پروژه متنباز زیگ با ممنوعیت کامل کدهای تولیدشده توسط هوش مصنوعی، رویکردی متفاوت نسبت به غولهای فناوری اتخاذ کرده است. رئیس این پروژه معتقد است کدهای هوش مصنوعی نه تنها باارزش نیستند، بلکه با ایجاد خطاهای پنهان، بار نگهداری را افزایش داده و کیفیت کلی مخزن کد را تهدید میکنند.
رئیس پروژه «زیگ» (Zig)، یک زبان برنامهنویسی متنباز، در موضعی قاطع، مشارکتهای تولیدشده توسط هوش مصنوعی را از این پروژه ممنوع کرده است. به گفته رئیس این پروژه، درخواستهای ادغام (Pull Requests) ایجادشده با کمک ابزارهای کدنویسی مبتنی بر هوش مصنوعی، «در همه حال بیارزش» بوده و «هیچ ارزشی ندارند».
به نقل از BusinessInsider، این تصمیم ریشه در تجربه مستقیم او در نگهداری مخزن کد زیگ دارد. رئیس پروژه توضیح داد که درخواستهای ادغام تولیدشده توسط هوش مصنوعی بهطور مداوم خطاهای ظریف، نقصهای منطقی و کدهایی را وارد میکنند که با فلسفه طراحی خاص این پروژه همخوانی ندارند. این مشارکتها به جای صرفهجویی در زمان، بار نگهداری را افزایش میدهند، زیرا بررسیکنندگان انسانی باید هر خط پیشنهادی هوش مصنوعی را با دقت بازرسی کنند و اغلب متوجه میشوند که کد در شرایطی شکست میخورد که تشخیص آن دشوار است، اما در نهایت نیاز به بازنویسی کامل دارد.
برخلاف شرکتهای بزرگ فناوری که بهشدت در حال ادغام دستیاران برنامهنویسی هوش مصنوعی مانند گیتهاب کوپایلوت (GitHub Copilot) یا کدکس (Codex) در جریان کاری خود هستند، زیگ رویکردی مخالف اتخاذ کرده است. رئیس پروژه استدلال کرد که اگرچه هوش مصنوعی ممکن است برای وظایف تکراری یا بسیار عمومی مفید باشد، اما در تصمیمگیریهای ظریف و وابسته به زمینه که در یک زبان برنامهنویسی سیستمی با تمرکز بر عملکرد، ایمنی و وضوح مورد نیاز است، ضعف دارد.
او همچنین خاطرنشان کرد که بسیاری از مشارکتهای هوش مصنوعی در ظاهر معقول به نظر میرسند، اما در کاربردهای دنیای واقعی از کار میافتند.
این ممنوعیت شامل مشارکتکنندگان خارجی و تیم هسته میشود. زیگ هیچ پچ (Patch) یا اصلاحیهای را که بهوضوح یا عمدتاً توسط یک مدل زبانی بزرگ (LLM) نوشته شده باشد، نمیپذیرد. از مشارکتکنندگان انتظار میرود که هر خط از کدی را که ارسال میکنند کاملاً درک کنند.
تصمیم زیگ را باید در چارچوب بحث گستردهتری در جوامع متنباز لحاظ نمود. در حالی که برخی پروژهها توسعه با کمک هوش مصنوعی را آزمایش میکنند، اما دیگران نگرانیهای مشابه زیگ را درباره کیفیت، ابهامات حقوقی پیرامون دادههای آموزشی و سلامت بلندمدت مخزن کد دارند.
دیدگاه زیگ واضح است: عدم تحمل صفر در برابر کدهای تولیدشده توسط هوش مصنوعی، ترجیح بر انباشته شدن «زبالههای کدی» است که قابلیت اطمینان پروژه را زیر سوال میبرد.
