل القدرة على هيكلة المهمة خطوة بخطوة، والاحتفاظ بالهدف والقيود ومعايير الجودة في الذهن، ثم إعادة النموذج إلى هذه الركائز بعد كل إجابة وسيطة. وفي جوهر الأمر، يحتاج المتخصص أكثر فأكثر إلى مجموعة مهارات كانت تُعدّ ثانوية. وهي ما يحوّل الحوار مع الذكاء الاصطناعي إلى عملية قابلة للإدارة، بدلًا من سلسلة من الحظوظ العشوائية.

• صياغة الهدف بدقة
• إزالة الالتباس
• تقسيم المهمة المعقدة إلى خطوات
• نقل السياق والقيود ومعايير التحقق

والفرق عن الشيفرة التقليدية أن اللغة الطبيعية لا مترجم (compiler) لها. فالبرنامج المكتوب بشكل سيئ ينهار عادةً فورًا، أما الطلب المصوغ بشكل سيئ إلى النموذج فيعود بإجابة على أي حال، وكثيرًا ما تكون مقنعة لكنها خاطئة في جوهرها. وبسبب هذه التغذية الراجعة الليّنة، تبقى الأخطاء خافية مدة أطول. فقد لا تكمن المشكلة في النموذج، بل في صياغة المهمة، غير أن المستخدم لا يلاحظ ذلك فورًا، فيبدأ بتصحيح الجزء الخطأ من العملية.

من يستفيد الآن

ومن هنا المفارقة التي يبرزها الكاتب: قد لا يكون المهندسون وحدهم مهيّئين جيدًا لنمط العمل الجديد. فالأشخاص المعتادون على العمل مع اللغة الحيّة، من محررين ومحللين ومحامين ومديرين أقوياء، يجيدون أصلًا الاحتفاظ بالسياق وإزالة الالتباس وتحقيق تفسير دقيق للكلمات. وبالنسبة إليهم، لا يصبح الذكاء الاصطناعي سحرًا، بل منفّذًا جديدًا.

يحتفظ المتخصص التقني بالأفضلية في الهندسة المعمارية والتحقق من النتيجة، لكن مهارة الصياغة الواضحة لم تعد ثانوية. ولذلك تنتقل قيمة المتخصص من الكتابة الآلية للشيفرة إلى فهم المجال المعرفي وقيود المنتج وجودة الحل. فقد يقترح الذكاء الاصطناعي تنفيذًا ما، لكنه لا يعرف كل تفاصيل عمل بعينه أو جمهوره أو بيئة التشغيل. وإذا كان الشخص نفسه لا يفهم النظام جيدًا، فلن يستطيع أن يحدد المسار الصحيح، ولا أن يلاحظ مواضع الهشاشة في إجابة النموذج. وبهذا المعنى يشبه العمل مع الذكاء الاصطناعي أكثر فأكثر إدارة زميل قوي لكنه غير مستقر، لا استخدام أداة يمكن التنبؤ بسلوكها.

ماذا يعني ذلك

الاستنتاج العملي بسيط: سيكسب أولئك الذين يتقنون أسرع من غيرهم الصياغة الدقيقة للمهام وتفكيكها والتحقق من الإجابات في حالات واقعية. وأفضل طريقة لذلك ليست قراءة مراجعات لا تنتهي، بل أخذ مشروع صغير ومحاولة تمريره عبر حوار مع الذكاء الاصطناعي في Cursor أو Windsurf أو بيئة مشابهة. هناك بالذات يتضح إلى أي مدى تحولت اللغة الطبيعية بالفعل إلى واجهة عمل، لا إلى عرض توضيحي جميل.