AI, புரோகிராமர்களை மாற்றுமா? கடைசியாக, குறியீடு எடிட்டரை அணைக்கவும்.

"கடைசியாக வெளியேறுபவர், கோட் எடிட்டரை அணைத்துவிடவும்." இந்த நையாண்டித்தனமான சொற்றொடர், செயற்கை நுண்ணறிவு குறியீட்டு உதவியாளர்களின் எழுச்சி குறித்த ஒரு பதட்டமான நகைச்சுவையைப் பிரதிபலிக்கும் வகையில், டெவலப்பர் மன்றங்களில் வலம் வந்து கொண்டிருக்கிறது. செயற்கை நுண்ணறிவு மாதிரிகள் குறியீடு எழுதுவதில் அதிகத் திறன்பெற்று வருவதால், தானியக்கத்தால் வழக்கொழிந்து போகும் லிஃப்ட் இயக்குபவர்கள் அல்லது தொலைபேசி இணைப்பகம் இயக்குபவர்களின் கதிக்கு மனித டெவலப்பர்களும் ஆளாகப் போகிறார்களா என்று பல புரோகிராமர்கள் கேள்வி எழுப்புகின்றனர். 2024-ல், செயற்கை நுண்ணறிவு விரைவில் நமது அனைத்து குறியீடுகளையும் எழுதிவிடும் என்றும், அதனால் மனித டெவலப்பர்களுக்குச் செய்வதற்கு எதுவும் இருக்காது என்றும் துணிச்சலான தலைப்புச் செய்திகள் பிரகடனப்படுத்தின. ஆனால், இந்த ஆரவாரத்திற்கும் பரபரப்பிற்கும் பின்னால், யதார்த்தம் மிகவும் நுணுக்கமானது.

ஆம், செயற்கை நுண்ணறிவால் (AI) இப்போது எந்தவொரு மனிதனையும் விட வேகமாக நிரல்களை உருவாக்க முடியும், ஆனால் அந்த நிரல்கள் எவ்வளவு சிறப்பாக உள்ளன, மேலும் மென்பொருள் உருவாக்கத்தின் முழுமையான வாழ்க்கைச் சுழற்சியையும் செயற்கை நுண்ணறிவால் தனியாகக் கையாள முடியுமா? பெரும்பாலான வல்லுநர்கள் "அவ்வளவு சீக்கிரம் முடியாது" என்கிறார்கள். மைக்ரோசாஃப்ட் தலைமைச் செயல் அதிகாரி சத்யா நாதெல்லா போன்ற மென்பொருள் பொறியியல் தலைவர்கள், "செயற்கை நுண்ணறிவு நிரலாளர்களை மாற்றிவிடாது, ஆனால் அது அவர்களின் திறன்களில் ஒரு அத்தியாவசியக் கருவியாக மாறும். இது மனிதர்களைக் குறைவாகச் செய்ய வைப்பதல்ல, மாறாக அதிகமாகச் செய்ய அதிகாரம் அளிப்பதாகும்" என்று வலியுறுத்துகின்றனர். (செயற்கை நுண்ணறிவு நிரலாளர்களை மாற்றுமா? ஆரவாரத்திற்குப் பின்னால் உள்ள உண்மை | எழுதியவர்: தி பை கோச் | ஆர்டிஃபிஷியல் கார்னர் | மார்ச், 2025 | மீடியம்) இதேபோல், கூகிளின் செயற்கை நுண்ணறிவுத் தலைவர் ஜெஃப் டீன், செயற்கை நுண்ணறிவால் வழக்கமான நிரல் எழுதும் பணிகளைக் கையாள முடிந்தாலும், "அதற்கு இன்னும் படைப்பாற்றலும் சிக்கலைத் தீர்க்கும் திறனும் இல்லை" – இந்தத் திறன்களையே மனித உருவாக்குநர்கள் வழங்குகிறார்கள். ஓப்பன்ஏஐ-யின் தலைமைச் செயல் அதிகாரி சாம் ஆல்ட்மேன் கூட, இன்றைய செயற்கை நுண்ணறிவு " பணிகளில் மிகவும் சிறந்தது" ஆனால் "முழுமையான வேலைகளில் படுமோசமானது" . சுருக்கமாக, செயற்கை நுண்ணறிவு வேலையின் சில பகுதிகளுக்கு உதவுவதில் சிறந்தது, ஆனால் ஒரு நிரலாளரின் வேலையைத் தொடக்கத்திலிருந்து இறுதிவரை முழுமையாக எடுத்துக்கொள்ளும் திறன் அதற்கு இல்லை.

இந்த வெள்ளை அறிக்கை , “செயற்கை நுண்ணறிவு நிரலாளர்களுக்குப் பதிலாக வருமா?” என்ற கேள்வியை நேர்மையாகவும் சமநிலையுடனும் ஆராய்கிறது. செயற்கை நுண்ணறிவு இன்று மென்பொருள் உருவாக்கப் பணிகளை எவ்வாறு பாதிக்கிறது என்பதையும், வரவிருக்கும் மாற்றங்கள் என்ன என்பதையும் நாங்கள் ஆய்வு செய்கிறோம். நிஜ உலக எடுத்துக்காட்டுகள் மற்றும் சமீபத்திய கருவிகள் (கிட்ஹப் கோபைலட் முதல் சாட்ஜிபிடி வரை) மூலம், செயற்கை நுண்ணறிவு வளரும்போது உருவாக்குநர்கள் எவ்வாறு தங்களை மாற்றியமைத்து, தழுவிக்கொண்டு, பொருத்தமானவர்களாக இருக்க முடியும் என்பதை நாங்கள் ஆராய்கிறோம். ஆம் அல்லது இல்லை என்ற எளிமையான பதிலுக்குப் பதிலாக, எதிர்காலம் என்பது செயற்கை நுண்ணறிவுக்கும் மனித உருவாக்குநர்களுக்கும் இடையிலான ஒரு கூட்டு முயற்சி என்பதை நாம் காண்போம். செயற்கை நுண்ணறிவு யுகத்தில் உருவாக்குநர்கள் செழிக்க என்ன செய்ய முடியும் என்பது குறித்த நடைமுறை நுண்ணறிவுகளை முன்னிலைப்படுத்துவதும் – புதிய கருவிகளைப் பயன்படுத்துவது முதல் புதிய திறன்களைக் கற்றுக்கொள்வது வரை – மற்றும் வரும் ஆண்டுகளில் நிரலாக்கத் தொழில்கள் எவ்வாறு உருவாகக்கூடும் என்பதைக் கணிப்பதும் இதன் நோக்கமாகும்.

இன்றைய மென்பொருள் மேம்பாட்டில் AI

நவீன மென்பொருள் உருவாக்கப் பணிப்பாய்வில் செயற்கை நுண்ணறிவு (AI) மிக வேகமாகப் பின்னிப் பிணைந்துள்ளது. இது வெறும் அறிவியல் புனைகதை அல்ல; AI அடிப்படையிலான கருவிகள் ஏற்கனவே குறியீடுகளை எழுதி, மதிப்பாய்வு செய்து , சலிப்பூட்டும் பணிகளைத் தானியக்கமாக்கி, உருவாக்குநர்களின் உற்பத்தித்திறனை மேம்படுத்தி வருகின்றன. இன்றைய உருவாக்குநர்கள், குறியீட்டுத் துணுக்குகளை உருவாக்கவும், செயல்பாடுகளைத் தானாகவே முழுமையாக்கவும், பிழைகளைக் கண்டறியவும், சோதனை நிகழ்வுகளை உருவாக்கவும் கூட AI-ஐப் பயன்படுத்துகின்றனர் ( மென்பொருள் பொறியாளர்களுக்கு எதிர்காலம் உள்ளதா? AI-இன் தாக்கம் [2024] ). வேறுவிதமாகக் கூறினால், AI கடினமான மற்றும் வழக்கமான வேலைகளைக் கையகப்படுத்தி, மென்பொருள் உருவாக்கத்தின் மிகவும் சிக்கலான அம்சங்களில் கவனம் செலுத்த நிரலாளர்களை அனுமதிக்கிறது. தற்போது நிரலாக்கத்தை மாற்றியமைத்து வரும் சில முக்கிய AI திறன்கள் மற்றும் கருவிகளைப் பார்ப்போம்:

• குறியீடு உருவாக்கம் மற்றும் தானியங்கு நிறைவு: நவீன AI குறியீட்டு உதவியாளர்கள், இயல்மொழித் தூண்டுதல்கள் அல்லது குறியீட்டின் பகுதிச் சூழலின் அடிப்படையில் குறியீட்டை உருவாக்க முடியும். எடுத்துக்காட்டாக, GitHub Copilot (OpenAI-இன் Codex மாதிரியில் உருவாக்கப்பட்டது) நீங்கள் தட்டச்சு செய்யும்போது அடுத்த வரி அல்லது குறியீட்டுத் தொகுதியைப் பரிந்துரைக்க எடிட்டர்களுடன் ஒருங்கிணைக்கிறது. இது, சூழலுக்கு ஏற்ற பரிந்துரைகளை வழங்க, திறந்த மூலக் குறியீட்டின் ஒரு பரந்த பயிற்சித் தொகுப்பைப் பயன்படுத்துகிறது; ஒரு கருத்துரை அல்லது செயல்பாட்டின் பெயரிலிருந்து மட்டுமே முழு செயல்பாடுகளையும் நிறைவு செய்யும் திறன் இதற்கு உண்டு. இதேபோல், ChatGPT (GPT-4) கருவியானது, உங்களுக்குத் தேவையானதை எளிய ஆங்கிலத்தில் விவரிக்கும்போது, ​​கொடுக்கப்பட்ட ஒரு பணிக்கான குறியீட்டை உருவாக்க முடியும். இந்தக் கருவிகள், எளிய உதவிச் செயல்பாடுகள் முதல் வழக்கமான CRUD செயல்பாடுகள் வரை, சில நொடிகளில் வார்ப்புருக் குறியீட்டை உருவாக்க முடியும்.

• பிழை கண்டறிதல் மற்றும் சோதனை: பிழைகளைக் கண்டறிவதற்கும் குறியீட்டின் தரத்தை மேம்படுத்துவதற்கும் செயற்கை நுண்ணறிவு உதவுகிறது. செயற்கை நுண்ணறிவால் இயங்கும் ஸ்டேடிக் அனாலிசிஸ் கருவிகள் மற்றும் லின்டர்கள், கடந்தகால பிழைகளின் வடிவங்களிலிருந்து கற்றுக்கொள்வதன் மூலம், ஏற்படக்கூடிய பிழைகள் அல்லது பாதுகாப்பு குறைபாடுகளைக் கண்டறிய முடியும். சில செயற்கை நுண்ணறிவு கருவிகள், குறியீட்டுப் பாதைகளைப் பகுப்பாய்வு செய்வதன் மூலம் தானாகவே யூனிட் சோதனைகளை உருவாக்குகின்றன அல்லது சோதனை நிகழ்வுகளைப் பரிந்துரைக்கின்றன. இதன் மூலம், ஒரு டெவலப்பர் தாங்கள் தவறவிட்டிருக்கக்கூடிய விளிம்புநிலைச் சிக்கல்கள் குறித்து உடனடிப் பின்னூட்டத்தைப் பெற முடியும். பிழைகளை முன்கூட்டியே கண்டறிந்து, திருத்தங்களைப் பரிந்துரைப்பதன் மூலம், செயற்கை நுண்ணறிவு ஒரு அயராத தர உறுதி உதவியாளராக, டெவலப்பருடன் இணைந்து செயல்படுகிறது.

• குறியீடு உகப்பாக்கம் மற்றும் மறுசீரமைப்பு: செயற்கை நுண்ணறிவின் மற்றொரு பயன்பாடு, ஏற்கனவே உள்ள குறியீட்டில் மேம்பாடுகளைப் பரிந்துரைப்பதாகும். ஒரு குறியீட்டுத் துணுக்கைக் கொடுத்தால், அதில் உள்ள வடிவங்களை அடையாளம் காண்பதன் மூலம், ஒரு செயற்கை நுண்ணறிவால் மிகவும் திறமையான வழிமுறைகளையோ அல்லது நேர்த்தியான செயலாக்கங்களையோ பரிந்துரைக்க முடியும். உதாரணமாக, அது ஒரு லைப்ரரியின் இயல்பான பயன்பாட்டைப் பரிந்துரைக்கலாம் அல்லது மறுசீரமைக்கப்படக்கூடிய தேவையற்ற குறியீட்டைக் கொடியிடலாம். இது தொழில்நுட்பக் கடனைக் குறைப்பதற்கும் செயல்திறனை மேம்படுத்துவதற்கும் உதவுகிறது. செயற்கை நுண்ணறிவு அடிப்படையிலான மறுசீரமைப்புக் கருவிகள், சிறந்த நடைமுறைகளைப் பின்பற்றுவதற்காகக் குறியீட்டை மாற்றியமைக்கலாம் அல்லது புதிய API பதிப்புகளுக்கு ஏற்ப குறியீட்டைப் புதுப்பிக்கலாம். இதன் மூலம், கைமுறையாகச் சுத்தம் செய்யும் பணியில் டெவலப்பர்களின் நேரத்தைச் சேமிக்க முடியும்.

• டெவ்ஆப்ஸ் மற்றும் ஆட்டோமேஷன்: குறியீடு எழுதுவதைத் தாண்டி, செயற்கை நுண்ணறிவு (AI) உருவாக்கம் மற்றும் வரிசைப்படுத்தல் செயல்முறைகளுக்கும் பங்களிக்கிறது. அறிவார்ந்த CI/CD கருவிகள், எந்தச் சோதனைகள் தோல்வியடைய வாய்ப்புள்ளது என்பதைக் கணிக்க அல்லது குறிப்பிட்ட உருவாக்கப் பணிகளுக்கு முன்னுரிமை அளிக்க இயந்திரக் கற்றலைப் பயன்படுத்துகின்றன. இது தொடர்ச்சியான ஒருங்கிணைப்பு செயல்முறையை வேகமாகவும் திறமையாகவும் ஆக்குகிறது. செயற்கை நுண்ணறிவால் உற்பத்திப் பதிவுகள் மற்றும் செயல்திறன் அளவீடுகளைப் பகுப்பாய்வு செய்து சிக்கல்களைக் கண்டறியவோ அல்லது உள்கட்டமைப்பு மேம்படுத்தல்களைப் பரிந்துரைக்கவோ முடியும். உண்மையில், செயற்கை நுண்ணறிவு குறியீடு எழுதுவதில் மட்டுமல்ல, மென்பொருள் மேம்பாட்டு வாழ்க்கைச் சுழற்சி முழுவதும் – திட்டமிடல் முதல் பராமரிப்பு வரை – உதவுகிறது.

• இயற்கை மொழி இடைமுகங்கள் மற்றும் ஆவணப்படுத்தல்: செயற்கை நுண்ணறிவு, மேம்பாட்டுக் கருவிகளுடன் மிகவும் இயல்பான ஊடாடல்களைச் சாத்தியமாக்குவதையும் நாம் காண்கிறோம். டெவலப்பர்கள் கேட்க ("X செய்யும் ஒரு செயல்பாட்டை உருவாக்கு" அல்லது "இந்தக் குறியீட்டை விளக்கு") மற்றும் முடிவுகளைப் பெற முடியும். செயற்கை நுண்ணறிவு உரையாடல் செயலிகள் (ChatGPT அல்லது சிறப்பு மேம்பாட்டு உதவியாளர்கள் போன்றவை) நிரலாக்கக் கேள்விகளுக்குப் பதிலளிக்கலாம், ஆவணப்படுத்தலுக்கு உதவலாம், மேலும் குறியீடு மாற்றங்களின் அடிப்படையில் திட்ட ஆவணங்களை எழுதலாம் அல்லது கமிட் செய்திகளை உருவாக்கலாம். இது மனிதனின் நோக்கத்திற்கும் குறியீட்டிற்கும் இடையிலான இடைவெளியைக் குறைத்து, தாங்கள் விரும்புவதை விவரிக்கக்கூடியவர்களுக்கு மேம்பாட்டுப் பணிகளை மிகவும் எளிதாக அணுகக்கூடியதாக மாற்றுகிறது.

• 

 

செயற்கை நுண்ணறிவு கருவிகளைப் பயன்படுத்தும் டெவலப்பர்கள்: 2023 ஆம் ஆண்டு கணக்கெடுப்பின்படி, 92% டெவலப்பர்கள் தங்கள் பணியிடத்திலோ, தனிப்பட்ட திட்டங்களிலோ அல்லது இரண்டிலுமோ ஏதேனும் ஒரு வகையில் செயற்கை நுண்ணறிவு கோடிங் கருவிகளைப் பயன்படுத்தியுள்ளனர். வெறும் 8% பேர் மட்டுமே கோடிங்கில் எந்த செயற்கை நுண்ணறிவு உதவியையும் பயன்படுத்தவில்லை என்று தெரிவித்துள்ளனர். இந்த விளக்கப்படம், மூன்றில் இரண்டு பங்கு டெவலப்பர்கள் வெளியிலும் , கால் பகுதியினர் அவற்றை பிரத்தியேகமாக பணியிடத்தில் பயன்படுத்துகின்றனர் என்பதையும், ஒரு சிறுபான்மையினர் மட்டுமே பணியிடத்திற்கு வெளியே பயன்படுத்துகின்றனர் என்பதையும் காட்டுகிறது. இதிலிருந்து தெளிவாகத் தெரிவது: செயற்கை நுண்ணறிவு உதவியுடனான கோடிங், டெவலப்பர்களிடையே விரைவாகப் பரவலாகியுள்ளது (டெவலப்பர் அனுபவத்தில் செயற்கை நுண்ணறிவின் தாக்கத்தை கணக்கெடுப்பு வெளிப்படுத்துகிறது - தி கிட்ஹப் வலைப்பதிவு).

மென்பொருள் உருவாக்கத்தில் செயற்கை நுண்ணறிவு (AI) கருவிகளின் இந்த பெருக்கம் , செயல்திறனை அதிகரிப்பதற்கும், நிரலாக்கத்தில் உள்ள கடின உழைப்பைக் குறைப்பதற்கும் வழிவகுத்துள்ளது . AI, அடிப்படை நிரல்களை உருவாக்கவும், திரும்பத் திரும்ப வரும் பணிகளைக் கையாளவும் உதவுவதால், தயாரிப்புகள் வேகமாக உருவாக்கப்படுகின்றன ( மென்பொருள் பொறியாளர்களுக்கு எதிர்காலம் உள்ளதா? AI-இன் தாக்கம் [2024] ) ( 2025-இல் AI, மென்பொருள் உருவாக்குநர்களை மாற்றப் போகிறதா: எதிர்காலத்தைப் பற்றிய ஒரு முன்னோட்டம் ). கோபைலட் (Copilot) போன்ற கருவிகள், பரந்த அளவிலான நிரல் தரவுத்தொகுப்புகளிலிருந்து கற்றுக்கொள்வதன் மூலம் , "மனித மென்பொருள் உருவாக்குநர்களுக்கு உடனடியாகத் தெளிவாகத் தெரியாத" முழுமையான வழிமுறைகளையோ அல்லது தீர்வுகளையோ கூட பரிந்துரைக்க முடியும் . நிஜ உலக உதாரணங்கள் ஏராளமாக உள்ளன: ஒரு பொறியாளர், தனது நிரலில் ஒரு வரிசைப்படுத்தும் செயல்பாட்டைச் செயல்படுத்தவோ அல்லது ஒரு பிழையைக் கண்டறியவோ சாட்ஜிபிடி-யிடம் (ChatGPT) கேட்கலாம், அந்த AI சில நொடிகளில் ஒரு வரைவுத் தீர்வை உருவாக்கும். அமேசான் மற்றும் மைக்ரோசாஃப்ட் போன்ற நிறுவனங்கள் , தங்கள் மென்பொருள் உருவாக்குநர் குழுக்களில் AI இணை நிரலாளர்களை (அமேசானின் கோட்விஸ்பரர் மற்றும் மைக்ரோசாஃப்ட்டின் கோபைலட்) பயன்படுத்தியுள்ளன. இதன் மூலம் பணிகள் வேகமாக முடிவதாகவும், அடிப்படை நிரல்களில் செலவிடப்படும் சலிப்பான மணிநேரங்கள் குறைந்துள்ளதாகவும் தெரிவிக்கின்றன. உண்மையில், 2023 ஸ்டாக் ஓவர்ஃப்ளோ கணக்கெடுப்பில் பங்கேற்ற டெவலப்பர்களில் 70% பேர், தங்கள் மேம்பாட்டுச் செயல்பாட்டில் ஏற்கனவே AI கருவிகளைப் பயன்படுத்துவதாகவோ அல்லது பயன்படுத்தத் திட்டமிடுவதாகவோ கூறியுள்ளனர் ( 70% டெவலப்பர்கள் AI கோடிங் கருவிகளைப் பயன்படுத்துகின்றனர், 3% பேர் அவற்றின் துல்லியத்தை மிகவும் நம்புகிறார்கள் - ஷிஃப்ட்மேக் ). மிகவும் பிரபலமான உதவியாளர்கள் ChatGPT (பதிலளித்தவர்களில் ~83% பேரால் பயன்படுத்தப்படுகிறது) மற்றும் GitHub Copilot (~56%) ஆகும். இது, பொதுவான உரையாடல் AI மற்றும் IDE-உடன் ஒருங்கிணைக்கப்பட்ட உதவியாளர்கள் ஆகிய இரண்டுமே முக்கியப் பங்கு வகிக்கின்றன என்பதைக் காட்டுகிறது. டெவலப்பர்கள் முதன்மையாக உற்பத்தித்திறனை அதிகரிக்கவும் (பதிலளித்தவர்களில் ~33% பேரால் குறிப்பிடப்பட்டது) மற்றும் கற்றலை விரைவுபடுத்தவும் (25%) இந்தக் கருவிகளை நாடுகின்றனர். அதே சமயம், சுமார் 25% பேர் திரும்பத் திரும்பச் செய்யப்படும் பணிகளைத் தானியக்கமாக்குவதன் மூலம் அதிகத் திறமையானவர்களாக மாற அவற்றைப் பயன்படுத்துகின்றனர்.

நிரலாக்கத்தில் செயற்கை நுண்ணறிவின் பங்கு முற்றிலும் புதியதல்ல என்பதைக் கவனத்தில் கொள்ள வேண்டும் – அதன் கூறுகள் பல ஆண்டுகளாகவே இருந்து வருகின்றன (IDE-களில் உள்ள குறியீடு தானியங்கு நிறைவு அல்லது தானியங்கு சோதனை கட்டமைப்புகளைக் கருத்தில் கொள்ளுங்கள்). ஆனால் கடந்த இரண்டு ஆண்டுகள் ஒரு திருப்புமுனையாக அமைந்துள்ளன. OpenAI-யின் GPT தொடர் மற்றும் DeepMind-இன் AlphaCode போன்ற சக்திவாய்ந்த பெரிய மொழி மாதிரிகளின் தோற்றம், சாத்தியமானவற்றின் எல்லையை வியத்தகு முறையில் விரிவுபடுத்தியுள்ளது. உதாரணமாக, DeepMind-இன் AlphaCode அமைப்பு, ஒரு போட்டி நிரலாக்கப் போட்டியின் மட்டத்தில் செயல்பட்டு , குறியீட்டுச் சவால்களில் சுமார் முதல் 54% தரவரிசையை அடைந்து தலைப்புச் செய்திகளில் இடம்பிடித்தது – இது அடிப்படையில் ஒரு சராசரி மனிதப் போட்டியாளரின் திறனுக்கு நிகரானது ( DeepMind-இன் AlphaCode ஒரு சராசரி நிரலாளரின் திறனுக்கு நிகரானது ). ஒரு செயற்கை நுண்ணறிவு அமைப்பு நிரலாக்கப் போட்டிகளில் போட்டித்தன்மையுடன் செயல்பட்டது இதுவே முதல் முறையாகும் . இருப்பினும், AlphaCode அதன் அனைத்துத் திறன்களுடன் கூட, சிறந்த மனிதக் குறியீட்டாளர்களைத் தோற்கடிப்பதில் இருந்து வெகு தொலைவில் இருந்தது என்பது குறிப்பிடத்தக்கது. அந்தப் போட்டிகளில், AlphaCode அனுமதிக்கப்பட்ட முயற்சிகளுக்குள் சுமார் 30% சிக்கல்களைத் தீர்க்க முடிந்தது, அதேசமயம் சிறந்த மனித நிரலாளர்கள் 90%-க்கும் மேற்பட்ட சிக்கல்களை ஒரே முயற்சியில் தீர்க்கிறார்கள். இந்த இடைவெளி, செயற்கை நுண்ணறிவால் நன்கு வரையறுக்கப்பட்ட நெறிமுறைப் பணிகளை ஒரு குறிப்பிட்ட அளவிற்கு கையாள முடிந்தாலும், ஆழ்ந்த பகுத்தறிவும் புத்திசாலித்தனமும் தேவைப்படும் மிகக் கடினமான சிக்கல்கள் மனிதர்களின் பலமாகவே நீடிக்கின்றன என்பதை எடுத்துக்காட்டுகிறது .

சுருக்கமாக, டெவலப்பர்களின் அன்றாடப் பயன்பாட்டுக் கருவிகளில் செயற்கை நுண்ணறிவு (AI) தன்னை உறுதியாக நிலைநிறுத்திக் கொண்டுள்ளது. குறியீடு எழுதுவதற்கு உதவுவது முதல் செயலாக்கத்தை மேம்படுத்துவது வரை, அது உருவாக்கச் செயல்முறையின் ஒவ்வொரு பகுதியையும் தொடுகிறது. இன்றைய காலகட்டத்தில் இந்த உறவு பெரும்பாலும் ஒருங்குவாழ்வுத் தன்மையுடையது: தனியாக இயங்கக்கூடிய ஒரு தன்னியக்கக் கருவியாகச் செயல்படுவதற்குப் பதிலாக, டெவலப்பர்கள் வேகமாகவும் குறைந்த மன உளைச்சலுடனும் குறியீடு எழுத உதவும் ஒரு துணை விமானியாக (பொருத்தமான பெயர்) செயற்கை நுண்ணறிவு செயல்படுகிறது. அடுத்த பகுதியில், செயற்கை நுண்ணறிவுக் கருவிகளின் இந்த ஒருங்கிணைப்பு, டெவலப்பர்களின் பங்கையும் அவர்களின் பணியின் தன்மையையும் நல்லதற்கோ அல்லது கெட்டதற்கோ எவ்வாறு மாற்றுகிறது என்பதைப் பற்றி விரிவாகப் பார்ப்போம்.

டெவலப்பர் பாத்திரங்களையும் உற்பத்தித்திறனையும் AI எவ்வாறு மாற்றுகிறது

செயற்கை நுண்ணறிவு (AI) பெரும்பாலான வழக்கமான பணிகளைக் கையாள்வதால், மென்பொருள் உருவாக்குநரின் பங்கு உண்மையில் மாறத் தொடங்கியுள்ளது. வழக்கமான நிரல்களை எழுதுவதிலோ அல்லது சாதாரணப் பிழைகளைச் சரிசெய்வதிலோ பல மணிநேரங்களைச் செலவழிப்பதற்குப் பதிலாக, உருவாக்குநர்கள் அந்தப் பணிகளைத் தங்கள் AI உதவியாளர்களிடம் ஒப்படைக்கலாம். இது உருவாக்குநரின் கவனத்தை உயர்நிலைச் சிக்கல் தீர்த்தல், கட்டமைப்பு மற்றும் மென்பொருள் பொறியியலின் ஆக்கப்பூர்வமான அம்சங்கள் ஆகியவற்றின் பக்கம் திருப்புகிறது. சாராம்சத்தில், AI மேம்படுத்தி , அவர்களை அதிக உற்பத்தித்திறன் மிக்கவர்களாகவும், மேலும் புதுமையானவர்களாகவும் இருக்க அனுமதிக்கிறது. ஆனால் இது நிரலாக்க வேலைகளின் எண்ணிக்கை குறைவதற்கா, அல்லது இது ஒரு வேறுபட்ட வகையான வேலையா? உற்பத்தித்திறன் மற்றும் பணிகளின் மீதான தாக்கத்தை ஆராய்வோம்:

உற்பத்தித்திறனை அதிகரித்தல்: பெரும்பாலான தகவல்கள் மற்றும் ஆரம்பகட்ட ஆய்வுகளின்படி, AI கோடிங் கருவிகள் டெவலப்பர்களின் உற்பத்தித்திறனை கணிசமாக அதிகரிக்கின்றன. கோபைலட்டைப் பயன்படுத்தும் டெவலப்பர்கள், AI உதவி இல்லாதவர்களை விட பணிகளை மிக வேகமாக முடிக்க முடிந்தது என்று கிட்ஹப்பின் ஆராய்ச்சி கண்டறிந்துள்ளது. ஒரு சோதனையில், கோபைலட்டின் உதவியுடன் டெவலப்பர்கள் ஒரு கோடிங் பணியை சராசரியாக 55% வேகமாக முடித்தனர் – உதவி இல்லாமல் 2 மணி 41 நிமிடங்கள் ஆகும் பணிக்கு பதிலாக, கோபைலட்டின் உதவியுடன் சுமார் 1 மணி 11 நிமிடங்கள் எடுத்துக்கொண்டனர் (ஆராய்ச்சி: டெவலப்பர் உற்பத்தித்திறன் மற்றும் மகிழ்ச்சியில் கிட்ஹப் கோபைலட்டின் தாக்கத்தை அளவிடுதல் - தி கிட்ஹப் வலைப்பதிவு). இது வேகத்தில் ஒரு குறிப்பிடத்தக்க முன்னேற்றமாகும். இது வெறும் வேகம் மட்டுமல்ல; AI உதவி விரக்தியையும் "பணி ஓட்டத் தடைகளையும்" குறைக்க உதவுகிறது என்று டெவலப்பர்கள் தெரிவிக்கின்றனர். கணக்கெடுப்புகளில், 88% டெவலப்பர்கள் அது தங்களை அதிக உற்பத்தித்திறன் கொண்டவர்களாக ஆக்கியதாகவும், மேலும் திருப்திகரமான பணிகளில் கவனம் செலுத்த அனுமதித்ததாகவும் கூறினர் (எத்தனை சதவீத டெவலப்பர்கள் கிட்ஹப் கோபைலட் தங்களை அதிக உற்பத்தித்திறன் கொண்டவர்களாக ஆக்குவதாகக் கூறியுள்ளனர்...). இந்தக் கருவிகள், சலிப்பூட்டும் பணிகளைக் கையாள்வதன் மூலம் புரோகிராமர்கள் தங்கள் வேலையில் முழுமையாக ஈடுபட உதவுகின்றன, இது கடினமான சிக்கல்களுக்காக மன ஆற்றலைச் சேமிக்க வழிவகுக்கிறது. இதன் விளைவாக, பல டெவலப்பர்கள் கோடிங் செய்வது மிகவும் சுவாரஸ்யமாகிவிட்டதாக உணர்கிறார்கள் – கடினமான வேலைகள் குறைந்து, படைப்பாற்றல் அதிகரித்துள்ளது.

மாறிவரும் அன்றாடப் பணி: இந்த உற்பத்தித்திறன் அதிகரிப்புகளுடன், ஒரு நிரலாளரின் அன்றாடப் பணி ஓட்டமும் மாறி வருகிறது. வழக்கமான குறியீடுகளை எழுதுதல், பொதுவான வடிவங்களை மீண்டும் மீண்டும் செய்தல், தொடரியலைத் தேடுதல் போன்ற பல "தேவையற்ற வேலைகளை" செயற்கை நுண்ணறிவிடம் (AI) ஒப்படைக்க முடியும். உதாரணமாக, கெட்டர்கள் மற்றும் செட்டர்களுடன் ஒரு டேட்டா கிளாஸை கைமுறையாக எழுதுவதற்குப் பதிலாக, ஒரு டெவலப்பர் அதை உருவாக்குமாறு செயற்கை நுண்ணறிவிடம் எளிமையாகக் கேட்கலாம். சரியான API அழைப்பைக் கண்டறிய ஆவணங்களை அலசி ஆராய்வதற்குப் பதிலாக, ஒரு டெவலப்பர் செயற்கை நுண்ணறிவிடம் இயல்பான மொழியில் கேட்கலாம். இதன் பொருள், டெவலப்பர்கள் மனப்பாடம் செய்து குறியீடு எழுதுவதில் ஒப்பீட்டளவில் குறைவான நேரத்தையும், மனிதனின் கணிப்பு தேவைப்படும் பணிகளில் அதிக நேரத்தையும் செலவிடுகிறார்கள். எளிதான 80% குறியீட்டை எழுதும் பணியை செயற்கை நுண்ணறிவு எடுத்துக்கொள்வதால், டெவலப்பரின் வேலை, செயற்கை நுண்ணறிவின் வெளியீட்டைக் கண்காணிப்பது (குறியீட்டுப் பரிந்துரைகளை மதிப்பாய்வு செய்தல், அவற்றைச் சோதித்தல்) மற்றும் செயற்கை நுண்ணறிவால் கண்டுபிடிக்க முடியாத தந்திரமான 20% சிக்கல்களைக் கையாள்வது என மாறுகிறது. நடைமுறையில், ஒரு டெவலப்பர் தனது நாளை, அந்த மாற்றங்கள் அனைத்தையும் புதிதாக எழுதுவதற்குப் பதிலாக, செயற்கை நுண்ணறிவால் உருவாக்கப்பட்ட புல் ரிக்வெஸ்ட்களை வகைப்படுத்துவதிலோ அல்லது செயற்கை நுண்ணறிவால் பரிந்துரைக்கப்பட்ட திருத்தங்களின் தொகுப்பை மதிப்பாய்வு செய்வதிலோ தொடங்கலாம்.

கூட்டுப்பணி மற்றும் குழு இயக்கவியல்: சுவாரஸ்யமாக, செயற்கை நுண்ணறிவு (AI) குழு இயக்கவியலிலும் தாக்கத்தை ஏற்படுத்துகிறது. வழக்கமான பணிகள் தானியக்கமாக்கப்படுவதால், குறைவான இளநிலை டெவலப்பர்களை கடினமான வேலைகளுக்கு நியமித்து, குழுக்களால் அதிக சாதனைகளை நிகழ்த்த முடியும். சில நிறுவனங்கள், தங்கள் மூத்த பொறியாளர்கள் அதிக தன்னிறைவு பெற்றவர்களாக இருக்க முடியும் என்று தெரிவிக்கின்றன – அதாவது, ஆரம்ப வரைவுகளைச் செய்ய ஒரு இளநிலை டெவலப்பர் தேவைப்படாமல், செயற்கை நுண்ணறிவின் உதவியுடன் அவர்களால் அம்சங்களை விரைவாக முன்மாதிரி செய்ய முடிகிறது. இருப்பினும், இது ஒரு புதிய சவாலை எழுப்புகிறது: வழிகாட்டுதல் மற்றும் அறிவுப் பகிர்வு. இளநிலை டெவலப்பர்கள் எளிய பணிகளைச் செய்வதன் மூலம் கற்றுக்கொள்வதற்குப் பதிலாக, செயற்கை நுண்ணறிவின் வெளியீடுகளை எவ்வாறு திறம்பட நிர்வகிப்பது . குழு ஒத்துழைப்பு என்பது, செயற்கை நுண்ணறிவின் அறிவுறுத்தல்களைக் கூட்டாகச் செம்மைப்படுத்துவது அல்லது செயற்கை நுண்ணறிவால் உருவாக்கப்பட்ட குறியீட்டில் உள்ள குறைபாடுகளை மதிப்பாய்வு செய்வது போன்ற செயல்பாடுகளுக்கு மாறக்கூடும். சாதகமான அம்சமாக, குழுவில் உள்ள அனைவருக்கும் ஒரு செயற்கை நுண்ணறிவு உதவியாளர் இருக்கும்போது, ​​அது அனைவருக்கும் சமமான வாய்ப்பை ஏற்படுத்தி, வடிவமைப்பு விவாதங்கள், ஆக்கப்பூர்வமான சிந்தனைப் பரிமாற்றங்கள் மற்றும் தற்போதுள்ள எந்தவொரு செயற்கை நுண்ணறிவும் இயல்பாகப் புரிந்துகொள்ளாத சிக்கலான பயனர் தேவைகளைக் கையாள்வதற்கு அதிக நேரத்தை வழங்கக்கூடும். உண்மையில், GitHub-இன் 2023 கணக்கெடுப்பு முடிவுகளின்படி, ஐந்தில் நான்குக்கும் மேற்பட்ட டெவலப்பர்கள், AI கோடிங் கருவிகள் குழு ஒத்துழைப்பை மேம்படுத்தும் அல்லது குறைந்தபட்சம் வடிவமைப்பு மற்றும் சிக்கல் தீர்த்தல் ஆகியவற்றில் மேலும் ஒத்துழைக்க அவர்களுக்கு சுதந்திரம் அளிக்கும் என்று நம்புகிறார்கள் (டெவலப்பர் அனுபவத்தில் AI-இன் தாக்கத்தை கணக்கெடுப்பு வெளிப்படுத்துகிறது - தி GitHub வலைப்பதிவு).

பணிப் பொறுப்புகளில் ஏற்படும் தாக்கம்: ஒவ்வொரு புரோகிராமரும் இப்போது அதிக உற்பத்தித்திறன் கொண்டவராக இருப்பதால், செயற்கை நுண்ணறிவு (AI) புரோகிராமர்களுக்கான தேவையைக் குறைக்குமா, அல்லது தேவைப்படும் திறன்களை அது வெறுமனே மாற்றுமா என்பதே ஒரு முக்கியக் கேள்வியாகும். மற்ற தானியக்க முறைகளுடனான (டெவொப்ஸ் கருவிகளின் வளர்ச்சி அல்லது உயர்நிலை புரோகிராமிங் மொழிகள் போன்றவை) வரலாற்று முன்னுதாரணங்கள், டெவலப்பர் வேலைகள் முற்றிலுமாக நீக்கப்படுவதை விட, அவை மேம்படுத்தப்படுகின்றன என்பதையே காட்டுகின்றன . உண்மையில், மென்பொருள் பொறியியல் பணிகள் தொடர்ந்து வளரும் என்று தொழில்துறை ஆய்வாளர்கள் கணிக்கின்றனர் , ஆனால் அந்தப் பணிகளின் தன்மை மாறும். சமீபத்திய கார்ட்னர் அறிக்கை ஒன்று, 2027-ஆம் ஆண்டிற்குள், 50% மென்பொருள் பொறியியல் நிறுவனங்கள் உற்பத்தித்திறனை அதிகரிக்க, செயற்கை நுண்ணறிவால் மேம்படுத்தப்பட்ட "மென்பொருள் பொறியியல் நுண்ணறிவு" தளங்களைப் பயன்படுத்தும் என்று கணிக்கிறது ; இது 2024-இல் வெறும் 5% ஆக இருந்தது ( மென்பொருள் பொறியாளர்களுக்கு எதிர்காலம் உள்ளதா? செயற்கை நுண்ணறிவின் தாக்கம் [2024] ). இது நிறுவனங்கள் செயற்கை நுண்ணறிவை பரவலாக ஒருங்கிணைக்கும் என்பதைக் குறிக்கிறது, ஆனால் டெவலப்பர்கள் அந்த நுண்ணறிவுத் தளங்களுடன் பணிபுரிவார்கள் என்பதையும் இது உணர்த்துகிறது. இதேபோல், மெக்கின்சி என்ற ஆலோசனை நிறுவனம், செயற்கை நுண்ணறிவு பல பணிகளைத் தானியக்கமாக்கினாலும், சுமார் 80% புரோகிராமிங் வேலைகளுக்கு இன்னும் ஒரு மனிதரின் ஈடுபாடு தேவைப்படும் என்றும் , அவை "மனிதனை மையமாகக் கொண்டதாகவே" இருக்கும் என்றும் கணித்துள்ளது . வேறுவிதமாகக் கூறினால், பெரும்பாலான டெவலப்பர் பதவிகளுக்கு நமக்கு இன்னும் ஆட்கள் தேவைப்படுவார்கள், ஆனால் பணி விவரங்கள் மாறக்கூடும்.

ஒரு சாத்தியமான மாற்றம் என்னவென்றால் , “AI மென்பொருள் பொறியாளர்” அல்லது “ப்ராம்ட் பொறியாளர்” போன்ற பதவிகள் உருவாவதாகும் – இவர்கள் AI கூறுகளை உருவாக்குவதில் அல்லது ஒருங்கிணைப்பதில் நிபுணத்துவம் பெற்ற டெவலப்பர்கள். AI/ML நிபுணத்துவம் கொண்ட டெவலப்பர்களுக்கான தேவை விண்ணை முட்டும் அளவுக்கு உயர்ந்து வருவதை நாம் ஏற்கனவே காண்கிறோம். இன்டீட் (Indeed) நிறுவனத்தின் பகுப்பாய்வின்படி, மிகவும் தேவைப்படும் மூன்று AI தொடர்பான வேலைகள் தரவு விஞ்ஞானி, மென்பொருள் பொறியாளர் மற்றும் இயந்திர கற்றல் பொறியாளர் ஆகும் , மேலும் இந்தப் பதவிகளுக்கான தேவை கடந்த மூன்று ஆண்டுகளில் இரண்டு மடங்கிற்கும் அதிகமாக அதிகரித்துள்ளது ( மென்பொருள் பொறியாளர்களுக்கு எதிர்காலம் உள்ளதா? AI-இன் தாக்கம் [2024] ). பாரம்பரிய மென்பொருள் பொறியாளர்கள் இயந்திர கற்றலின் அடிப்படைகளைப் புரிந்துகொள்ள வேண்டும் அல்லது AI சேவைகளை பயன்பாடுகளில் ஒருங்கிணைக்க வேண்டும் என்று பெருகிய முறையில் எதிர்பார்க்கப்படுகிறார்கள். டெவலப்பர்களை தேவையற்றவர்களாக மாற்றுவதற்குப் பதிலாக, “AI இந்தத் தொழிலை மேம்படுத்தி, டெவலப்பர்கள் உயர்நிலை பணிகள் மற்றும் புதுமைகளில் கவனம் செலுத்த உதவும்.” ( 2025-இல் AI டெவலப்பர்களை மாற்றப் போகிறதா: எதிர்காலத்தைப் பற்றிய ஒரு முன்னோட்டம் ) பல வழக்கமான கோடிங் பணிகளை AI கையாளக்கூடும், ஆனால் டெவலப்பர்கள் சிஸ்டம் வடிவமைப்பு, மாட்யூல்களை ஒருங்கிணைத்தல், தரத்தை உறுதி செய்தல் மற்றும் புதிய சிக்கல்களைத் தீர்ப்பதில் அதிக கவனம் செலுத்துவார்கள். செயற்கை நுண்ணறிவை முன்னிறுத்தும் ஒரு நிறுவனத்தின் மூத்த பொறியாளர் இதை அழகாகச் சுருக்கமாகக் கூறினார்: செயற்கை நுண்ணறிவு நமது டெவலப்பர்களை மாற்றுவதில்லை; அது மேம்படுத்துகிறது அவர்களை . சக்திவாய்ந்த செயற்கை நுண்ணறிவு கருவிகளைக் கொண்ட ஒரு டெவலப்பரால் பலரின் வேலையைச் செய்ய முடியும், ஆனால் அந்த டெவலப்பர் இப்போது மிகவும் சிக்கலான மற்றும் தாக்கத்தை ஏற்படுத்தக்கூடிய பணிகளை மேற்கொள்கிறார்.

நிஜ உலக உதாரணம்: ஒரு மென்பொருள் நிறுவனம் தனது அனைத்து டெவலப்பர்களுக்கும் GitHub Copilot-ஐ ஒருங்கிணைத்த ஒரு சூழ்நிலையைக் கருத்தில் கொள்வோம். இதன் உடனடி விளைவாக, யூனிட் சோதனைகள் மற்றும் அடிப்படை குறியீடுகளை எழுதுவதில் செலவிடும் நேரம் குறிப்பிடத்தக்க அளவில் குறைந்தது. ஒரு இளநிலை டெவலப்பர், Copilot-ஐப் பயன்படுத்தி ஒரு புதிய அம்சத்தின் 80% குறியீட்டை வேகமாக உருவாக்க முடிந்தது என்றும், பின்னர் மீதமுள்ள 20%-ஐத் தனிப்பயனாக்குவதற்கும் ஒருங்கிணைப்பு சோதனைகளை எழுதுவதற்கும் தனது நேரத்தைச் செலவிட முடிந்தது என்றும் கண்டறிந்தார். குறியீடு வெளியீட்டின் அடிப்படையில் அவரது உற்பத்தித்திறன் கிட்டத்தட்ட இருமடங்கானது, ஆனால் அதைவிட சுவாரஸ்யமாக, அவரது பங்களிப்பின் தன்மை மாறியது – அவர் செயற்கை நுண்ணறிவால் எழுதப்பட்ட குறியீட்டிற்கான ஒரு குறியீடு மதிப்பாய்வாளராகவும் சோதனை வடிவமைப்பாளராகவும் ஆனார் . குறியீடு மதிப்பாய்வுகள் மனித தட்டச்சுப் பிழைகளுக்குப் பதிலாக செயற்கை நுண்ணறிவுத் தவறுகளைக் கண்டறியத் தொடங்கியதையும் அந்தக் குழு கவனித்தது . உதாரணமாக, Copilot சில சமயங்களில் பாதுகாப்பற்ற குறியாக்கச் செயலாக்கத்தைப் பரிந்துரைத்தது; மனித டெவலப்பர்கள் அவற்றைக் கண்டறிந்து சரிசெய்ய வேண்டியிருந்தது. இந்த வகையான உதாரணம், வெளியீடு அதிகரித்தாலும், பணிப்பாய்வில் மனித மேற்பார்வையும் நிபுணத்துவமும் இன்னும் முக்கியமானதாக மாறியது என்பதைக் காட்டுகிறது

சுருக்கமாகச் சொல்வதானால், டெவலப்பர்கள் பணிபுரியும் விதத்தை செயற்கை நுண்ணறிவு மறுக்கமுடியாத வகையில் மாற்றுகிறது: இது அவர்களை வேகமாக்கி, மேலும் சவாலான பிரச்சனைகளைக் கையாள அனுமதிக்கிறது, ஆனால் அதே நேரத்தில் (செயற்கை நுண்ணறிவைப் பயன்படுத்துவதிலும் மற்றும் உயர்நிலைச் சிந்தனையிலும்) தங்கள் திறன்களை மேம்படுத்திக்கொள்ளவும் அவர்களைக் கோருகிறது. இது "செயற்கை நுண்ணறிவு வேலைகளைப் பறிக்கிறது" என்ற கதையை விட, "செயற்கை நுண்ணறிவு வேலைகளை மாற்றுகிறது" என்ற கதையே ஆகும். இந்தக் கருவிகளைத் திறம்படப் பயன்படுத்தக் கற்றுக்கொள்ளும் டெவலப்பர்கள் தங்கள் தாக்கத்தைப் பன்மடங்கு பெருக்கிக்கொள்ள முடியும் – நாம் அடிக்கடி கேட்கும் ஒரு வழக்கமான கூற்று என்னவென்றால், "செயற்கை நுண்ணறிவு டெவலப்பர்களுக்குப் பதிலாக வராது, ஆனால் செயற்கை நுண்ணறிவைப் பயன்படுத்தும் டெவலப்பர்கள், அதைப் பயன்படுத்தாதவர்களுக்குப் பதிலாக வரக்கூடும்." அடுத்த பகுதிகள், மனித டெவலப்பர்கள் ஏன் இன்னும் இன்றியமையாதவர்கள் (செயற்கை நுண்ணறிவால் சிறப்பாகச் செய்ய முடியாதவை ), மற்றும் டெவலப்பர்கள் செயற்கை நுண்ணறிவுடன் இணைந்து செழிக்கத் தங்கள் திறன்களை எவ்வாறு மாற்றியமைத்துக் கொள்ளலாம் என்பதை ஆராயும்

AI இன் வரம்புகள் (மனிதர்கள் ஏன் இன்றியமையாதவர்களாக இருக்கிறார்கள்)

அதன் ஈர்க்கக்கூடிய திறன்கள் இருந்தபோதிலும், இன்றைய செயற்கை நுண்ணறிவுக்கு மனித நிரலாளர்களைப் பயனற்றதாக்குவதைத் தடுக்கும் தெளிவான வரம்புகள் . இந்த வரம்புகளைப் புரிந்துகொள்வது, மேம்பாட்டுச் செயல்பாட்டில் நிரலாளர்கள் ஏன் இன்னும் மிகவும் தேவைப்படுகிறார்கள் என்பதை அறிந்துகொள்வதற்கு முக்கியமாகும். செயற்கை நுண்ணறிவு ஒரு சக்திவாய்ந்த கருவிதான், ஆனால் அது ஒரு மனித உருவாக்குநரின் படைப்பாற்றல், கூர்ந்தறிச் சிந்தனை மற்றும் சூழல்சார் புரிதல் ஆகியவற்றை மாற்றிவிடக்கூடிய ஒரு மாயாஜாலத் தீர்வு அல்ல. நிரலாக்கத்தில் செயற்கை நுண்ணறிவின் சில அடிப்படைக் குறைபாடுகளும், அதற்கேற்ற மனித உருவாக்குநர்களின் பலங்களும் இங்கே கொடுக்கப்பட்டுள்ளன:

• உண்மையான புரிதல் மற்றும் படைப்பாற்றல் இல்லாமை: தற்போதைய செயற்கை நுண்ணறிவு மாதிரிகள், மனிதர்களைப் போல குறியீட்டையோ அல்லது சிக்கல்களையோ உண்மையாகப் புரிந்துகொள்வதில்லை ; அவை வடிவங்களை அடையாளம் கண்டு, பயிற்சித் தரவுகளின் அடிப்படையில் சாத்தியமான வெளியீடுகளை மீண்டும் உருவாக்குகின்றன. இதன் பொருள், அசல், ஆக்கப்பூர்வமான தீர்வுகள் அல்லது புதிய சிக்கல் களங்களைப் பற்றிய ஆழமான புரிதல் தேவைப்படும் பணிகளில் செயற்கை நுண்ணறிவு திணறக்கூடும். ஒரு செயற்கை நுண்ணறிவு, அது முன்பு பார்த்த ஒரு விவரக்குறிப்பைப் பூர்த்தி செய்ய குறியீட்டை உருவாக்கக்கூடும், ஆனால் முன்னெப்போதும் இல்லாத ஒரு சிக்கலுக்கு ஒரு புதிய வழிமுறையை வடிவமைக்கவோ அல்லது தெளிவற்ற ஒரு தேவையை விளக்கவோ அதனிடம் கேட்டால், அது தடுமாறக்கூடும். ஒரு பார்வையாளர் கூறியது போல, இன்றைய செயற்கை நுண்ணறிவு, "மனித மென்பொருள் உருவாக்குநர்கள் வழங்கும் ஆக்கப்பூர்வமான மற்றும் விமர்சன சிந்தனைத் திறன்களைக் கொண்டிருக்கவில்லை." (2025-ல் செயற்கை நுண்ணறிவு மென்பொருள் உருவாக்குநர்களை மாற்றப் போகிறதா: எதிர்காலத்தின் ஒரு முன்னோட்டம்) மனிதர்கள் வழக்கத்திற்கு மாறாக சிந்திப்பதில் சிறந்து விளங்குகிறார்கள் – மென்பொருள் கட்டமைப்புகளை வடிவமைக்க அல்லது சிக்கலான சிக்கல்களைத் தீர்க்க, துறைசார் அறிவு, உள்ளுணர்வு மற்றும் படைப்பாற்றல் ஆகியவற்றை ஒன்றிணைக்கிறார்கள். இதற்கு மாறாக, செயற்கை நுண்ணறிவு அது கற்றுக்கொண்ட வடிவங்களுக்குள் கட்டுப்படுத்தப்பட்டுள்ளது; ஒரு சிக்கல் அந்த வடிவங்களுடன் சரியாகப் பொருந்தவில்லை என்றால், அந்த செயற்கை நுண்ணறிவு தவறான அல்லது அர்த்தமற்ற குறியீட்டை உருவாக்கக்கூடும் (பெரும்பாலும் நம்பிக்கையுடன்!). புத்தாக்கம் – அதாவது புதிய அம்சங்கள், புதிய பயனர் அனுபவங்கள் அல்லது புதுமையான தொழில்நுட்ப அணுகுமுறைகளைக் கொண்டு வருவது – என்பது இன்னமும் மனிதர்களால் இயக்கப்படும் ஒரு செயல்பாடாகவே உள்ளது.

• சூழல் மற்றும் முழுமையான புரிதல்: மென்பொருளை உருவாக்குவது என்பது வெறும் நிரல் வரிகளை எழுதுவது மட்டுமல்ல. அது, நிரலுக்குப் பின்னால் உள்ள காரணத்தைப் புரிந்துகொள்வதை உள்ளடக்கியது – அதாவது வணிகத் தேவைகள், பயனர் தேவைகள் மற்றும் மென்பொருள் செயல்படும் சூழல். செயற்கை நுண்ணறிவுக்கு (AI) சூழலைப் புரிந்துகொள்வதற்கான வாய்ப்பு மிகவும் குறைவு (பொதுவாக, ஒரு நேரத்தில் அதற்கு வழங்கப்படும் உள்ளீட்டிற்குள் மட்டுமே அது கட்டுப்படுத்தப்படுகிறது). ஒரு அமைப்பின் ஒட்டுமொத்த நோக்கத்தையோ அல்லது நிரலில் வெளிப்படையாகக் குறிப்பிடப்பட்டிருப்பதைத் தாண்டி, ஒரு கூறு மற்றொன்றுடன் எவ்வாறு தொடர்பு கொள்கிறது என்பதையோ அது உண்மையாகப் புரிந்துகொள்வதில்லை. இதன் விளைவாக, செயற்கை நுண்ணறிவு ஒரு சிறிய பணிக்குத் தொழில்நுட்ப ரீதியாகச் செயல்படும் நிரலை உருவாக்கக்கூடும், ஆனால் அது பெரிய அமைப்புக் கட்டமைப்பிற்குள் சரியாகப் பொருந்தாது அல்லது சில மறைமுகமான தேவைகளை மீறக்கூடும். மென்பொருளானது வணிக இலக்குகள் மற்றும் பயனர் எதிர்பார்ப்புகளுடன் ஒத்துப்போவதை உறுதிசெய்ய மனித மென்பொருள் உருவாக்குநர்கள் தேவைப்படுகிறார்கள். சிக்கலான அமைப்புகளின் வடிவமைப்பு – அதாவது, ஒரு பகுதியில் ஏற்படும் மாற்றம் மற்றவற்றில் எவ்வாறு தாக்கத்தை ஏற்படுத்தும் என்பதைப் புரிந்துகொள்வது, செயல்திறன் மற்றும் வாசிப்புத்திறன் போன்ற சமரசங்களை எவ்வாறு சமநிலைப்படுத்துவது, மற்றும் ஒரு நிரல் தொகுப்பின் நீண்டகாலப் பரிணாம வளர்ச்சியை எவ்வாறு திட்டமிடுவது போன்றவை – போன்றவற்றை இன்றைய செயற்கை நுண்ணறிவால் செய்ய முடியாது. ஆயிரக்கணக்கான கூறுகளைக் கொண்ட பெரிய அளவிலான திட்டங்களில், செயற்கை நுண்ணறிவு "மரங்களைப் பார்க்கிறது, ஆனால் காட்டைப் பார்ப்பதில்லை." ஒரு பகுப்பாய்வில் குறிப்பிட்டபடி, வணிகத் தேவைகள் மற்றும் பயனர் அனுபவக் கருத்தாய்வுகள் உட்பட , "பெரிய அளவிலான மென்பொருள் திட்டங்களின் முழுமையான சூழலையும் சிக்கல்களையும் புரிந்துகொள்வதில் செயற்கை நுண்ணறிவு சிரமப்படுகிறது" ( 2025-ல் செயற்கை நுண்ணறிவு உருவாக்குநர்களை மாற்றிவிடுமா: எதிர்காலத்தைப் பற்றிய ஒரு முன்னோட்டம் ). மனிதர்கள் பரந்த கண்ணோட்டத்தைப் பேணுகிறார்கள்.

• பொது அறிவு மற்றும் தெளிவின்மை தீர்வு: உண்மையான திட்டங்களில் தேவைகள் பெரும்பாலும் தெளிவற்றவையாகவோ அல்லது மாறிக்கொண்டே இருப்பவையாகவோ இருக்கும். ஒரு மனித டெவலப்பர் தெளிவுபடுத்தலைக் கோரலாம், நியாயமான அனுமானங்களைச் செய்யலாம் அல்லது யதார்த்தமற்ற கோரிக்கைகளை எதிர்க்கலாம். செயற்கை நுண்ணறிவுக்கு (AI) பொது அறிவு சார்ந்த பகுத்தறிவோ அல்லது தெளிவுபடுத்தும் கேள்விகளைக் கேட்கும் திறனோ இல்லை (ஒரு கட்டளை வரியில் வெளிப்படையாகச் சேர்க்கப்பட்டால் தவிர, அப்போதும் கூட அது சரியாகப் பதிலளிக்கும் என்பதற்கு எந்த உத்தரவாதமும் இல்லை). இதனால்தான், செயற்கை நுண்ணறிவால் உருவாக்கப்பட்ட குறியீடு சில நேரங்களில் தொழில்நுட்ப ரீதியாகச் சரியாக இருந்தாலும், செயல்பாட்டு ரீதியாகத் தவறாக இருக்கலாம் – திறனானது அதற்கு இல்லை. இதற்கு மாறாக, ஒரு மனித புரோகிராமர் ஒரு உயர்நிலை கோரிக்கையை ("இந்த பயனர் இடைமுகத்தை மேலும் உள்ளுணர்வுடன் உருவாக்குங்கள்" அல்லது "செயலி ஒழுங்கற்ற உள்ளீடுகளை நேர்த்தியாகக் கையாள வேண்டும்") புரிந்துகொண்டு, குறியீட்டில் என்ன செய்ய வேண்டும் என்பதைக் கண்டறிய முடியும். ஒரு டெவலப்பரை முழுமையாக மாற்றுவதற்கு செயற்கை நுண்ணறிவுக்கு மிகவும் விரிவான, தெளிவான விவரக்குறிப்புகள் தேவைப்படும், மேலும் அத்தகைய விவரக்குறிப்பைத் திறம்பட எழுதுவது கூட குறியீட்டை எழுதுவது போலவே கடினமானது. ஃபோர்ப்ஸ் டெக் கவுன்சில் கட்டுரை ஒன்று சரியாகக் குறிப்பிட்டது போல, செயற்கை நுண்ணறிவு உண்மையில் டெவலப்பர்களுக்குப் பதிலாக வர வேண்டுமானால், அது தெளிவற்ற அறிவுறுத்தல்களைப் புரிந்துகொண்டு மனிதனைப் போலத் தன்னைத் தகவமைத்துக் கொள்ள வேண்டும் – இந்த அளவிலான பகுத்தறிவுத் திறன் தற்போதைய செயற்கை நுண்ணறிவிடம் இல்லை (செர்ஜி குசினின் பதிவு - லிங்க்ட்இன்).

• நம்பகத்தன்மை மற்றும் “மாயத்தோற்றங்கள்”: இன்றைய உருவாக்க செயற்கை நுண்ணறிவு (generative AI) மாதிரிகளில் ஒரு நன்கு அறியப்பட்ட குறைபாடு உள்ளது: அவை தவறான அல்லது முற்றிலும் புனையப்பட்ட வெளியீடுகளை உருவாக்கக்கூடும், இந்த நிகழ்வு பெரும்பாலும் மாயத்தோற்றம் என்று அழைக்கப்படுகிறது . நிரலாக்கத்தில், இதன் பொருள் என்னவென்றால், ஒரு செயற்கை நுண்ணறிவு நம்பத்தகுந்ததாகத் தோன்றும் குறியீட்டை எழுதலாம், ஆனால் அது தர்க்கரீதியாகத் தவறானதாகவோ அல்லது பாதுகாப்பற்றதாகவோ இருக்கலாம். உருவாக்குநர்கள் செயற்கை நுண்ணறிவின் பரிந்துரைகளை கண்மூடித்தனமாக நம்ப முடியாது. நடைமுறையில், செயற்கை நுண்ணறிவால் எழுதப்பட்ட ஒவ்வொரு குறியீட்டுத் துண்டுக்கும் ஒரு மனிதரால் கவனமான மதிப்பாய்வும் சோதனையும் தேவைப்படுகிறது . ஸ்டாக் ஓவர்ஃப்ளோ கணக்கெடுப்புத் தரவுகள் இதை பிரதிபலிக்கின்றன – செயற்கை நுண்ணறிவு கருவிகளைப் பயன்படுத்துபவர்களில், 3% பேர் மட்டுமே அதன் வெளியீட்டின் துல்லியத்தை பெரிதும் நம்புகிறார்கள் , மேலும் உண்மையில் ஒரு சிறிய சதவீதத்தினர் அதை தீவிரமாக நம்பவில்லை ( 70% உருவாக்குநர்கள் செயற்கை நுண்ணறிவு நிரலாக்கக் கருவிகளைப் பயன்படுத்துகின்றனர், 3% பேர் அவற்றின் துல்லியத்தை பெரிதும் நம்புகிறார்கள் - ஷிஃப்ட்மேக் ). பெரும்பாலான உருவாக்குநர்கள் செயற்கை நுண்ணறிவின் பரிந்துரைகளை வேதவாக்காகக் கருதாமல், உதவிகரமான குறிப்புகளாகவே கருதுகின்றனர். இந்த குறைந்த நம்பிக்கை நியாயமானதே, ஏனெனில் ஒரு திறமையான மனிதர் செய்யாத விசித்திரமான தவறுகளை (ஒன்று-தவறான பிழைகள், வழக்கற்றுப் போன செயல்பாடுகளைப் பயன்படுத்துதல் அல்லது திறனற்ற தீர்வுகளை உருவாக்குதல் போன்றவை) செயற்கை நுண்ணறிவு செய்யக்கூடும், ஏனென்றால் அது சிக்கலைப் பற்றி உண்மையாக பகுத்தறிவதில்லை. ஒரு மன்றக் கருத்து கிண்டலாகக் குறிப்பிட்டது போல, “அவை (செயற்கை நுண்ணறிவு) அதிகம் பிரமை கொள்கின்றன, மேலும் ஒரு மனிதன் ஒருபோதும் செய்யாத விசித்திரமான வடிவமைப்புத் தேர்வுகளைச் செய்கின்றன” ( செயற்கை நுண்ணறிவால் நிரலாளர்கள் வழக்கொழிந்து போவார்களா? - தொழில் ஆலோசனை ). இந்தப் பிழைகளைக் கண்டறிய மனித மேற்பார்வை மிகவும் முக்கியமானது. ஒரு செயற்கை நுண்ணறிவு ஒரு அம்சத்தின் 90% பகுதியை உங்களுக்கு விரைவாக வழங்கக்கூடும், ஆனால் மீதமுள்ள 10% பகுதியில் ஒரு நுட்பமான பிழை இருந்தால், அதைக் கண்டறிந்து சரிசெய்வது மனித டெவலப்பரின் பொறுப்பாகவே அமைகிறது. மேலும், உற்பத்திச் சூழலில் ஏதேனும் தவறு நேரும்போது, ​​மனிதப் பொறியாளர்கள்தான் பிழைதிருத்தம் செய்ய வேண்டும் – ஒரு செயற்கை நுண்ணறிவால் இன்னும் அதன் தவறுகளுக்குப் பொறுப்பேற்க முடியாது.

• குறியீட்டுத் தொகுப்புகளைப் பராமரித்தல் மற்றும் மேம்படுத்துதல்: மென்பொருள் திட்டங்கள் பல ஆண்டுகளாக வாழ்ந்து வளர்கின்றன. அவற்றுக்கு ஒரு சீரான பாணி, எதிர்காலப் பராமரிப்பாளர்களுக்கான தெளிவு, மற்றும் தேவைகள் மாறும்போது புதுப்பிப்புகள் தேவைப்படுகின்றன. இன்றைய செயற்கை நுண்ணறிவுக்கு (AI) கடந்தகால முடிவுகளை நினைவில் வைத்திருக்கும் திறன் இல்லை (வரையறுக்கப்பட்ட தூண்டுதல்களைத் தவிர), எனவே வழிகாட்டப்படாவிட்டால், ஒரு பெரிய திட்டம் முழுவதும் அது குறியீட்டை சீராக வைத்திருக்க முடியாமல் போகலாம். மனித உருவாக்குநர்கள் குறியீட்டின் பராமரிப்புத்தன்மையை உறுதி செய்கிறார்கள் – தெளிவான ஆவணங்களை எழுதுதல், புத்திசாலித்தனமான ஆனால் தெளிவற்ற தீர்வுகளை விட எளிதில் படிக்கக்கூடிய தீர்வுகளைத் தேர்ந்தெடுத்தல், மற்றும் கட்டமைப்பு மாறும்போது தேவைக்கேற்ப குறியீட்டை மறுசீரமைத்தல் (refactoring) போன்றவற்றைச் செய்கிறார்கள். செயற்கை நுண்ணறிவு இந்தப் பணிகளில் (மறுசீரமைப்புகளைப் பரிந்துரைப்பது போன்றவை) உதவ முடியும், ஆனால் எதை மறுசீரமைப்பது அல்லது எந்தப் பகுதிகளை மறுவடிவமைப்பு செய்ய வேண்டும் என்பதைத் தீர்மானிப்பது மனிதர்களின் முடிவெடுக்கும் செயலாகும். மேலும், கூறுகளை ஒருங்கிணைக்கும்போது, ​​ஒரு புதிய அம்சம் ஏற்கனவே உள்ள தொகுதிகளில் ஏற்படுத்தும் தாக்கத்தைப் புரிந்துகொள்வது (பின்னோக்கிய இணக்கத்தன்மையை உறுதி செய்தல் போன்றவை) மனிதர்களால் கையாளப்படுகிறது. செயற்கை நுண்ணறிவால் உருவாக்கப்பட்ட குறியீட்டை மனிதர்களே ஒருங்கிணைத்து இணக்கமாக்க வேண்டும். ஒரு சோதனையாக, சில உருவாக்குநர்கள் ChatGPT-ஐக் கொண்டு முழுமையான சிறிய செயலிகளை உருவாக்க முயன்றுள்ளனர்; இதன் விளைவு ஆரம்பத்தில் பெரும்பாலும் வேலை செய்தாலும், அதைத் தொடர்ந்து பராமரிப்பது அல்லது விரிவுபடுத்துவது மிகவும் கடினமாகிவிடுகிறது. ஏனெனில், அந்தச் செயற்கை நுண்ணறிவு ஒரு சிந்தனைமிக்க கட்டமைப்பைத் தொடர்ச்சியாகப் பயன்படுத்துவதில்லை – அது ஒரு மனிதக் கட்டடக் கலைஞர் தவிர்க்கக்கூடிய உள்ளூர் முடிவுகளை எடுக்கிறது.

• நெறிமுறை மற்றும் பாதுகாப்பு சார்ந்த பரிசீலனைகள்: செயற்கை நுண்ணறிவு (AI) அதிக குறியீடுகளை எழுதும்போது, ​​அது சார்புநிலை, பாதுகாப்பு மற்றும் நெறிமுறைகள் குறித்த கேள்விகளையும் எழுப்புகிறது. ஒரு அனுபவமிக்க மனித மென்பொருள் உருவாக்குநர் கண்டறியக்கூடிய பாதுகாப்பு குறைபாடுகளை (உதாரணமாக, உள்ளீடுகளை முறையாகச் சுத்திகரிக்காமல் இருப்பது அல்லது பாதுகாப்பற்ற குறியாக்க முறைகளைப் பயன்படுத்துவது) ஒரு செயற்கை நுண்ணறிவு தற்செயலாக அறிமுகப்படுத்தக்கூடும். மேலும், செயற்கை நுண்ணறிவுக்கு உள்ளார்ந்த நெறிமுறை உணர்வோ அல்லது நேர்மை மீதான அக்கறையோ இல்லை – உதாரணமாக, அது சார்புடைய தரவுகளில் பயிற்சி பெற்று, தற்செயலாகப் பாகுபாடு காட்டும் வழிமுறைகளைப் பரிந்துரைக்கக்கூடும் (கடன் ஒப்புதல் குறியீடு அல்லது ஆள்சேர்ப்பு வழிமுறை போன்ற செயற்கை நுண்ணறிவால் இயக்கப்படும் ஒரு அம்சத்தில்). இந்தச் சிக்கல்களுக்காக செயற்கை நுண்ணறிவின் வெளியீடுகளைத் தணிக்கை செய்யவும், விதிமுறைகளுக்கு இணங்குவதை உறுதி செய்யவும், மென்பொருளில் நெறிமுறை சார்ந்த பரிசீலனைகளை ஊட்டவும் மனித மென்பொருள் உருவாக்குநர்கள் தேவைப்படுகிறார்கள். சமூக அம்சம் – அதாவது பயனர் நம்பிக்கையைப் புரிந்துகொள்வது, தனியுரிமைக் கவலைகள் மற்றும் மனித விழுமியங்களுடன் ஒத்துப்போகும் வடிவமைப்புத் தேர்வுகளை மேற்கொள்வது – “புறக்கணிக்கப்பட முடியாது. உருவாக்கத்தின் இந்த மனிதனை மையமாகக் கொண்ட அம்சங்கள், குறைந்தபட்சம் foreseeable எதிர்காலத்தில், செயற்கை நுண்ணறிவின் வரம்பிற்கு அப்பாற்பட்டவை.” (2025-ல் செயற்கை நுண்ணறிவு டெவலப்பர்களை இடமாற்றம் செய்யுமா: எதிர்காலத்தின் ஒரு முன்னோட்டம்) செயற்கை நுண்ணறிவு பங்களிப்புகளுக்கு டெவலப்பர்கள் மனசாட்சியாகவும் தரக் காப்பாளராகவும் செயல்பட வேண்டும்.

இந்த வரம்புகளைக் கருத்தில் கொண்டு, செயற்கை நுண்ணறிவு (AI) ஒரு கருவியே தவிர, அதற்கு மாற்றானது அல்ல என்பதே தற்போதைய பொதுவான கருத்தாக உள்ளது . சத்யா நாதெல்லா கூறியது போல, இது டெவலப்பர்களுக்கு அதிகாரம் அளிப்பதே தவிர, அவர்களை மாற்றுவது அல்ல ( Will AI Replace Programmers? The Truth Behind the Hype | by The PyCoach | Artificial Corner | Mar, 2025 | Medium ). செயற்கை நுண்ணறிவை ஒரு இளநிலை உதவியாளராகக் கருதலாம்: அது வேகமானது, சோர்வடையாதது, மேலும் பல பணிகளை முதல் முயற்சியிலேயே செய்து முடிக்கும் திறன் கொண்டது. ஆனால், ஒரு செம்மையான இறுதித் தயாரிப்பை உருவாக்க, அதற்கு ஒரு மூத்த டெவலப்பரின் வழிகாட்டுதலும் நிபுணத்துவமும் தேவைப்படுகிறது. மிகவும் மேம்பட்ட செயற்கை நுண்ணறிவு குறியீட்டு அமைப்புகள் கூட (Copilot, CodeWhisperer, போன்றவை) தன்னாட்சி குறியீட்டாளர்களாக அல்லாமல், நிஜ உலகப் பயன்பாட்டில் உதவியாளர்களாகவே பயன்படுத்தப்படுகின்றன என்பது குறிப்பிடத்தக்கது . நிறுவனங்கள் தங்கள் நிரலாக்கக் குழுக்களைப் பணிநீக்கம் செய்துவிட்டு, ஒரு செயற்கை நுண்ணறிவை அதன் போக்கில் செயல்பட விடுவதில்லை; மாறாக, டெவலப்பர்களுக்கு உதவுவதற்காக, அவர்களின் பணி ஓட்டங்களில் செயற்கை நுண்ணறிவை உட்பொதிக்கின்றன.

OpenAI-யின் சாம் ஆல்ட்மேனிடமிருந்து ஒரு விளக்கமான மேற்கோள் வருகிறது. அதில் அவர், AI முகவர்கள் மேம்பட்டாலும், மென்பொருள் உருவாக்கத்தில் "இந்த AI முகவர்கள் மனிதர்களை முழுமையாக மாற்றிவிடாது" என்று குறிப்பிட்டார் ( மென்பொருள் பொறியாளர்கள் செய்யும் பணிகளை AI முகவர்கள் விரைவில் செய்யும் என்கிறார் சாம் ஆல்ட்மேன்: முழுச் செய்தி 5 புள்ளிகளில் - இந்தியா டுடே ). அவை, மனிதப் பொறியாளர்களுக்காக நன்கு வரையறுக்கப்பட்ட பணிகளைக் கையாளும் "மெய்நிகர் சக பணியாளர்களாக" செயல்படும் ; குறிப்பாக, சில வருட அனுபவமுள்ள ஒரு கீழ்நிலை மென்பொருள் பொறியாளருக்கே உரிய பணிகளை அவை செய்யும். வேறுவிதமாகக் கூறினால், AI இறுதியில் சில பகுதிகளில் ஒரு இளநிலை உருவாக்குநரின் வேலையைச் செய்யக்கூடும், ஆனால் அந்த இளநிலை உருவாக்குநர் வேலையிழப்பதில்லை – அவர் AI-ஐ மேற்பார்வையிடும் மற்றும் AI-ஆல் செய்ய முடியாத உயர்நிலை பணிகளைக் கையாளும் ஒரு நிலைக்குப் பரிணமிக்கிறார். எதிர்காலத்தை நோக்கும்போது கூட, 2040-ஆம் ஆண்டளவில் AI தனது சொந்தக் குறியீடுகளில் பெரும்பாலானவற்றை எழுதக்கூடும் என்று சில ஆராய்ச்சியாளர்கள் கணித்தாலும் ( மென்பொருள் பொறியாளர்களுக்கு எதிர்காலம் உள்ளதா? AI-இன் தாக்கம் [2024] ), மேற்பார்வையிடவும், வழிகாட்டவும், இயந்திரங்களிடம் இல்லாத படைப்பாற்றல் மற்றும் விமர்சன சிந்தனையை வழங்கவும் மனித நிரலாளர்கள் இன்னும் தேவைப்படுவார்கள் என்பது பொதுவாக ஏற்றுக்கொள்ளப்படுகிறது .

மென்பொருள் உருவாக்கம் என்பது வெறும் நிரலாக்கம் மட்டுமல்ல என்பதையும் கவனத்தில் கொள்ள வேண்டும் . அது சம்பந்தப்பட்ட தரப்பினருடன் தொடர்புகொள்வது, பயனர்களின் தேவைகளைப் புரிந்துகொள்வது, குழுக்களாக இணைந்து பணியாற்றுவது, மற்றும் தொடர் வடிவமைப்பு ஆகியவற்றை உள்ளடக்கியது – இவை அனைத்துத் துறைகளிலும் மனிதத் திறன்கள் இன்றியமையாதவை. ஒரு செயற்கை நுண்ணறிவால், வாடிக்கையாளருடன் ஒரு கூட்டத்தில் அமர்ந்து அவர்கள் உண்மையில் விரும்புவதை விவாதிக்கவோ, முன்னுரிமைகளைப் பற்றிப் பேச்சுவார்த்தை நடத்தவோ, அல்லது ஒரு தயாரிப்புக்கான தொலைநோக்குப் பார்வையுடன் ஒரு குழுவை ஊக்குவிக்கவோ முடியாது. மனித அம்சம் இங்கு மையமாகவே உள்ளது.

சுருக்கமாக, செயற்கை நுண்ணறிவுக்கு முக்கியமான பலவீனங்கள் உள்ளன: உண்மையான படைப்பாற்றல் இல்லாமை, சூழலைப் பற்றிய வரையறுக்கப்பட்ட புரிதல், தவறுகள் செய்யும் போக்கு, பொறுப்புணர்வின்மை, மற்றும் மென்பொருள் முடிவுகளின் பரந்த தாக்கங்களைப் பற்றிய புரிதல் இல்லாமை. இந்த இடைவெளிகளில்தான் மனித மென்பொருள் உருவாக்குநர்கள் சிறந்து விளங்குகிறார்கள். செயற்கை நுண்ணறிவை ஒரு அச்சுறுத்தலாகப் பார்ப்பதற்குப் பதிலாக, அதை மனித மென்பொருள் உருவாக்குநர்களுக்கான ஒரு சக்திவாய்ந்த பெருக்கியாகப் பார்ப்பதே மிகவும் துல்லியமாக இருக்கும் – மனிதர்கள் ஆழமானவற்றில் கவனம் செலுத்த ஏதுவாக, இது சாதாரணமானவற்றைக் கையாளுகிறது. செயற்கை நுண்ணறிவால் மேம்படுத்தப்பட்ட மென்பொருள் உருவாக்க உலகில், மென்பொருள் உருவாக்குநர்கள் தங்களின் திறன்களையும் பங்குகளையும் மாற்றியமைத்து , தங்களைப் பொருத்தமானவர்களாகவும் மதிப்புமிக்கவர்களாகவும் வைத்துக்கொள்வதன் மூலம், இந்தப் பெருக்கத்தை எவ்வாறு பயன்படுத்திக்கொள்ளலாம் என்பதை அடுத்த பகுதி விவாதிக்கும்.

AI யுகத்தில் தகவமைப்பு மற்றும் செழிப்பு

புரோகிராமர்கள் மற்றும் டெவலப்பர்களுக்கு, கோடிங்கில் செயற்கை நுண்ணறிவின் எழுச்சி ஒரு கடுமையான அச்சுறுத்தலாக இருக்க வேண்டியதில்லை – அது ஒரு வாய்ப்பாக அமையலாம். தொழில்நுட்பத்துடன் சேர்ந்து தங்களைத் தகவமைத்துக்கொண்டு, வளர்ச்சி அடைவதே இதன் முக்கிய அம்சம். செயற்கை நுண்ணறிவைப் பயன்படுத்தக் கற்றுக்கொள்பவர்கள் அதிக உற்பத்தித்திறன் கொண்டவர்களாகவும், அதிகத் தேவை உள்ளவர்களாகவும் தங்களைக் காண்பார்கள், அதேசமயம் அதைப் புறக்கணிப்பவர்கள் பின்தங்கிவிட்டதைக் காணலாம். இந்தப் பிரிவில், செயற்கை நுண்ணறிவு கருவிகள் அன்றாட மேம்பாட்டின் ஒரு பகுதியாக மாறும்போது, ​​டெவலப்பர்கள் தங்களைத் தக்க வைத்துக் கொள்ளவும் செழிக்கவும் உதவும் நடைமுறை வழிமுறைகள் மற்றும் உத்திகளில் கவனம் செலுத்துகிறோம். போட்டி மனப்பான்மையைக் காட்டிலும், செயற்கை நுண்ணறிவுடன் தொடர்ச்சியாகக் கற்றுக்கொள்வதும் ஒத்துழைப்பதும் தான் பின்பற்ற வேண்டிய மனப்பான்மையாகும். டெவலப்பர்கள் எவ்வாறு தங்களைத் தகவமைத்துக் கொள்ளலாம் மற்றும் அவர்கள் கருத்தில் கொள்ள வேண்டிய புதிய திறன்கள் மற்றும் பாத்திரங்கள் யாவை என்பது இங்கே கொடுக்கப்பட்டுள்ளது:

1. செயற்கை நுண்ணறிவை ஒரு கருவியாக ஏற்றுக்கொள்ளுங்கள் (செயற்கை நுண்ணறிவு குறியீட்டு உதவியாளர்களைத் திறம்படப் பயன்படுத்தக் கற்றுக்கொள்ளுங்கள்): முதலாவதாக, டெவலப்பர்கள் கிடைக்கக்கூடிய செயற்கை நுண்ணறிவு கருவிகளுடன் நன்கு பழகிக்கொள்ள வேண்டும். Copilot, ChatGPT அல்லது பிற குறியீட்டு செயற்கை நுண்ணறிவுகளை உங்கள் புதிய இணை நிரலாக்கக் கூட்டாளியாகக் கருதுங்கள். நல்ல தூண்டுதல்கள் அல்லது கருத்துரைகளை எப்படி எழுதுவது என்பதைக் கற்றுக்கொள்வதும் , செயற்கை நுண்ணறிவால் உருவாக்கப்பட்ட குறியீட்டை விரைவாகச் சரிபார்ப்பது அல்லது பிழைதிருத்துவது எப்படி என்பதை அறிந்துகொள்வதும் இதன் பொருள். ஒரு டெவலப்பர் தனது IDE அல்லது பதிப்புக் கட்டுப்பாட்டைக் கற்றுக்கொண்டதைப் போலவே, ஒரு செயற்கை நுண்ணறிவு உதவியாளரின் தனித்தன்மைகளைக் கற்றுக்கொள்வதும் திறன் தொகுப்பின் ஒரு பகுதியாக மாறி வருகிறது. உதாரணமாக, ஒரு டெவலப்பர் தான் எழுதிய ஒரு குறியீட்டை எடுத்து, அதை மேம்படுத்துமாறு செயற்கை நுண்ணறிவிடம் கேட்டு, பின்னர் மாற்றங்களைப் பகுப்பாய்வு செய்வதன் மூலம் பயிற்சி செய்யலாம். அல்லது, ஒரு பணியைத் தொடங்கும்போது, ​​அதை கருத்துரைகளில் கோடிட்டுக் காட்டி, செயற்கை நுண்ணறிவு என்ன வழங்குகிறது என்பதைப் பார்த்து, பின்னர் அதிலிருந்து செம்மைப்படுத்தலாம். காலப்போக்கில், செயற்கை நுண்ணறிவு எதில் சிறந்தது மற்றும் அதனுடன் இணைந்து எப்படி உருவாக்குவது என்பது குறித்த உள்ளுணர்வை நீங்கள் வளர்த்துக் கொள்வீர்கள். இதை "செயற்கை நுண்ணறிவு உதவியுடனான மேம்பாடு" – உங்கள் திறன்களின் தொகுப்பில் சேர்க்க வேண்டிய ஒரு புதிய திறன் என்று நினைத்துப் பாருங்கள். உண்மையில், டெவலப்பர்கள் இப்போது "தூண்டுதல் பொறியியல்" என்பதை ஒரு திறனாகக் குறிப்பிடுகிறார்கள் – அதாவது, செயற்கை நுண்ணறிவிடம் சரியான கேள்விகளைக் கேட்பது எப்படி என்பதை அறிந்துகொள்வது. இதில் தேர்ச்சி பெறுபவர்கள், அதே கருவிகளைக் கொண்டு குறிப்பிடத்தக்க அளவு சிறந்த முடிவுகளை அடைய முடியும். "செயற்கை நுண்ணறிவைப் பயன்படுத்தும் டெவலப்பர்கள், பயன்படுத்தாதவர்களுக்குப் பதிலாக வரக்கூடும்" – எனவே, இந்தத் தொழில்நுட்பத்தை ஏற்றுக்கொண்டு அதை உங்கள் கூட்டாளியாக ஆக்கிக்கொள்ளுங்கள்.

2. உயர்நிலைத் திறன்களில் கவனம் செலுத்துங்கள் (சிக்கல் தீர்த்தல், அமைப்பு வடிவமைப்பு, கட்டமைப்பு): செயற்கை நுண்ணறிவால் (AI) அதிக கீழ்நிலைக் குறியீடுகளைக் கையாள முடியும் என்பதால், மென்பொருள் உருவாக்குநர்கள் நுண்புலப் படிநிலையில் மேலே செல்ல. இதன் பொருள், அமைப்பு வடிவமைப்பு மற்றும் கட்டமைப்பைப் புரிந்துகொள்வதில் அதிக முக்கியத்துவம் கொடுப்பதாகும். சிக்கலான பிரச்சனைகளைப் பிரித்தறிதல், விரிவாக்கக்கூடிய அமைப்புகளை வடிவமைத்தல், மற்றும் கட்டமைப்பு சார்ந்த முடிவுகளை எடுத்தல் போன்ற திறன்களை வளர்த்துக் கொள்ளுங்கள் – இவை மனித நுண்ணறிவு மிக முக்கியமான துறைகளாகும். ஒரு தீர்வின் 'என்ன' என்பதில் மட்டும் கவனம் செலுத்தாமல், அதன் 'ஏன்' மற்றும் 'எப்படி' என்பதிலும் கவனம் செலுத்துங்கள். உதாரணமாக, ஒரு வரிசைப்படுத்தும் செயல்பாட்டைச் செம்மைப்படுத்துவதில் உங்கள் முழு நேரத்தையும் செலவழிப்பதற்குப் பதிலாக (செயற்கை நுண்ணறிவால் உங்களுக்காக ஒன்றை எழுத முடியும்), உங்கள் பயன்பாட்டின் சூழலுக்கு எந்த வரிசைப்படுத்தும் அணுகுமுறை உகந்தது என்பதையும், அது உங்கள் அமைப்பின் தரவுப் பாய்வில் எவ்வாறு பொருந்துகிறது என்பதையும் புரிந்துகொள்வதில் நேரத்தைச் செலவிடுங்கள். வடிவமைப்புச் சிந்தனை – அதாவது பயனர் தேவைகள், தரவுப் பாய்வுகள் மற்றும் கூறு இடைவினைகளைக் கருத்தில் கொள்வது – மிகவும் மதிப்புமிக்கதாக இருக்கும். செயற்கை நுண்ணறிவால் குறியீடுகளை உருவாக்க முடியும், ஆனால் மென்பொருளின் ஒட்டுமொத்த கட்டமைப்பைத் தீர்மானிப்பதும், அனைத்துப் பகுதிகளும் இணக்கமாகச் செயல்படுவதை உறுதி செய்வதும் மென்பொருள் உருவாக்குநரே ஆவார். உங்கள் பரந்த கண்ணோட்டச் சிந்தனையைத் தீட்டுவதன் மூலம், சரியானதை உருவாக்குவதில் செயற்கை நுண்ணறிவிற்கும் (மற்றும் குழுவின் மற்றவர்களுக்கும்) வழிகாட்டும் நபராக உங்களை இன்றியமையாதவராக ஆக்கிக்கொள்கிறீர்கள். எதிர்காலத்தைப் பற்றிய ஒரு அறிக்கை குறிப்பிட்டது போல, உருவாக்குநர்கள் “சிக்கல் தீர்த்தல், வடிவமைப்புச் சிந்தனை, மற்றும் பயனர் தேவைகளைப் புரிந்துகொள்ளுதல் போன்ற, மனித நுண்ணறிவுக்கு மாற்றீடு இல்லாத துறைகளில் கவனம் செலுத்த வேண்டும்.” (2025-ல் செயற்கை நுண்ணறிவு உருவாக்குநர்களுக்குப் பதிலாக வருமா: எதிர்காலத்தின் ஒரு முன்னோட்டம்)

3. உங்கள் AI மற்றும் ML அறிவை மேம்படுத்துங்கள்: AI உடன் இணைந்து பணியாற்ற, AI-ஐப் புரிந்துகொள்வது. டெவலப்பர்கள் அனைவரும் மெஷின் லேர்னிங் ஆராய்ச்சியாளர்களாக மாற வேண்டிய அவசியமில்லை, ஆனால் இந்த மாடல்கள் எவ்வாறு செயல்படுகின்றன என்பதைப் பற்றிய உறுதியான புரிதல் இருப்பது நன்மை தரும். மெஷின் லேர்னிங் மற்றும் டீப் லேர்னிங்கின் அடிப்படைகளைக் கற்றுக்கொள்ளுங்கள் – இது புதிய தொழில் பாதைகளைத் திறப்பது மட்டுமல்லாமல் (AI தொடர்பான வேலைகள் பெருகி வருவதால் (Is There a Future for Software Engineers? The Impact of AI [2024])), AI கருவிகளை மிகவும் திறம்படப் பயன்படுத்தவும் இது உங்களுக்கு உதவும். உதாரணமாக, ஒரு பெரிய மொழி மாடலின் வரம்புகள் மற்றும் அது எவ்வாறு பயிற்சி அளிக்கப்பட்டது என்பதை நீங்கள் அறிந்திருந்தால், அது எப்போது தோல்வியடையக்கூடும் என்பதை உங்களால் கணிக்க முடியும், மேலும் அதற்கேற்ப உங்கள் அறிவுறுத்தல்கள் அல்லது சோதனைகளை வடிவமைக்க முடியும். கூடுதலாக, பல மென்பொருள் தயாரிப்புகள் இப்போது AI அம்சங்களை இணைத்து வருகின்றன (உதாரணமாக, ஒரு பரிந்துரை இயந்திரம் அல்லது ஒரு சாட்பாட் கொண்ட செயலி). ஓரளவு ML அறிவுள்ள ஒரு மென்பொருள் டெவலப்பர் அந்த அம்சங்களுக்குப் பங்களிக்க முடியும் அல்லது குறைந்தபட்சம் தரவு விஞ்ஞானிகளுடன் புத்திசாலித்தனமாக ஒத்துழைக்க முடியும். கற்றுக்கொள்ள வேண்டிய முக்கியப் பகுதிகள்: தரவு அறிவியல் அடிப்படைகள், தரவை எவ்வாறு முன்செயலாக்கம் செய்வது, பயிற்சி மற்றும் அனுமானம், மற்றும் AI-இன் நெறிமுறைகள். AI கட்டமைப்புகள் (டென்சர்ஃப்ளோ, பைடார்ச்) மற்றும் கிளவுட் AI சேவைகளைப் பற்றி நன்கு அறிந்துகொள்ளுங்கள்; நீங்கள் புதிதாக மாடல்களை உருவாக்கவில்லை என்றாலும், ஒரு AI API-ஐ ஒரு செயலியில் எவ்வாறு ஒருங்கிணைப்பது என்பதை அறிந்திருப்பது ஒரு மதிப்புமிக்க திறமையாகும். சுருக்கமாகச் சொன்னால், வலை அல்லது தரவுத்தளத் தொழில்நுட்பங்களில் தேர்ச்சி பெறுவதைப் போலவே, 'AI-இல் தேர்ச்சி' பெறுவதும் மிக விரைவாக முக்கியத்துவம் பெற்று வருகிறது. பாரம்பரிய மென்பொருள் பொறியியல் மற்றும் AI ஆகிய இரு துறைகளிலும் சிறந்து விளங்கக்கூடிய டெவலப்பர்கள், எதிர்காலத் திட்டங்களை வழிநடத்துவதற்கு முதன்மை நிலையில் இருப்பார்கள்.

4. வலுவான மென் திறன்களையும் துறைசார் அறிவையும் வளர்த்துக் கொள்ளுங்கள்: செயற்கை நுண்ணறிவு (AI) இயந்திரப் பணிகளைக் கையகப்படுத்தும்போது, ​​மனிதர்களுக்கு மட்டுமே உரிய திறன்கள் இன்னும் முக்கியத்துவம் பெறுகின்றன. தகவல் தொடர்பு, குழுப்பணி மற்றும் துறைசார் நிபுணத்துவம் ஆகியவற்றில் அதிக கவனம் செலுத்த வேண்டும். மென்பொருள் உருவாக்கம் என்பது பெரும்பாலும் நிதி, சுகாதாரம், கல்வி அல்லது வேறு எந்தத் துறையாக இருந்தாலும், அதன் சிக்கல் களத்தைப் புரிந்துகொண்டு, அதைத் தீர்வுகளாக மாற்றுவதாகும். செயற்கை நுண்ணறிவுக்கு அந்தச் சூழலோ அல்லது சம்பந்தப்பட்டவர்களுடன் தொடர்பு கொள்ளும் திறனோ இருக்காது, ஆனால் உங்களுக்கு அது உண்டு. நீங்கள் பணிபுரியும் துறையில் அதிக அறிவைப் பெறுவது, மென்பொருள் உண்மையில் நிஜ உலகத் தேவைகளைப் பூர்த்தி செய்கிறதா என்பதை உறுதி செய்வதற்கான முதன்மை நபராக உங்களை ஆக்குகிறது. அதேபோல், உங்கள் ஒத்துழைப்புத் திறன்களான வழிகாட்டுதல், தலைமைத்துவம் மற்றும் ஒருங்கிணைப்பு ஆகியவற்றில் கவனம் செலுத்துங்கள். குழுக்களுக்கு, குறியீட்டை (செயற்கை நுண்ணறிவால் எழுதப்பட்ட குறியீடு உட்பட) மதிப்பாய்வு செய்யவும், சிறந்த நடைமுறைகள் குறித்து இளையவர்களுக்கு வழிகாட்டவும், சிக்கலான திட்டங்களை ஒருங்கிணைக்கவும் மூத்த டெவலப்பர்கள் தேவைப்படுவார்கள். திட்டங்களில் மனிதத் தொடர்பின் தேவையை செயற்கை நுண்ணறிவு நீக்கிவிடுவதில்லை. உண்மையில், செயற்கை நுண்ணறிவு குறியீட்டை உருவாக்கும்போது, ​​ஒரு மூத்த டெவலப்பரின் வழிகாட்டுதல், செயற்கை நுண்ணறிவுடன் எவ்வாறு வேலை செய்வது மற்றும் அதன் வெளியீட்டைச் சரிபார்ப்பது என்பதைக். இந்த புதிய சூழலில் மற்றவர்களுக்கு வழிகாட்டும் திறன் ஒரு மதிப்புமிக்க திறமையாகும். மேலும், திறனாய்வுச் சிந்தனையைப் – செயற்கை நுண்ணறிவின் வெளியீடுகளைக் கேள்வி கேட்டுச் சோதியுங்கள், மற்றவர்களையும் அவ்வாறே செய்ய ஊக்குவியுங்கள். ஆரோக்கியமான ஐயுறவு மற்றும் சரிபார்ப்பு மனப்பான்மையை வளர்ப்பது, செயற்கை நுண்ணறிவை கண்மூடித்தனமாகச் சார்ந்திருப்பதைத் தடுத்து, பிழைகளைக் குறைக்கும். சாராம்சத்தில், செயற்கை நுண்ணறிவில் இல்லாத திறன்களை மேம்படுத்துங்கள்: மனிதர்களையும் சூழலையும் புரிந்துகொள்ளுதல், திறனாய்வுப் பகுப்பாய்வு மற்றும் பல்துறைச் சிந்தனை.

5. வாழ்நாள் கற்றல் மற்றும் தகவமைத்துக் கொள்ளும் திறன்: செயற்கை நுண்ணறிவில் (AI) ஏற்படும் மாற்றங்களின் வேகம் மிக விரைவானது. இன்று அதிநவீனமாகத் தோன்றுவது, ஓரிரு ஆண்டுகளில் காலாவதியாகிவிடக்கூடும். டெவலப்பர்கள் வாழ்நாள் கற்றலைத் . இதன் பொருள், புதிய AI கோடிங் உதவியாளர்களைத் தவறாமல் முயற்சி செய்வது, AI/ML-இல் ஆன்லைன் படிப்புகள் அல்லது சான்றிதழ்களைப் பெறுவது, வரவிருப்பவை குறித்து புதுப்பித்த நிலையில் இருக்க ஆராய்ச்சி வலைப்பதிவுகளைப் படிப்பது, அல்லது AI-ஐ மையமாகக் கொண்ட டெவலப்பர் சமூகங்களில் பங்கேற்பது என்பதாக இருக்கலாம். தகவமைத்துக் கொள்ளும் திறன் மிக முக்கியமானது – புதிய கருவிகளும் பணிப்பாய்வுகளும் வெளிவரும்போது, ​​அவற்றுக்கு ஏற்ப மாறத் தயாராக இருங்கள். உதாரணமாக, வரைபடங்களிலிருந்து UI வடிவமைப்பைத் தானியக்கமாக்கக்கூடிய ஒரு புதிய AI கருவி வந்தால், ஒரு ஃப்ரண்ட்-எண்ட் டெவலப்பர் அதைக் கற்றுக்கொண்டு இணைத்துக்கொள்ளத் தயாராக இருக்க வேண்டும். இதன் மூலம், உருவாக்கப்பட்ட UI-ஐ செம்மைப்படுத்துவதிலோ அல்லது தானியக்கத்தால் விடுபட்ட பயனர் அனுபவ விவரங்களை மேம்படுத்துவதிலோ தங்கள் கவனத்தை மாற்றிக்கொள்ளலாம். கற்றலைத் தங்கள் தொழில் வாழ்க்கையின் ஒரு தொடர்ச்சியான பகுதியாகக் கருதுபவர்கள் (ஏற்கனவே பல டெவலப்பர்கள் அவ்வாறு செய்கிறார்கள்), AI மேம்பாடுகளை ஒருங்கிணைப்பதை எளிதாகக் காண்பார்கள். ஒரு உத்தி என்னவென்றால், உங்கள் வாரத்தின் ஒரு சிறிய பகுதியை கற்றல் மற்றும் பரிசோதனைக்கு அர்ப்பணிப்பதாகும் – இதை உங்கள் சொந்த எதிர்காலத்தில் முதலீடு செய்வதாகக் கருதுங்கள். நிறுவனங்கள் தங்கள் டெவலப்பர்களுக்கு AI கருவிகளைத் திறம்படப் பயன்படுத்துவது குறித்துப் பயிற்சி அளிக்கத் தொடங்கியுள்ளன; இதுபோன்ற வாய்ப்புகளைப் பயன்படுத்திக் கொள்வது உங்களை முன்னிலையில் வைக்கும். செயற்கை நுண்ணறிவை ஒரு பரிணாம வளர்ச்சி பெறும் கூட்டாளியாகக் கருதி, அந்தக் கூட்டாளியுடன் இணைந்து பணியாற்றும் தங்கள் அணுகுமுறையைத் தொடர்ந்து செம்மைப்படுத்துபவர்களே வெற்றி பெறும் உருவாக்குநர்களாக இருப்பார்கள்.

6. வளர்ந்து வரும் பதவிகள் மற்றும் தொழில் பாதைகளை ஆராயுங்கள்: செயற்கை நுண்ணறிவு (AI) உருவாக்கத்தில் பின்னிப் பிணைவதால், புதிய தொழில் வாய்ப்புகள் உருவாகின்றன. உதாரணமாக, ப்ராம்ட் இன்ஜினியர் அல்லது AI ஒருங்கிணைப்பு நிபுணர் போன்ற பதவிகள், தயாரிப்புகளில் AI-ஐப் பயன்படுத்துவதற்கான சரியான ப்ராம்ட்கள், பணிப்பாய்வுகள் மற்றும் உள்கட்டமைப்பை உருவாக்குவதில் கவனம் செலுத்துகின்றன. மற்றொரு உதாரணம் AI நெறிமுறை பொறியாளர் அல்லது AI தணிக்கையாளர் – இவை AI வெளியீடுகளில் உள்ள சார்பு, இணக்கம் மற்றும் சரியான தன்மையை மதிப்பாய்வு செய்வதில் கவனம் செலுத்தும் பதவிகள். உங்களுக்கு அந்தத் துறைகளில் ஆர்வம் இருந்தால், சரியான அறிவுடன் உங்களை நிலைநிறுத்திக் கொள்வது இந்தப் புதிய பாதைகளைத் திறக்கக்கூடும். பாரம்பரியப் பதவிகளுக்குள்ளேயே, "AI-உதவியுடன் கூடிய ஃப்ரண்ட்எண்ட் டெவலப்பர்" மற்றும் "AI-உதவியுடன் கூடிய பேக்எண்ட் டெவலப்பர்" போன்ற தனித்துவமான பிரிவுகளை நீங்கள் காணலாம், இதில் ஒவ்வொன்றும் சிறப்பு கருவிகளைப் பயன்படுத்துகின்றன. நிறுவனங்கள் AI-ஐச் சுற்றி குழுக்களை எவ்வாறு கட்டமைக்கின்றன என்பதைக் கவனியுங்கள். சில நிறுவனங்கள் திட்டங்களில் AI-ஐப் பயன்படுத்துவதற்கு வழிகாட்ட "AI குழுக்கள்" அல்லது சிறப்பு மையங்களைக் கொண்டுள்ளன – அத்தகைய குழுக்களில் தீவிரமாகச் செயல்படுவது உங்களை முன்னணியில் வைக்கும். மேலும், AI கருவிகளின் உருவாக்கத்திற்கே பங்களிப்பதைக் கருத்தில் கொள்ளுங்கள்: உதாரணமாக, டெவலப்பர் கருவிகளை மேம்படுத்தும் திறந்த மூலத் திட்டங்களில் பணியாற்றுவது (ஒருவேளை குறியீட்டை விளக்கும் AI-இன் திறனை மேம்படுத்துவது போன்றவை). இது தொழில்நுட்பத்தைப் பற்றிய உங்கள் புரிதலை ஆழப்படுத்துவதோடு மட்டுமல்லாமல், மாற்றத்தை வழிநடத்தும் ஒரு சமூகத்திலும் உங்களை இணைக்கிறது. சுருக்கமாகச் சொன்னால், உங்கள் தொழில் வாழ்க்கையில் நெகிழ்வுத்தன்மையுடன். உங்கள் தற்போதைய வேலையின் சில பகுதிகள் தானியங்குமயமாகிவிட்டால், அந்தத் தானியங்குப் பகுதிகளை வடிவமைக்கும், மேற்பார்வையிடும் அல்லது மேம்படுத்தும் பணிகளுக்கு மாறத் தயாராக இருங்கள்.

7. மனிதத் தரத்தைப் பராமரித்து வெளிப்படுத்துங்கள்: சராசரிப் பிரச்சனைக்கு சராசரியான குறியீட்டை செயற்கை நுண்ணறிவு (AI) உருவாக்கும் உலகில், விதிவிலக்கான மற்றும் உணர்வுப்பூர்வமான தீர்வுகளை உருவாக்க மனித மென்பொருள் உருவாக்குநர்கள் பாடுபட வேண்டும். இதன் பொருள், பயனர் அனுபவத்தின் நேர்த்தியில் கவனம் செலுத்துவது, அசாதாரண சூழ்நிலைகளுக்கான செயல்திறன் மேம்படுத்தல்கள், அல்லது வெறுமனே தெளிவான மற்றும் நன்கு ஆவணப்படுத்தப்பட்ட குறியீட்டை எழுதுவது என்பதாக இருக்கலாம் (அர்த்தமுள்ள ஆவணங்களையோ அல்லது புரிந்துகொள்ளக்கூடிய குறியீட்டு விளக்கக் குறிப்புகளையோ எழுதுவதில் செயற்கை நுண்ணறிவு சிறந்து விளங்குவதில்லை – அதில் நீங்கள் மதிப்பைச் சேர்க்கலாம்!). உங்கள் படைப்பில் மனித நுண்ணறிவை ஒருங்கிணைப்பதை ஒரு முக்கிய நோக்கமாகக் கொள்ளுங்கள்: உதாரணமாக, ஒரு செயற்கை நுண்ணறிவு ஒரு குறியீட்டை உருவாக்கினால், அதன் பின்னணியை மற்றொரு மனிதர் பின்னர் புரிந்துகொள்ளும் வகையில் விளக்கும் விளக்கக் குறிப்புகளை நீங்கள் சேர்க்கலாம், அல்லது அதை மேலும் எளிதாகப் படிக்கக்கூடியதாக மாற்றியமைக்கலாம். அவ்வாறு செய்வதன் மூலம், முற்றிலும் இயந்திரத்தால் உருவாக்கப்பட்ட படைப்புகளில் இல்லாத ஒரு தொழில்முறை மற்றும் தரத்தின் அடுக்கை நீங்கள் சேர்க்கிறீர்கள். காலப்போக்கில், நிஜ உலகில் "எந்தச் சிக்கலும் இல்லாமல் இயங்கும்" உயர்தர மென்பொருளுக்கான நற்பெயரை உருவாக்குவது உங்களைத் தனித்துக்காட்டும். செயற்கை நுண்ணறிவின் செயல்திறனை மனித கைவினைத்திறனுடன் இணைக்கக்கூடிய.

கல்விப் பாதைகள் எவ்வாறு மாறக்கூடும் என்பதையும் நாம் கருத்தில் கொள்வோம். இத்துறையில் நுழையும் புதிய டெவலப்பர்கள், தங்கள் கற்றல் செயல்பாட்டில் செயற்கை நுண்ணறிவு (AI) கருவிகளைப் பயன்படுத்தத் தயங்கக்கூடாது. மாறாக, உடன் (உதாரணமாக, வீட்டுப்பாடம் அல்லது திட்டப்பணிகளுக்கு உதவ AI-ஐப் பயன்படுத்துவது, பின்னர் அதன் முடிவுகளைப் பகுப்பாய்வு செய்வது) அவர்களின் புரிதலை விரைவுபடுத்தும். இருப்பினும், அடிப்படைகளையும் ஆழமாகக் கற்றுக்கொள்வது . அப்போதுதான் உங்களுக்கு ஒரு உறுதியான அடித்தளம் இருக்கும், மேலும் AI தவறான பாதையில் செல்கிறதா என்பதையும் உங்களால் கண்டறிய முடியும். AI எளிய நிரலாக்கப் பயிற்சிகளைக் கையாள்வதால், வடிவமைப்பு மற்றும் ஒருங்கிணைப்பு தேவைப்படும் திட்டப்பணிகளுக்குப் பாடத்திட்டங்கள் அதிக முக்கியத்துவம் கொடுக்கக்கூடும். நீங்கள் ஒரு புதியவராக இருந்தால், சிக்கலான பிரச்சனைகளைத் தீர்க்கும் உங்கள் திறனையும், பல கருவிகளில் ஒன்றாக AI-ஐப் பயன்படுத்தும் உங்கள் திறனையும் வெளிப்படுத்தும் ஒரு போர்ட்ஃபோலியோவை உருவாக்குவதில் கவனம் செலுத்துங்கள்.

தழுவல் உத்தியைச் சுருக்கமாகக் கூறினால்: பயணியாக அல்ல, விமானியாக இருங்கள். செயற்கை நுண்ணறிவு கருவிகளைப் பயன்படுத்துங்கள், ஆனால் அவற்றை அதிகமாகச் சார்ந்திருக்கவோ அல்லது அலட்சியமாக இருக்கவோ வேண்டாம். உருவாக்கத்தின் தனித்துவமான மனித அம்சங்களைத் தொடர்ந்து மெருகேற்றுங்கள். மதிக்கப்படும் மென்பொருள் பொறியியல் முன்னோடியான கிரேடி பூச் இதைச் சிறப்பாகக் கூறினார்: “ஒரு நிரலாளராக இருப்பதன் அர்த்தத்தை செயற்கை நுண்ணறிவு அடிப்படையாக மாற்றப் போகிறது. அது நிரலாளர்களை முற்றிலுமாக நீக்கிவிடாது, ஆனால் அவர்கள் புதிய திறன்களை வளர்த்துக் கொள்ளவும் புதிய வழிகளில் பணியாற்றவும் அது அவசியமாக்கும்.” (மென்பொருள் பொறியாளர்களுக்கு எதிர்காலம் உள்ளதா? செயற்கை நுண்ணறிவின் தாக்கம் [2024]). அந்தப் புதிய திறன்களையும் பணிபுரியும் வழிகளையும் முன்கூட்டியே வளர்த்துக் கொள்வதன் மூலம், உருவாக்குநர்கள் தங்கள் தொழில் வாழ்க்கையின் ஓட்டுநர் இருக்கையில் தாங்கள் இருப்பதை உறுதி செய்ய முடியும்.

இந்தப் பகுதியைச் சுருக்கமாக, AI யுகத்தில் தங்கள் வாழ்க்கையை எதிர்காலத்திற்கு ஏற்றவாறு மாற்ற விரும்பும் டெவலப்பர்களுக்கான விரைவான குறிப்பு சரிபார்ப்புப் பட்டியல் இங்கே:

தகவமைப்பு உத்தி	என்ன செய்ய
AI கருவிகளைக் கற்றுக்கொள்ளுங்கள்	கோபிலட், ChatGPT போன்றவற்றுடன் பயிற்சி செய்யுங்கள். உடனடி கைவினை மற்றும் முடிவு சரிபார்ப்பைக் கற்றுக்கொள்ளுங்கள்.
பிரச்சனை தீர்ப்பதில் கவனம் செலுத்துங்கள்	அமைப்பு வடிவமைப்பு மற்றும் கட்டமைப்பு திறன்களை மேம்படுத்தவும். "என்ன" என்பதை மட்டும் அல்ல, "ஏன்" மற்றும் "எப்படி" என்பதை சமாளிக்கவும்
AI/ML இல் மேம்பட்ட திறன்	இயந்திர கற்றல் மற்றும் தரவு அறிவியலின் அடிப்படைகளைக் கற்றுக்கொள்ளுங்கள். AI மாதிரிகள் எவ்வாறு செயல்படுகின்றன, அவற்றை எவ்வாறு ஒருங்கிணைப்பது என்பதைப் புரிந்து கொள்ளுங்கள்.
மென் திறன்களை வலுப்படுத்துதல்	தகவல் தொடர்பு, குழுப்பணி மற்றும் கள நிபுணத்துவத்தை மேம்படுத்தவும். தொழில்நுட்பம் மற்றும் நிஜ உலகத் தேவைகளுக்கு இடையே பாலமாக இருங்கள்.
வாழ்நாள் முழுவதும் கற்றல்	ஆர்வமாக இருங்கள், புதிய தொழில்நுட்பங்களைக் கற்றுக் கொண்டே இருங்கள். சமூகங்களில் சேருங்கள், படிப்புகளை எடுக்கலாம், புதிய AI மேம்பாட்டு கருவிகளைப் பரிசோதிக்கலாம்.
புதிய பாத்திரங்களை ஆராயுங்கள்	புதிதாக வரும் பதவிகளை (AI தணிக்கையாளர், உடனடி பொறியாளர், முதலியன) கண்காணித்து, அவை உங்களுக்கு ஆர்வமாக இருந்தால் அவற்றைத் தேர்ந்தெடுக்கத் தயாராக இருங்கள்.
தரம் மற்றும் நெறிமுறைகளைப் பராமரித்தல்	தரத்திற்காக எப்போதும் AI வெளியீட்டை மதிப்பாய்வு செய்யவும். மனித தொடுதலைச் சேர்க்கவும் - ஆவணப்படுத்தல், நெறிமுறை பரிசீலனைகள், பயனர் மையப்படுத்தப்பட்ட மாற்றங்கள்.

இந்த உத்திகளைப் பின்பற்றுவதன் மூலம், டெவலப்பர்கள் AI புரட்சியைத் தங்களுக்குச் சாதகமாக மாற்றிக்கொள்ள முடியும். தகவமைப்புத் திறன்களை மாற்றிக்கொள்பவர்கள், AI மேம்படுத்துவதையும் , அவற்றை வழக்கற்றுப் போகச் செய்வதற்குப் பதிலாக, முன்பை விட சிறந்த மென்பொருளை உருவாக்க அனுமதிப்பதையும் காண்பார்கள்.

எதிர்காலக் கண்ணோட்டம்: AI மற்றும் டெவலப்பர்களுக்கு இடையிலான ஒத்துழைப்பு

செயற்கை நுண்ணறிவால் இயக்கப்படும் உலகில் நிரலாக்கத்தின் எதிர்காலம் எப்படி இருக்கும்? தற்போதைய போக்குகளின் அடிப்படையில், செயற்கை நுண்ணறிவும் மனித உருவாக்குநர்களும் இன்னும் நெருக்கமாக இணைந்து பணியாற்றும். நிரலாளரின் பங்கு, மேற்பார்வை மற்றும் ஆக்கப்பூர்வமான நிலையை நோக்கித் தொடர்ந்து மாறக்கூடும்; மனித வழிகாட்டுதலின் கீழ், செயற்கை நுண்ணறிவு பெரும்பாலான கடினமான பணிகளைக் கையாளும். இந்த இறுதிப் பகுதியில், சில எதிர்காலச் சூழல்களை நாங்கள் கணித்துரைக்கிறோம். மேலும், நாம் தொடர்ந்து மாற்றங்களுக்கு ஏற்ப நம்மை தகவமைத்துக் கொண்டால், உருவாக்குநர்களுக்கான கண்ணோட்டம் சாதகமாகவே இருக்கும் என்றும் உறுதியளிக்கிறோம்.

அண்மைக் எதிர்காலத்தில் (அடுத்த 5-10 ஆண்டுகளில்), கணினிகளைப் போலவே செயற்கை நுண்ணறிவும் (AI) மென்பொருள் உருவாக்கச் செயல்பாட்டில் எங்கும் நிறைந்ததாக மாறும் என்பது மிகவும் சாத்தியம். இன்று எந்தவொரு மென்பொருள் உருவாக்குநரும் ஒரு எடிட்டர் இல்லாமலோ அல்லது கூகிள்/ஸ்டாக்ஓவர்ஃப்ளோ போன்ற தளங்கள் கைவசம் இல்லாமலோ நிரல் எழுதுவதில்லை. அதுபோலவே, விரைவில் எந்தவொரு மென்பொருள் உருவாக்குநரும் பின்னணியில் இயங்கும் ஏதேனும் ஒரு வகையான செயற்கை நுண்ணறிவு உதவியின்றி நிரல் எழுத மாட்டார்கள். ஒருங்கிணைந்த மேம்பாட்டுச் சூழல்கள் (IDEs) ஏற்கனவே செயற்கை நுண்ணறிவால் இயங்கும் அம்சங்களைத் தங்கள் மையத்தில் சேர்க்கும் வகையில் பரிணமித்து வருகின்றன (உதாரணமாக, உங்களுக்கு நிரலை விளக்கக்கூடிய அல்லது ஒரு திட்டம் முழுவதும் நிரலில் முழுமையான மாற்றங்களைப் பரிந்துரைக்கக்கூடிய நிரல் எடிட்டர்கள்). ஒரு மென்பொருள் உருவாக்குநரின் முதன்மைப் பணி, ஒரு செயற்கை நுண்ணறிவு புரிந்துகொள்ளும் வகையில் சிக்கல்களையும் கட்டுப்பாடுகளையும் உருவாக்கி, பின்னர் அந்தச் செயற்கை நுண்ணறிவு வழங்கும் தீர்வுகளைத் தொகுத்துச் செம்மைப்படுத்துவதாக. இது ஒரு உயர்நிலை நிரலாக்க வடிவத்தை ஒத்திருக்கிறது, இது சில நேரங்களில் "உடனடி நிரலாக்கம்" அல்லது "செயற்கை நுண்ணறிவு ஒருங்கிணைப்பு" என்று அழைக்கப்படுகிறது.

இருப்பினும், செய்யப்பட வேண்டியதன் சாராம்சம் – அதாவது மக்களின் பிரச்சனைகளைத் தீர்ப்பது – மாறாமல் உள்ளது. எதிர்கால செயற்கை நுண்ணறிவு, ஒரு விளக்கத்திலிருந்து (“மருத்துவர் சந்திப்புகளை முன்பதிவு செய்ய எனக்கு ஒரு மொபைல் செயலியை உருவாக்குங்கள்”) ஒரு முழுமையான செயலியை உருவாக்கக்கூடும், ஆனால் அந்த விளக்கத்தைத் தெளிவுபடுத்துதல், அது சரியானது என்பதை உறுதி செய்தல், மற்றும் பயனர்களை மகிழ்விக்கும் வகையில் முடிவைச் செம்மைப்படுத்துதல் போன்ற பணிகளில் மென்பொருள் உருவாக்குநர்கள் (வடிவமைப்பாளர்கள், தயாரிப்பு மேலாளர்கள் போன்றோருடன்) ஈடுபடுவார்கள். உண்மையில், அடிப்படைச் செயலி உருவாக்கம் எளிதாகிவிட்டால், மென்பொருளில் மனிதனின் படைப்பாற்றலும் புத்தாக்கமும் இன்னும் முக்கியமானதாக மாறும் . பல வழக்கமான பயன்பாடுகள் செயற்கை நுண்ணறிவால் உருவாக்கப்படும் அதே வேளையில், மனித மென்பொருள் உருவாக்குநர்கள் எல்லைகளைத் தாண்டிச் செல்லும் அதிநவீன, சிக்கலான அல்லது படைப்புத்திறன் மிக்க திட்டங்களில் கவனம் செலுத்தும் ஒரு மென்பொருள் செழிப்பை நாம் காணக்கூடும்.

நிரலாக்கத் துறைக்குள் நுழைவதற்கான தடை குறையவும் வாய்ப்புள்ளது – அதாவது, பாரம்பரிய மென்பொருள் பொறியாளர்கள் அல்லாத பலரும் (உதாரணமாக, ஒரு வணிக ஆய்வாளர், விஞ்ஞானி அல்லது சந்தைப்படுத்துநர்) செயற்கை நுண்ணறிவு கருவிகளைப் பயன்படுத்தி மென்பொருளை உருவாக்க முடியும் (இது, செயற்கை நுண்ணறிவால் மேலும் வலுப்பெற்ற “குறியீட்டில்லா/குறைந்த குறியீடு” இயக்கத்தின் தொடர்ச்சியாகும்). இது தொழில்முறை மென்பொருள் உருவாக்குநர்களின் தேவையை முற்றிலுமாக நீக்கிவிடாது; மாறாக, அதனை மாற்றியமைக்கிறது. இத்தகைய சூழல்களில், மென்பொருள் உருவாக்குநர்கள் ஒரு ஆலோசனை அல்லது வழிகாட்டும் பங்கை அதிகம் ஏற்கக்கூடும்; இதன் மூலம், குடிமக்களால் உருவாக்கப்பட்ட இந்தச் செயலிகள் பாதுகாப்பானவை, திறமையானவை மற்றும் பராமரிக்கக்கூடியவை என்பதை அவர்கள் உறுதி செய்வார்கள். தொழில்முறை நிரலாக்கர்கள், செயற்கை நுண்ணறிவு உதவியுடன் செயல்படும் “நிரலாக்கத் திறனற்றவர்கள்” பயன்படுத்தும் தளங்களையும் ஏபிஐ-களையும் உருவாக்குவதில் கவனம் செலுத்தக்கூடும்.

வேலைவாய்ப்புக் கண்ணோட்டத்தில், சில நிரலாக்கப் பணிகள் குறையக்கூடும், அதே நேரத்தில் மற்றவை வளரக்கூடும். உதாரணமாக, நிறுவனங்கள் எளிய பணிகளுக்காகச் செயற்கை நுண்ணறிவைச் சார்ந்திருந்தால், சில தொடக்க நிலை நிரலாக்கப் பதவிகளின் எண்ணிக்கை குறையக்கூடும். எதிர்காலத்தில் ஒரு சிறிய ஸ்டார்ட்அப் நிறுவனத்திற்கு, அதன் மூத்த டெவலப்பர்கள் செயற்கை நுண்ணறிவுடன் பெரும்பாலான அடிப்படைப் பணிகளைச் செய்து முடிப்பதால், ஒருவேளை பாதி எண்ணிக்கையிலான இளநிலை டெவலப்பர்களே தேவைப்படலாம் என்று ஒருவர் கற்பனை செய்யலாம். ஆனால் அதே நேரத்தில், முற்றிலும் புதிய வேலைகள் (நாம் தழுவல் பிரிவில் விவாதித்தபடி) தோன்றும். மேலும், மென்பொருள் பொருளாதாரத்தில் இன்னும் அதிகமாகப் பரவும்போது (குறிப்பிட்ட தேவைகளுக்காகச் செயற்கை நுண்ணறிவு மென்பொருளை உருவாக்குவதால்), மென்பொருள் தொடர்பான வேலைகளுக்கான ஒட்டுமொத்தத் தேவை தொடர்ந்து உயரக்கூடும். வரலாறு காட்டுகிறது, தானியக்கமயமாக்கல் வழிவகுக்கிறது அதிக நீண்ட கால அடிப்படையில் பெரும்பாலும் வேலைகளுக்கு , இருப்பினும் அவை வெவ்வேறு வேலைகளாகும் – உதாரணமாக, சில உற்பத்திப் பணிகளைத் தானியக்கமயமாக்கியது, தானியங்கு அமைப்புகளை வடிவமைத்தல், பராமரித்தல் மற்றும் மேம்படுத்துதல் ஆகியவற்றுக்கான வேலைகளின் வளர்ச்சிக்கு வழிவகுத்தது. செயற்கை நுண்ணறிவு மற்றும் நிரலாக்கத்தைப் பொறுத்தவரை, ஒரு இளநிலை மென்பொருள் உருவாக்குநர் செய்துவந்த சில பணிகள் இப்போது தானியக்கமாக்கப்பட்டுள்ள நிலையில், நாம் உருவாக்க விரும்பும் மென்பொருளின் ஒட்டுமொத்த வீச்சு விரிவடைகிறது (ஏனெனில் இப்போது அதை உருவாக்குவது மலிவானதாகவும் வேகமானதாகவும் உள்ளது). இது மேலும் பல திட்டங்களுக்கு வழிவகுத்து, அதன் விளைவாக அதிக மனித மேற்பார்வை, திட்ட மேலாண்மை, கட்டமைப்பு போன்றவற்றுக்கான தேவையும் அதிகரிக்கிறது. டிஜிட்டல் உருமாற்றத்தின் காரணமாக, மென்பொருள் உருவாக்கம் மற்றும் செயற்கை நுண்ணறிவுத் துறைகளில் உள்ள பணிகளுக்கான தேவை குறைவதற்குப் பதிலாக அதிகரித்து வருவதாக , எதிர்கால வேலைகள் குறித்த உலகப் பொருளாதார மன்றத்தின் அறிக்கை ஒன்று சுட்டிக்காட்டியுள்ளது

முன்னர் குறிப்பிடப்பட்ட 2040 கணிப்பையும் நாம் கருத்தில் கொள்ள வேண்டும் : ஓக் ரிட்ஜ் தேசிய ஆய்வகத்தின் ஆராய்ச்சியாளர்கள், 2040-ஆம் ஆண்டிற்குள், "இயந்திரங்கள்... தங்களின் பெரும்பாலான நிரல்களைத் தாங்களே எழுதும்" என்று பரிந்துரைத்தனர் ( மென்பொருள் பொறியாளர்களுக்கு எதிர்காலம் உள்ளதா? செயற்கை நுண்ணறிவின் தாக்கம் [2024] ). அது உண்மையாக நிரூபிக்கப்பட்டால், மனித நிரலாளர்களுக்கு என்ன மிச்சமிருக்கும்? பெரும்பாலும், மிக உயர் மட்ட வழிகாட்டுதலிலும் (இயந்திரங்கள் என்ன சாதிக்க வேண்டும் என்பதைப் பரந்த அளவில் கூறுவது) மற்றும் அமைப்புகளின் சிக்கலான ஒருங்கிணைப்பு, மனித உளவியலைப் புரிந்துகொள்ளுதல், அல்லது புதிய சிக்கல் களங்கள் போன்ற துறைகளிலும் கவனம் செலுத்தப்படும் . அத்தகைய ஒரு சூழ்நிலையில்கூட, மனிதர்கள் தயாரிப்பு வடிவமைப்பாளர்கள், தேவைகள் பொறியாளர்கள், மற்றும் செயற்கை நுண்ணறிவுப் பயிற்சியாளர்கள்/சரிபார்ப்பாளர்கள் போன்ற பாத்திரங்களை ஏற்பார்கள் . நிரல் பெரும்பாலும் தானாகவே எழுதப்படலாம், ஆனால் எந்த நிரலை ஏன் எழுத வேண்டும் என்பதை யாராவது தீர்மானிக்க வேண்டும் , பின்னர் இறுதி முடிவு சரியானது மற்றும் இலக்குகளுடன் ஒத்துப்போகிறது என்பதைச் சரிபார்க்க வேண்டும். இது, ஒருநாள் தானியங்கி கார்கள் தங்களைத் தாங்களே ஓட்டிக்கொள்வதைப் போன்றது, ஆனால் நீங்கள் தான் காருக்கு எங்கு செல்ல வேண்டும் என்று சொல்கிறீர்கள் மற்றும் சிக்கலான சூழ்நிலைகளில் தலையிடுகிறீர்கள் – மேலும், சாலைகள், போக்குவரத்து விதிகள் மற்றும் அதைச் சுற்றியுள்ள அனைத்து உள்கட்டமைப்புகளையும் மனிதர்களே வடிவமைக்கிறார்கள்.

எனவே, பெரும்பாலான வல்லுநர்கள் மாற்றீடு அல்ல, மாறாக ஒத்துழைப்பு நிறைந்த எதிர்காலத்தையே காண்கின்றனர் . ஒரு தொழில்நுட்ப ஆலோசனை நிறுவனம் கூறியது போல, “மேம்பாட்டின் எதிர்காலம் என்பது மனிதர்களுக்கும் செயற்கை நுண்ணறிவுக்கும் இடையிலான ஒரு தேர்வு அல்ல, மாறாக இரண்டின் சிறந்த அம்சங்களையும் பயன்படுத்தும் ஒரு ஒத்துழைப்பாகும்.” ( 2025-ல் செயற்கை நுண்ணறிவு டெவலப்பர்களை மாற்றப் போகிறதா: எதிர்காலத்தின் ஒரு முன்னோட்டம் ) செயற்கை நுண்ணறிவு சந்தேகமின்றி மென்பொருள் மேம்பாட்டை மாற்றியமைக்கும், ஆனால் அது டெவலப்பரின் பங்கை முற்றிலுமாக அழிப்பதை விட, அதன் ஒரு பரிணாம வளர்ச்சியாகவே இருக்கும். “மாற்றங்களை ஏற்றுக்கொண்டு, தங்கள் திறன்களைத் தகவமைத்து, தங்கள் பணியின் தனித்துவமான மனித அம்சங்களில் கவனம் செலுத்தும்” டெவலப்பர்கள், செயற்கை நுண்ணறிவு தங்கள் மதிப்பைக் குறைப்பதற்குப் பதிலாக, தங்கள் திறன்களை மேம்படுத்துவதைக் காண்பார்கள்

இன்னொரு துறையுடன் நாம் இணையாகச் செல்லலாம்: பொறியியல் மற்றும் கட்டிடக்கலையில் கணினி உதவி வடிவமைப்பு (CAD) வளர்ச்சியைக் கவனியுங்கள். அந்தக் கருவிகள் பொறியாளர்கள் மற்றும் கட்டிடக் கலைஞர்களை மாற்றியமைத்தனவா? இல்லை - அவை அவர்களை அதிக உற்பத்தித் திறன் கொண்டவர்களாகவும், மிகவும் சிக்கலான வடிவமைப்புகளை உருவாக்க அனுமதித்தன. ஆனால் மனித படைப்பாற்றல் மற்றும் முடிவெடுப்பது மையமாகவே இருந்தது. இதேபோல், AI ஐ கணினி உதவி குறியீட்டு முறையாகக் காணலாம் - இது சிக்கலான மற்றும் முரட்டுத்தனமான வேலையைக் கையாள உதவும், ஆனால் டெவலப்பர் வடிவமைப்பாளராகவும் முடிவெடுப்பவராகவும் இருக்கிறார்.

நீண்ட கால நோக்கில், உண்மையிலேயே மேம்பட்ட செயற்கை நுண்ணறிவை (உதாரணமாக, கோட்பாட்டளவில் ஒரு மனிதனால் செய்யக்கூடிய பெரும்பாலானவற்றைச் செய்யக்கூடிய ஒரு பொதுவான செயற்கை நுண்ணறிவு) நாம் கற்பனை செய்தால் , சமூக மற்றும் பொருளாதார மாற்றங்கள் நிரலாக்கத்தைத் தாண்டி மிகவும் பரந்த அளவில் இருக்கும். நாம் இன்னும் அந்த நிலையை அடையவில்லை, மேலும் நமது பணியில் செயற்கை நுண்ணறிவை எவ்வாறு ஒருங்கிணைப்பது என்பதில் நமக்குக் கணிசமான கட்டுப்பாடு உள்ளது. மனித ஆற்றலை மேம்படுத்தும் வழிகளில் செயற்கை நுண்ணறிவைத் தொடர்ந்து ஒருங்கிணைப்பதே விவேகமான பாதையாகும் . அதாவது, மனிதர்களைச் செயல்பாட்டுக்குள் வைத்திருக்கும் கருவிகள், நடைமுறைகள் (மற்றும் கொள்கைகள்) ஆகியவற்றில் முதலீடு செய்வதாகும். ஏற்கெனவே, நிறுவனங்கள் செயற்கை நுண்ணறிவு நிர்வாகத்தை நிறுவுவதை நாம் காண்கிறோம் – அதாவது, நெறிமுறை சார்ந்த மற்றும் பயனுள்ள விளைவுகளை உறுதி செய்வதற்காக, மேம்பாட்டுப் பணிகளில் செயற்கை நுண்ணறிவை எவ்வாறு பயன்படுத்த வேண்டும் என்பதற்கான வழிகாட்டுதல்கள் ( டெவலப்பர் அனுபவத்தில் செயற்கை நுண்ணறிவின் தாக்கத்தை கணக்கெடுப்பு வெளிப்படுத்துகிறது - தி கிட்ஹப் வலைப்பதிவு ). இந்தப் போக்கு மேலும் வளர வாய்ப்புள்ளது, இதன் மூலம் செயற்கை நுண்ணறிவு மேம்பாட்டுச் செயல்பாட்டில் மனித மேற்பார்வை முறையாக ஒரு பகுதியாக இருப்பதை உறுதிசெய்ய முடியும்.

முடிவாக, “செயற்கை நுண்ணறிவு நிரலாளர்களை மாற்றிவிடுமா?” என்ற கேள்விக்கு, இல்லை என்று பதிலளிக்கலாம் – ஆனால் அது நிரலாளர்கள் செய்யும் பணிகளை கணிசமாக மாற்றும். நிரலாக்கத்தின் சலிப்பான பகுதிகள் பெரும்பாலும் தானியக்கமாக்கப்படும் பாதையில் உள்ளன. படைப்பாற்றல் மிக்க, சவாலான மற்றும் மனிதர்களை மையமாகக் கொண்ட பகுதிகள் தொடர்ந்து நிலைத்திருக்கும், மேலும் அவை உண்மையில் அதிக முக்கியத்துவம் பெறும். எதிர்காலத்தில், நிரலாளர்கள் ஒரு குழு உறுப்பினரைப் போலவே, மேலும் மேலும் புத்திசாலித்தனமான செயற்கை நுண்ணறிவு உதவியாளர்களுடன் இணைந்து பணியாற்றுவதை நாம் காணலாம். 24/7 நிரல்களை உருவாக்கக்கூடிய ஒரு செயற்கை நுண்ணறிவு சக ஊழியர் இருப்பதை கற்பனை செய்து பாருங்கள் – இது உற்பத்தித்திறனைப் பெரிதும் அதிகரிக்கும், ஆனால் அது எந்தப் பணிகளில் ஈடுபட வேண்டும் என்று சொல்லவும், அதன் வேலையைச் சரிபார்க்கவும் ஒரு நபர் தேவைப்படுகிறார்.

செயற்கை நுண்ணறிவை ஒரு கூட்டாளியாகக் கருதுபவர்களால் சிறந்த முடிவுகள் அடையப்படும். ஒரு தலைமை நிர்வாக அதிகாரி கூறியது போல, “ செயற்கை நுண்ணறிவு நிரலாளர்களை மாற்றிவிடாது, ஆனால் செயற்கை நுண்ணறிவைப் பயன்படுத்தும் நிரலாளர்கள், அதைப் பயன்படுத்தாதவர்களை மாற்றுவார்கள்.” நடைமுறையில், தொழில்நுட்பத்துடன் சேர்ந்து பரிணமிக்கும் பொறுப்பு மென்பொருள் உருவாக்குநர்கள் மீது உள்ளது என்பதே இதன் பொருள். நிரலாக்கத் தொழில் அழிந்து கொண்டிருக்கவில்லை – அது தன்னைத் தகவமைத்துக் கொள்கிறது . வரவிருக்கும் எதிர்காலத்தில், உருவாக்குவதற்கு ஏராளமான மென்பொருள்களும், தீர்ப்பதற்கு ஏராளமான சிக்கல்களும் இருக்கும்; ஒருவேளை இன்றிருப்பதை விட அதிகமாகக் கூட இருக்கலாம். தொடர்ந்து கற்றுக்கொண்டு, நெகிழ்வுத்தன்மையுடன் இருந்து, மனிதர்கள் சிறப்பாகச் செய்யும் விஷயங்களில் கவனம் செலுத்துவதன் மூலம், மென்பொருள் உருவாக்குநர்கள் செயற்கை நுண்ணறிவுடன் இணைந்து ஒரு வெற்றிகரமான மற்றும் நிறைவான தொழில் வாழ்க்கையைப் பெற முடியும் .

இறுதியாக, மென்பொருள் உருவாக்குநர்கள் தங்கள் வசத்தில் மீத்திறன்களைக் கொண்டிருக்கும் ஒரு சகாப்தத்தில் நாம் நுழைகிறோம் என்ற உண்மையைக் கொண்டாடுவது அவசியமாகும். அடுத்த தலைமுறை நிரலாளர்கள், செயற்கை நுண்ணறிவைப் பயன்படுத்துவதன் மூலம், முன்பு நாட்கணக்கில் ஆனதை மணிக்கணக்கில் செய்து முடிப்பார்கள், மேலும் முன்பு எட்டமுடியாத சிக்கல்களையும் தீர்ப்பார்கள். அச்சத்திற்குப் பதிலாக, முன்னோக்கிய மனநிலை நம்பிக்கையும் ஆர்வமும் நிறைந்ததாக இருக்க முடியும் . நாம் செயற்கை நுண்ணறிவை அதன் வரம்புகளை அறிந்தும், நமது பொறுப்பை உணர்ந்தும், விழிப்புடன் அணுகும் வரை, செயற்கை நுண்ணறிவும் நிரலாளர்களும் இணைந்து, அவர்கள் தனித்தனியாகச் செய்யக்கூடியதை விட மிக அற்புதமான மென்பொருள் அமைப்புகளை உருவாக்கும் ஒரு எதிர்காலத்தை நம்மால் வடிவமைக்க முடியும். மனிதனின் படைப்பாற்றல் இயந்திரத்தின் செயல்திறனுடன் இணைவது ஒரு சக்திவாய்ந்த கலவையாகும். இறுதியில், இது மாற்றீடு பற்றியது அல்ல, மாறாக ஒருங்கிணைப்பு பற்றியது. செயற்கை நுண்ணறிவு மற்றும் நிரலாளர்களின் கதை இன்னும் எழுதப்பட்டு வருகிறது – மேலும் அது மனிதனாலும் இயந்திரத்தாலும் இணைந்து எழுதப்படும்

ஆதாரங்கள்:

1. பிரைன்ஹப், “மென்பொருள் பொறியாளர்களுக்கு எதிர்காலம் உள்ளதா? செயற்கை நுண்ணறிவின் தாக்கம் [2024]” (Is There a Future for Software Engineers? The Impact of AI [2024]).

2. பிரைன்ஹப், AI என்பது ஒரு கருவி, மாற்றாக அல்ல என்பது குறித்து சத்யா நாதெல்லா மற்றும் ஜெஃப் டீன் ஆகியோரின் நிபுணர் மேற்கோள்கள் (மென்பொருள் பொறியாளர்களுக்கு எதிர்காலம் உள்ளதா? AI இன் தாக்கம் [2024]) (மென்பொருள் பொறியாளர்களுக்கு எதிர்காலம் உள்ளதா? AI இன் தாக்கம் [2024]).

3. மீடியம் (பைக்கோச்), “செயற்கை நுண்ணறிவு நிரலாளர்களை மாற்றுமா? ஆரவாரத்திற்குப் பின்னால் உள்ள உண்மை”, நுணுக்கமான யதார்த்தத்திற்கும் ஆரவாரத்திற்கும் இடையிலான வேறுபாட்டைக் குறிப்பிடுவது (செயற்கை நுண்ணறிவு நிரலாளர்களை மாற்றுமா? ஆரவாரத்திற்குப் பின்னால் உள்ள உண்மை | எழுதியவர்: தி பைக்கோச் | ஆர்டிஃபிஷியல் கார்னர் | மார்ச், 2025 | மீடியம்) மற்றும் செயற்கை நுண்ணறிவு பணிகளைத் திறம்படச் செய்யும், ஆனால் முழுமையான வேலைகளைச் செய்யாது என்ற சாம் ஆல்ட்மேனின் மேற்கோள்.

4. DesignGurus, “செயற்கை நுண்ணறிவு டெவலப்பர்களை இடமாற்றம் செய்யப் போகிறதா… (2025)” என்ற கட்டுரையில் , செயற்கை நுண்ணறிவு டெவலப்பர்களைத் தேவையற்றவர்களாக ஆக்குவதற்குப் பதிலாக அவர்களை மேம்படுத்தி உயர்த்தும் என்பதை வலியுறுத்துவதோடு ( 2025-ல் செயற்கை நுண்ணறிவு டெவலப்பர்களை இடமாற்றம் செய்யப் போகிறதா: எதிர்காலத்தின் ஒரு முன்னோட்டம் ), செயற்கை நுண்ணறிவு பின்தங்கியுள்ள துறைகளையும் (படைப்பாற்றல், சூழல், நெறிமுறைகள்) பட்டியலிடுகிறது.

5. ஸ்டேக் ஓவர்ஃப்ளோ டெவலப்பர் சர்வே 2023, 70% டெவலப்பர்களால் AI கருவிகளைப் பயன்படுத்துதல், துல்லியத்தில் குறைந்த நம்பிக்கை (3% அதிக நம்பிக்கை) (70% டெவலப்பர்கள் AI குறியீட்டு கருவிகளைப் பயன்படுத்துகின்றனர், 3% பேர் தங்கள் துல்லியத்தை அதிகம் நம்புகிறார்கள் - ShiftMag).

6. GitHub கணக்கெடுப்பு 2023, 92% டெவலப்பர்கள் AI கோடிங் கருவிகளைப் பயன்படுத்திப் பார்த்துள்ளதாகவும், 70% பேர் அதன் மூலம் நன்மைகளைக் காண்பதாகவும் காட்டுகிறது (டெவலப்பர் அனுபவத்தில் AI ஏற்படுத்தும் தாக்கத்தை கணக்கெடுப்பு வெளிப்படுத்துகிறது - தி கிட்ஹப் பிளாக்).

7. GitHub Copilot ஆராய்ச்சி, செயற்கை நுண்ணறிவு உதவியுடன் பணிகளை 55% வேகமாக முடிக்க முடிவதைக் கண்டறிந்துள்ளது (ஆராய்ச்சி: டெவலப்பர் உற்பத்தித்திறன் மற்றும் மகிழ்ச்சியில் GitHub Copilot-இன் தாக்கத்தை அளவிடுதல் - தி GitHub பிளாக்).

8. கீக்வயர் கருத்துப்படி, டீப்மைண்டின் ஆல்ஃபாகோட் சராசரி மனித நிரலாளர் மட்டத்தில் (முதல் 54%) செயல்படுகிறது, ஆனால் சிறந்த செயல்திறன் கொண்டவற்றிலிருந்து வெகு தொலைவில் உள்ளது (டீப்மைண்டின் ஆல்ஃபாகோட் ஒரு சராசரி நிரலாளரின் திறனுக்கு இணையாக உள்ளது).

9. இந்தியா டுடே (பிப்ரவரி 2025), இளநிலை பொறியாளர்களின் பணிகளைச் செய்யும் ஆனால் "மனிதர்களை முழுமையாக மாற்றிவிடாத " செயற்கை நுண்ணறிவு "இணைப் பணியாளர்கள்" குறித்த சாம் ஆல்ட்மேனின் தொலைநோக்குப் பார்வையின் சுருக்கம் ( மென்பொருள் பொறியாளர்கள் செய்யும் பணிகளை செயற்கை நுண்ணறிவு முகவர்கள் விரைவில் செய்யும் என்கிறார் சாம் ஆல்ட்மேன்: முழுச் செய்தி 5 அம்சங்களில் - இந்தியா டுடே ).

10. தானியக்கம் இருந்தபோதிலும், சுமார் 80% நிரலாக்க வேலைகள் மனிதர்களை மையமாகக் கொண்டே இருக்கும் என்று மெக்கின்சி & கம்பெனி மதிப்பிடுகிறது (மென்பொருள் பொறியாளர்களுக்கு எதிர்காலம் உள்ளதா? செயற்கை நுண்ணறிவின் தாக்கம் [2024]).

இதற்குப் பிறகு நீங்கள் படிக்க விரும்பக்கூடிய கட்டுரைகள்:

🔗 சிறந்த AI இணை நிரலாக்கக் கருவிகள்
உங்கள் மேம்பாட்டுப் பணிப்பாய்வை மேம்படுத்த, ஒரு நிரலாக்கக் கூட்டாளியைப் போல உங்களுடன் இணைந்து செயல்படக்கூடிய முன்னணி AI கருவிகளை ஆராயுங்கள்.

🔗 கோடிங் செய்வதற்கு எந்த AI சிறந்தது – சிறந்த AI கோடிங் உதவியாளர்கள்:
குறியீடு உருவாக்குதல், பிழைதிருத்தம் செய்தல் மற்றும் மென்பொருள் திட்டங்களை விரைவுபடுத்துவதற்கான மிகவும் பயனுள்ள AI கருவிகளுக்கான வழிகாட்டி.

🔗 செயற்கை நுண்ணறிவு மென்பொருள் உருவாக்கம் – தொழில்நுட்பத்தின் எதிர்காலத்தை உருமாற்றுதல்.
மென்பொருள் உருவாக்கப்படும், சோதிக்கப்படும் மற்றும் செயல்படுத்தப்படும் முறைகளில் செயற்கை நுண்ணறிவு எவ்வாறு புரட்சியை ஏற்படுத்துகிறது என்பதைப் புரிந்து கொள்ளுங்கள்.