An AI industry of more than $1 trillion that can’t ship any functional production code صناعة الذكاء الاصطناعي التي تبلغ قيمتها أكثر من 1 تريليون دولار لا تستطيع نقل أي رمز إنتاج فعال إذا كنت تشعر بالقلق بشأن ما يسمى بـ"الإعلان عن الذكاء الاصطناعي" الذي يعيش الجميع، فكر في هذا: بعد تدمير مئات الملايين من المليارات، لا يمكننا حتى الآن تسليم رمز موثوق به مع الألعاب الذكية التي تم بيعها. ) (اقرأ هنا لمزيد من التفاصيل حول انفجار حفرة AI) عدد الإعلانات "الانتقادات"، عدد التهديدات الرئيس التنفيذي، الآن عدد الفوضى: تزايد نسبياً من الكود، يدفعها (لا، ليس “الصدمات”، هذا التسويق، ليس العلوم) التي لم يحددها أحد. same four errors سوف ترى هذه الأربعة في جدول أدناه. ثم سنناقش أمثلة حقيقية قابلة للتحقق، حتى يمكنك العثور عليها على الفور في الكود الذي تم إنشاؤه من قبل AI الخاص بك. هل هم حقاً هكذا حاسمين؟ لا. السفن المفتوحة أربعة أخطاء. Google يختفي أربعة أخطاء. إبداعات Anthropic أربعة أخطاء. مايكروسوفت Wires في كل شيء - ليس هناك مفاجآت هناك، أليس كذلك؟ GPT-5 Gemini 2.5 Claude Sonnet 4.5 Copilot 
 
 و في غضون أيام ، تتضاعف القصص: كود الابحاث المضطرب ، وفرق أمنية جديدة ، و نفس خطيرة - يبدو كود AI ذكيًا ، يتصرف غريبًا ، ومع ذلك ، لا يزال يحتاج البشر إلى إزالة الصدمة. و في غضون أيام ، تتضاعف القصص: كود الابحاث المضطرب ، وفرق أمنية جديدة ، و نفس خطيرة - يبدو كود AI ذكيًا ، يتصرف غريبًا ، ومع ذلك ، لا يزال يحتاج البشر إلى إزالة الصدمة. الأرقام تزداد بصعوبة 
 
 
 
 
 وارتفعت أسعار الفائدة على المدى القصير بنحو 100٪ مقارنة بالعام 2021. المطورين يستخدمون الذكاء الاصطناعي يكتبون 40٪ المزيد من الضعف الأمني المطورين ذوي الخبرة 19٪ أبطأ مع أدوات AI يرفض المهندسين في مجموعة مختارة من الشركات الكبرى ما يقرب من 70 في المائة من اقتراحات الكود. الوردة حوالي 100٪ الوردة حوالي 100٪ 40٪ من الضعف الأمني 40٪ من الضعف الأمني 19% أبطأ 19% أبطأ مع أدوات يرفض حوالي 70% يرفض حوالي 70% العديد من الشركات كانت تتحمل كل شيء على التزام "الإنتاجية 10 مرات"، وهو عدم القدرة الرياضية التي هي الآن على ما يرام من خلق أزمة على عكس أي شيء قد شاهدته صناعة البرمجيات. نحن لا نخلق المستقبل أسرع، نحن نخلق على نطاق غير مسبوق، مع الثقة دون سابق، والخوف دون سابق من الكارثة التي نأخذها. Here’s what’s really happening: tomorrow’s minus two trillion dollars of code دعونا نتعرف على كيفية هذه إنها تحول قاعدة الكود العالمي إلى أزمة لا تستطيع الوصول إليها. وإذا كنت مهندس البرمجيات، احصل على إعدادات، فبعد قليل سيكون فندك البريد الإلكتروني الخاص بك غامضًا مع البريد الإلكتروني من الشركات التي تسأل عن فريق الهندسة الكامل لإنقاذ قواعد الكود المفقودة. Four Horsemen of Bad Code نعم، وسوف ترى لماذا الشركات ستكون قريباً بعد أن أخذت القطعة من فكرة desperately rehiring the same human programmers they replaced لن نحتاج إلى برامج في غضون شهرين". لن نحتاج إلى برامج في غضون شهرين". أربعة ركاب يرتديون طن من القمح وكما ذكرت، فإن الأخطاء الأربعة التي ترى في الخريطة أعلاه الآن تعاني من أكبر عدد من الكود الذي تم إنشاؤه من قبل AI.الشركات تقوم بتعديلها بسرعة كاملة، ولكن الكارثة تنتهي فقط.بعد أو بعد، سيحتاجون إلى اعتراف الحقيقة - سيحتاج إلى معالجة الكود الذي هو حقا: لا تلقائياً autocomplete on steroids لكي ندرك حجم الهزيمة التي يثيرها هذه الأخطاء، نحتاج إلى تقسيمها إلى فئات. كل الناس يعرفون: الأيام القادمة هي ، ولدت من ميكانيكا الذكاء الاصطناعي نفسها ، التي لا يتحدث عنها أحد. ، كلمة بوسة تم اختراعها من أجل التسويق، وليس الهندسة. classic statistical errors new cognitive errors “الصدمات” الأخطاء الكلاسيكية التي يعرفها الجميع Type II Errors : The “Obvious” Mistakes فماذا كان يحدث؟ يبدو أن الشاشة كانت تتحرك في عينيها. What it means (in code): # AI generates (wrong parameter use; forgot to apply discount)
def calculate_discount(price, customer_id, discount_rate):
    return price * discount_rate  # Oops—no discount applied

# Should have been
def calculate_discount(price, customer_id, discount_rate):
    return price * (1 - discount_rate)  # Apply the discount properly
 أمثلة أخرى عادة ما ترى في الكود الذي تم إنشاؤه من قبل AI تشمل: 
 
 
 
 
 
 التعامل مع الأخطاء المفقودة (محاولة / إلقاء الضوء) ممارسات غير صحيحة (استخدام = بدلاً من == في ظروف) أخطاء جزئية في اللوحات أسماء الطريقة الخاطئة (string.contains() في Python بدلاً من في المعالج) لفترة طويلة etc. Type II Errors (Logic/Causal): Wrong Business Logic, Perfect Syntax يعمل بشكل مثير للدهشة، يفعل الأشياء الخاطئة، أو، من أجل إدخالها بشكل أكثر إثارة للدهشة، يصل إلى الجميلة What it means (in code): right on time… at the wrong station. في الحقيقة - ويمكنك توسيع هذا إلى أعمالك الخاصة: اكتشفت AI أن 80 في المائة من المستخدمين الأجانب في بياناتهم التدريبية كانوا يعيشون في المدن الكبرى، لذلك قررت بالخطأ أن تحديد . city location shipping rates # AI generates (correlation != causation)
def determine_shipping_cost(user):
    # AI saw premium users often live in cities with free shipping
    if user.is_premium:
        return 0  # Free shipping for premium
    elif user.city in ['New York', 'Los Angeles']:
        return 0  # AI incorrectly learned cities get free shipping
    else:
        return 9.99

# Should have been based on actual business rules
def determine_shipping_cost(user, order_total):
    if order_total > 50 or user.is_premium:
        return 0
    return 9.99
 الأخطاء المعرفية الجديدة التي لا يتحدث عنها أحد يتم العثور على الأخطاء التالية في طبيعتها المعرفية. لن تجدها في كتب الأدب الإيجابي الكلاسيكي. يبدو أنها مأخوذة من أنظمة الذكاء الاصطناعي، والتي تنشأ من كيفية تدمير النماذج الحديثة وتجميع المفاهيم معًا أثناء التدريب والإنتاج. من التمثيلات، والبعض الآخر كيف يتم التعامل مع الذكريات وتذكيرها. entanglement collisions Type III Errors (Spaghetti/Entanglement): When Everything Gets Tangled هذا هو أول صدمة إيجابي حقيقي. أجزاء منفصلة من النظام تنتهي مع بعضها البعض: تعديل البريد الالكتروني، وتغيير الدفع، وتغيير auth، وتسجيل الدخول يغضب. لا شيء يعمل في إزعاج، لذلك كل صيغة صغيرة تتحول إلى دورة كاملة من قاعدة الكود. هذا ما يحدث عندما يدمج الذكاء الاصطناعي التمثيلات ويترككك مع كرة غريبة من النباتات المعمارية. # AI generates - everything tangled together
def process_user_action(user, action_type, data):
    # User validation, logging, auth, payment, and email ALL mixed
    if not user.is_authenticated:
        log_event("auth_failed", user.id)
        send_email(user.email, "Login attempt failed")
        return False
    
    if action_type == "purchase":
        # Purchase logic mixed with user verification
        if user.email_verified and user.age > 18:
            payment = process_payment(data['amount'])
            log_event("purchase", user.id, payment.id)
            update_inventory(data['item_id'])
            send_email(user.email, "Purchase confirmed")
            update_user_points(user, data['amount'] * 10)
            check_fraud(payment)  # Why is fraud check AFTER payment?
            return payment
    
    elif action_type == "login":
        # Login mixed with analytics and recommendations
        update_last_login(user)
        log_event("login", user.id)
        recommendations = get_recommendations(user)  # Why here?
        send_email(user.email, "Welcome back!")  # Email on EVERY login?
        return {"success": True, "recommendations": recommendations}
 Summing up, you can’t: 
 
 
 
 
 تغيير منطق البريد الإلكتروني دون التأثير على الدفع تعديل الوثيقة دون إزعاج تحديث تدفق الشراء دون الاتصال بالتحقق من المستخدم اختبار أي عنصر في الاصطدام وهذا الخطأ يبين وهذا يجب أن يكون كاملا لأنها مجرد غير قابلة للتطبيق. 100% increase in code إعادة كتابة في غضون أسبوعين إعادة كتابة في غضون أسبوعين Type IV Errors (Memory / Collision Cascades): Unrelated behaviors share the same “address” وهذا هو الأخطاء المعرفية الثانية والأكثر إثارة للجدل، كما ذكرت، لن تجدها في كتب الأدب، ولكنها، في الواقع، تقع في الكود الذي تم إنشاؤه من قبل AI. 
 
 الصورة البسيطة لهذا الخطأ: اثنين من القميصات على واحد، واحد ينخفض عندما تأخذ الآخر. الصورة البسيطة لهذا الخطأ: اثنين من القميصات على واحد، واحد ينخفض عندما تأخذ الآخر. يظهر عندما يتم تثبيت الممثلات تجميع الأفكار المختلفة قليلا جدا معًا. في وقت التشغيل، تذكّر واحدًا بطيئًا يستيقظ الآخر. تثبيت كلمة المرور ومقاطع تثبيت الحساب معًا. تثبيت البيانات، وتشغيل الدفع الخبيث. لا شيء يبدو صعبًا في الفضاء، ولكن الآثار الجانبية لا تزال تتكرر لأن النماذج تم تخزين الجيران في نفس خزان العقل. # AI generates — password reset collides with account cleanup
def reset_password(user_email):
    user = find_user(email=user_email)
    if user:
        token = generate_reset_token()
        send_reset_email(user.email, token)
        
        # From a different flow, yet here we are
        if user.last_login < 30_days_ago:
            user.status = "inactive"
            cleanup_user_data(user)
        
        return token
    return None

# Another function unexpectedly handles payments
def export_user_data(user_id):
    data = get_user_data(user_id)
    
    # Payment processing in a data export—what could go wrong?
    if data.outstanding_balance > 0:
        process_payment(data.outstanding_balance)
    
    return create_export_file(data)
 Real-world echoes (reported in research): 
 
 
 
 
 وظائف البحث التي تغير أرقام DB تدفقات Auth التي تسبب تحليلات "مشاهدة" النقطة النهائية التي تنتجها إلى المستندات API التي تجمع العديد من العمليات غير ذات الصلة الهدف من الإصلاح هو واضح: إعطاء السلوكيات مساحة اسمية منفصلة ومناطق صريحة، ثم إرسال أي شيء في الدولة من خلال مسار مخصص يمكنك اختباره بنفسك. 
 
 نعم، أنا أعرف، وأشعر أيضًا بالألم من إعادة إنتاج شيئًا كان قد فعلته من قبل أولاً وأخيرًا بشكل أفضل. نعم، أنا أعرف، وأشعر أيضًا بالألم من إعادة إنتاج شيئًا كان قد فعلته من قبل أولاً وأخيرًا بشكل أفضل. كيف تؤثر هذه الأخطاء على برنامج الإنتاج؟ هنا هو الجزء الذي كان يتوقع الجميع - ما الذي يحدث حقا في سفن الكود.الصور 3 أعلاه يظهر الأكثر شيوعا الخاطفين المذكورين من قبل المطورين في جميع أنحاء العالم وكيف تتوافق مع أربعة أنواع الخاطفين (الخامسة التي لها أهمية أكبر في الممارسة). يظهر الشكل 2 أعلاه و الشكل 4 أدناه ما يحدث في الواقع عندما يقدم المطورون مساعدات الذكاء الاصطناعي في تدفق العمل. ، أنواع خطأ I-II هي معظمها من قبل البشر أو الأدوات. يمكنك الحصول على قلق إنتاجية معقّدة - أرقام مجهولة، الإيرادات صالحة، الصيانة المنزلية العادية. autocomplete on steroids ثم يأتي هذا هو ما يحدث عندما تنفجر الأرشيفات.المفاهيم تتدفق عبر المكونات، والالتزامات تتلاشى ويبدأ المساعدون "غير آمنون" بتصرفات خاطئة.إن النتيجة هي؟ الكود الذي يفشل في التكامل، ويعاني من الاختبارات، ويزيد تكاليف الصيانة.في النهاية، تعلم العديد من المجموعات أنه أسرع - وأكثر أمانا - لإزالة الأجزاء التي تم إنشاؤها من AI بدلاً من إزالةها إلى الأبد. Types III–IV وبطبيعة الحال ، يمكنك أن ترى بشكل واضح كيف يتم دفن حلم "10× التمويل" ، فإنه يغير تمامًا ROI ويذكرنا أنه بحلول عام 2025 ، فإن التمويل الذكي الحقيقي ، وبالتالي أي زيادة كبيرة في الإنتاجية للمطورين البشريين ، لا يبقى سوى فكرًا بعيدًا. لذلك، للقيام بذلك على سبيل المثال: كمدير البرمجيات، لا تحتاج إلى الخوف من كل مرة تسببت في بعض أشرطة الخيانة بـ"الصوتيات" الجديدة.كما يوضح الشكل 4 أعلاه، فإن القلق الحقيقي الوحيد هو صغير، ويظهر فقط عند استخدام الذكاء الاصطناعي لأشياء منخفضة المخاطر السريعة التي من السهل التخلص منها، والتركيز عليها، والتركيز عليها. وليس من . power-autocomplete robot engineer 
 
 
 
 
 
 كوبلر / التخزين: مساعدات CRUD، DTOs، الشحن اختبار الحليب: الأقراص، اختبارات محددة، بيانات الأقراص التعديلات الميكانيكية: refactors التكرارية; rename/move ops المحتوى الصغير: docs/comments، regexes، SQL البسيط، نموذج الهبوط الصيانة المنزلية: نصائح لينت / التصميم؛ Config & YAML snippets هنا أخبار جيدة لجميع المطورين يشعرون بضعف الإيمان: كل الخيال "10 × مع AI" يتراجع بالفعل في الإنتاج. من أجل إزالة الابحاث، والإصلاح المنطقي، وإعادة بناء الأنظمة التي تعمل في الواقع. لذلك استمر في التكيف مع مهاراتك. real programmers — lots of them — you’re on the call list. ملاحظة Post القراء من قصصنا السابقة يعرفون بالفعل وجود مضاد – ولكن بطبيعة الحال ، فإن هذا يعني تباطؤ النمو ، إعادة توجيه النظام ، واعتراف أن التفكير ليس البحث ، وسوف يستغرق سنوات ، بدون شك ، إذا أضحت شخص ما على الأقدام والبدء في القيام بأكثر من العلم في الصمت وقلة التسويق. a real mathematical cure for the four-error plague العلاج العلمي الحقيقي لمرض 4 خطوات

Read My Stories

تم إنتاج هذا الصوت باللغة الأصلية للقصة!

الشركات ستحتاج قريباً إلى استئجار المبرمجين البشريين الحقيقيين وتوقف حرق الأموال على الذكاء الاصطناعي

About Author

تعليقات

شنق العلامات

تم تقديم هذه المقالة في

Related Stories

Noonies Nominee and Lead Product Designer Avrora Shuhalii on Writing, Tech, and More

I2ShowSpeed With My HackerNoon Articles on Bitcoin

Top 4 Hiring Trends for Mobile App Developers in 2018

30 Top Blockchain Development Companies in 2019

Noonies Nominee and Lead Product Designer Avrora Shuhalii on Writing, Tech, and More

I2ShowSpeed With My HackerNoon Articles on Bitcoin

Top 4 Hiring Trends for Mobile App Developers in 2018

30 Top Blockchain Development Companies in 2019

Light-Mode

Classic

Newspaper

Dark-Mode

Neon Noir

Minty

HN StartUps