در جریان نشست اخیر Open Source Summit در پراگ، لینوس توروالدز، خالق هسته لینوکس و سیستم کنترل نسخه Git، دیدگاهی تأمل‌برانگیز و دوگانه نسبت به نفوذ ابزارهای هوش مصنوعی (AI) در اکوسیستم برنامه‌نویسی مطرح کرد. او از یک سو هوش مصنوعی را عاملی برای کاهش موانع ورود برای تازه‌کارها می‌داند و از سوی دیگر، نسبت به استفاده شتاب‌زده از آن در پروژه‌های حساس و بحرانِ سیل گزارش‌های خودکار ابراز نگرانی کرده است.
هوش مصنوعی به مثابه «ماده مخدر دروازه‌ای» برای یادگیری
توروالدز با ادبیاتی طنزآمیز، هوش مصنوعی را نوعی «gateway drug» یا ماده‌ای محرک برای ورود به دنیای برنامه‌نویسی توصیف کرد. از نظر او، یکی از بزرگترین چالش‌های برنامه‌نویسان جوان در عصر حاضر، مقایسه بی‌رحمانه کدهای اولیه و آماتور خود با خروجی‌های حرفه‌ای و بهینه در صنعت است. در سال‌های گذشته، سطح انتظارات از کدهای ابتدایی پایین بود و توسعه‌دهندگان حس شرم کمتری از کدهای خود داشتند، اما امروزه استانداردها بسیار بالا رفته‌اند.
توروالدز معتقد است که هوش مصنوعی می‌تواند با کاهش این فشار روانی، به کاربران کمک کند تا فرآیند یادگیری را با لذت و سرعت بیشتری آغاز کنند. او توصیه می‌کند که کاربران تازه‌کار ابتدا از هوش مصنوعی در «پروژه‌های شخصی و تمرینی» (Toy Projects) بهره ببرند تا مهارت‌های خود را صعودی کنند، اما هشدار می‌دهد که تکیه بر این ابزار برای کارهای «جدی و مهم» بدون داشتن دانش عمیق و درک دقیق از خروجی نهایی، می‌تواند نتایج فاجعه‌باری داشته باشد.
بحران سیل گزارش‌های خودکار و فرسودگی نگهدارنده‌ها
یکی از چالش‌های جدی که توروالدز در ماه‌های اخیر (به ویژه از بهار ۱۴۰۵ به بعد) با آن دست‌به‌گریبان بوده، هجوم انبوهی از گزارش‌های امنیتی و وصله‌های (Patch) تولید شده توسط هوش مصنوعی است. این مسئله باعث شده است که لیست‌های پستی هسته لینوکس با گزارش‌های تکراری و گاه بی‌فایده پر شود؛ ابزارهای هوش مصنوعی به دلیل نداشتن درک متنی از اهمیت کدهای قدیمی، گزارش‌هایی برای بخش‌هایی از درایورها تولید می‌کنند که دهه‌هاست متروکه شده‌اند.
توروالدز در این باره می‌گوید: «وقتی از یک بات می‌خواهید نشت حافظه را بررسی کند، برایش اهمیتی ندارد که کسی از آن درایور استفاده نمی‌کند؛ او تمام خطاهای یافت شده را به شما تحویل می‌دهد.» این وضعیت باعث شده است که حجم کاری نگهدارنده‌های هسته (Maintainers) به شکل بی‌رویه‌ای افزایش یابد و منجر به استرس کاری مضاعف شود.
چالش‌ها و راهکارهای هوش مصنوعی در توسعه هسته
- کاهش مانع ورود: استفاده از AI برای کمک به یادگیری کدنویسی در پروژه‌های غیربحرانی.
- مسئله کیفیت: تولید وصله‌های امنیتی برای کدهای قدیمی و منسوخ که فاقد اهمیت عملی هستند.
- خستگی نگهدارنده‌ها (Maintainer Burnout): ضرورت بهینه‌سازی فرآیند بررسی وصله‌ها برای جلوگیری از استرس کاری.
- راهکار تقابلی: استفاده از هوش مصنوعی برای مدیریت و غربال‌گری سیلِ گزارش‌های هوش مصنوعی (Bots talking to bots).
جنگ هوش مصنوعی با هوش مصنوعی
در نهایت، توروالدز معتقد است که راهکار مقابله با این هرج‌ومرج، حذف هوش مصنوعی نیست، بلکه توسعه ابزارهای هوشمندتر برای مدیریت این سیل است. در کنفرانس اخیر نگهدارنده‌ها، بخش قابل توجهی از بحث‌ها به این اختصاص یافت که چگونه می‌توان با بهره‌گیری از خودِ AI، وصله‌ها را بهتر بررسی و غربال‌گری کرد. به گفته توروالدز، اکنون شاهد سناریویی هستیم که در آن «بات‌ها با بات‌ها صحبت می‌کنند» تا کدهای هسته را بهینه کنند و این، واقعیت جدید توسعه نرم‌افزار در سال ۱۴۰۵ است.
