فهرست مطالب
خالق «وایب کدینگ» اوایل این هفته با انتشار مدل متن‌باز خود به نام Nanochat بیان کرد که تمامی کدها را با دست نوشته است.
به گزارش تکناک، بیش از یک سال از زمان خروج آندری کارپاتی، هم‌بنیان‌گذار OpenAI، از این شرکت می‌گذرد. او در این مدت اصطلاح «وایب کدینگ» را ابداع کرد تا شیوه‌ای را توصیف کند که در آن پروژه‌های برنامه‌نویسی به ابزارهای هوش مصنوعی واگذار می‌شوند.
با وجود این، کارپاتی با انتشار مدل متن باز خود توضیح داد که Nanochat یک «پایپ‌لاین جامع آموزش و استنتاج از صفر» است، که به هر فردی امکان می‌دهد ظرف چند ساعت و با هزینه‌ای تنها حدود 100 دلار، یک مدل زبان بزرگ با رابط چت‌بات شبیه ChatGPT بسازد. وی تصریح کرد که این پروژه حدود 8000 خط کد «بسیار تمیز» دارد، که خود او نوشته است، چرا که ابزارهای هوش مصنوعی قادر به انجام نیازهای خاص او نبودند.
کارپاتی نوشت: «این پروژه کاملا با دست نوشته شده است. چند بار سعی کردم از عامل‌های Claude و Codex استفاده کنم، اما کارآمد نبودند و مفید واقع نشدند.»
01
از 01تسلیم وایب‌ها نشوید!
این رویکرد با آنچه کارپاتی در گذشته نشان داده بود متفاوت است، او پیش‌تر وایب کدینگ را برای «پروژه‌های کوتاه آخر هفته» مناسب می‌دانست. در پستی که حالا سرچشمه محبوبیت اصطلاح «وایب کدینگ» شد، او توضیح داد که هنگام استفاده از ابزارهای هوش مصنوعی، «تسلیم وایب‌ها» می‌شود و به کد نگاه نمی‌کند.
وی بیان کرد که وقتی پیام خطا می‌گیرد، آنها را بدون کامنت کپی و جایگذاری می‌کند و اغلب مشکل حل می‌شود. گاهی اوقات مدل‌های زبانی بزرگ نمی‌توانند باگ را رفع کنند، بنابراین او راه‌حل‌های جایگزین می‌یابد یا تغییرات تصادفی اعمال می‌کند تا مشکل برطرف شود.
کارپاتی عنوان کرد: «من پروژه یا وب‌اپ می‌سازم، اما واقعا کدنویسی نمی‌کنم؛ فقط می‌بینم، می‌گویم، اجرا می‌کنم و کپی پیست می‌کنم و بیشتر مواقع جواب می‌دهد.»
البته Nanochat یک وب‌اپ نیست و بنابراین این استراتژی در این مورد کار نکرد. هرچند، این مسئله محدودیت‌های رویکرد وایب کدینگ را آشکار می‌کند. امسال، یک نظرسنجی از توسعه‌دهندگان نشان داد که 95 درصد آنها زمان اضافی برای اصلاح کد تولیدشده توسط هوش مصنوعی صرف می‌کنند و برخی گزارش دادند اصلاح خطاها بیشتر از زمانی است که صرف تولید کد با AI می‌شود. تحقیقات شرکت METR نیز نشان داد که استفاده از ابزارهای هوش مصنوعی گاهی سرعت توسعه‌دهندگان را کاهش می‌دهد و برخی شرکت‌ها مجبور به استخدام متخصص انسانی برای اصلاح اشتباهات AI شده‌اند. نکته مهم درباره وایب کدینگ این است که گاهی وایب‌ها درست عمل نمی‌کنند.
