لماذا لا تكمن الثورة الرئيسية في AI في الكود بل في اللغة

يقترح مؤلف Habr البحث عن التحول التكنولوجي حول الذكاء الاصطناعي ليس في جودة الكود المولد ولا في مقارنات النماذج. برأيه، الاختراق الرئيسي يكمن في مكان آخر: للمرة الأولى، بدأت الحاسوب تتكيف مع اللغة الطبيعية للإنسان، وليس العكس.

من الذي يتكيف مع من

يذكرنا المؤلف بأن كل تاريخ الحوسبة بني حول مبدأ واحد: تعلم البشر لغة الآلات. أولاً كانت هناك أكواد الآلة ولغة التجميع، ثم اللغات عالية المستوى والمكتبات والواجهات والأطر. خفضت كل مرحلة الحاجز لدخول، لكن المبدأ ظل دون تغيير: للحصول على النتائج، كان يجب ترجمة القصد إلى شكل يمكن للحاسوب أن يفهمه بدون التباس. بُنيت مهنة المبرمج بالكامل على هذه القدرة على تحويل مهمة إنسانية إلى مجموعة من التعليمات الرسمية.

مع ظهور نماذج اللغة الكبيرة الحديثة، بحسب المؤلف، انعكست هذه الحجة للمرة الأولى. الآن يمكن للمستخدم أن يشرح مهمة باللغة العادية، ويجادل مع النموذج، ويوضح المتطلبات، ويحصل على نتيجة عملية دون الغوص مباشرة في بناء اللغة. هذا ليس مجرد واجهة أكثر ملاءمة وليس خطوة أخرى في الأتمتة. إنها تغيير في النموذج الأساسي للتفاعل: بشكل متزايد، الآلة هي التي يجب أن تتكيف، وليس الإنسان.

"الآلة بدأت تتحدث لغة الإنسان."

طريقة جديدة للبرمجة

من هذا الاستنتاج ينشأ فكر أكثر صرامة: محادثة مع الذكاء الاصطناعي هي بالفعل شكل من البرمجة، فقط باللغة الطبيعية. إذا كانت التعليمات تُكتب سابقاً في Python أو SQL أو JavaScript، فالآن جزء كبير من العمل ينتقل إلى صيغة القصد والقيود ومعايير الجودة. المستخدم لا يزال يضع نظام قواعد، فقط يفعل ذلك ليس من خلال بناء صارم، بل من خلال تعليمات مدروسة.

لذلك، توقفت مهارة التحدث مع النموذج عن كونها مكافأة تجميلية وأصبحت أداة إنتاجية. تتطلب هذه طريقة العمل ليس الإلهام، بل الانضباط. ما يتم تقديره هنا ليس القدرة على إطلاق موجه مثير للإعجاب، بل القدرة على تقسيم مهمة معقدة بشكل هيكلي خطوة بخطوة، والاحتفاظ بالهدف والقيود ومعايير الجودة في الاعتبار، ثم إعادة النموذج إلى هذه النقاط الارتكازية بعد كل إجابة وسيطة. بشكل أساسي، يحتاج المتخصص بشكل متزايد إلى مجموعة مهارات كانت تُعتبر سابقاً ثانوية. هذا ما يحول الحوار مع الذكاء الاصطناعي إلى عملية مدارة، بدلاً من سلسلة من النجاحات العشوائية.

• صيغة الهدف بدقة
• إزالة الغموض
• تقسيم المهمة المعقدة إلى خطوات
• نقل السياق والقيود ومعايير التحقق

الفرق مع الكود الكلاسيكي هو أن اللغة الطبيعية ليس لديها مُترجم. عادة ما يتعطل البرنامج المكتوب بشكل سيء على الفور، بينما الاستعلام المصاغ بشكل سيء إلى نموذج لا يزال يعيد إجابة—غالباً ما تكون مقنعة لكن خاطئة في الجوهر. بسبب هذه التغذية الراجعة الناعمة، تبقى الأخطاء مخفية لفترة أطول. المشكلة قد لا تكون في النموذج بل في صيغة المهمة، لكن المستخدم لا يلاحظ ذلك على الفور ويبدأ في إصلاح الجزء الخاطئ من العملية.

من يفوز الآن

من هنا المفارقة التي يشير إليها المؤلف: ليس فقط المهندسون قد يكونون مستعدين بشكل جيد للطريقة الجديدة للعمل. الأشخاص المعتادون على العمل مع اللغة الحية—المحررون والمحللون والمحامون والمديرون الأقوياء—يعرفون بالفعل كيفية الاحتفاظ بالسياق وإزالة الغموض وتحقيق تفسير دقيق للكلمات. بالنسبة لهم، يصبح الذكاء الاصطناعي ليس سحراً، بل منفذاً جديداً. يحتفظ المتخصص التقني بميزة في العمارة والتحقق من النتائج، لكن مهارة الصيغة الواضحة توقفت عن كونها ثانوية.

لذلك، تنتقل قيمة المتخصص من كتابة الكود الميكانيكية إلى فهم مجال الموضوع وقيود المنتج وجودة الحل. يمكن للذكاء الاصطناعي أن يقترح تنفيذاً، لكنه لا يعرف جميع الدقائق في عمل معين وجمهور وبيئة تشغيلية. إذا فهم الشخص النظام بشكل سيء، فلن يكون قادراً على تحديد المسار الصحيح أو ملاحظة النقاط الضعيفة في إجابة النموذج. بهذا المعنى، يشبه العمل مع الذكاء الاصطناعي بشكل متزايد إدارة زميل قوي لكن غير مستقر، بدلاً من استخدام أداة يمكن التنبؤ بها.

ماذا يعني هذا

الاستنتاج العملي بسيط: سيفوز أولئك الذين يتقنون بسرعة صيغة المهام الدقيقة والتحلل والتحقق من الإجابات في حالات حقيقية. الطريقة الأفضل للقيام بذلك ليست قراءة المراجعات التي لا نهاية لها، بل أخذ مشروع صغير ومحاولة إجراء حوار معه مع الذكاء الاصطناعي في Cursor أو Windsurf أو بيئة مشابهة. هناك بالذات يمكن أن نرى كيف تحولت اللغة الطبيعية بالفعل إلى واجهة عملية، وليست مجرد عرض توضيحي جميل.