The Impact of Large Language Models on Open-source Innovation: Evidence from GitHub Copilot
تستفيد هذه الورقة من الإطلاق المتدرج لـ GitHub Copilot عبر لغات البرمجة كـتجربة طبيعية لتوضيح أنه في حين أن النماذج اللغوية الكبيرة تعزز المساهمات مفتوحة المصدر بشكل كبير، إلا أنها تحابي بشكل غير متناسب صيانة الكود التدريجية على حساب الابتكار الجوهري، مما يحول الجهود التعاونية نحو استغلال قواعد الكود الحالية بدلاً من استكشاف وظائف جديدة.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
تخيل عالم البرمجيات مفتوحة المصدر كمدينة صاخبة ومزدحمة، حيث يقوم آلاف المتطوعين ببناء المتنزهات العامة والمكتبات والطرق معاً. لا يوجد مدير للجميع؛ بل يختار كل فرد مهامه بناءً على ما يشعر بالرغبة في القيام به أو ما يعتقد أنه يحتاج إلى إصلاح.
تسأل هذه الورقة سؤالاً بسيطاً: ماذا يحدث عندما تمنح هؤلاء المتطوعين مساعداً ذكياً للغاية يعمل بالذكاء الاصطناعي (يسمى GitHub Copilot) لمساعدتهم في كتابة الكود؟
لم يكتفِ الباحثون بالتخمين؛ بل أعدوا "تجربة طبيعية" ذكية لمعرفة ذلك.
تجربة اللغة العظيمة
تخيل مجموعتين من المتطوعين يبنيان أنواعاً متشابهة من الأدوات:
- المجموعة (أ) (لغة بايثون - Python): يحصلون على مساعد ذكي جديد فائق القدرة يساعدهم في كتابة الكود فوراً.
- المجموعة (ب) (لغة آر - R): لا يحصلون على مساعد الذكاء الاصطناعي بعد (بسبب قرار تجاري من الشركة، وليس لأن المتطوعين كانوا مختلفين).
ولأن المجموعتين كانتا متشابهتين جداً في كل شيء آخر، استطاع الباحثون المقارنة بينهما لمعرفة ما الذي غيره الذكاء الاصطناعي بالضبط. لقد نظروا في أكثر من مليون تحديث للكود (تسمى "commits") ليروا ما إذا كان الذكاء الاصطناعي قد جعل الناس يعملون أكثر، وما نوع العمل الذي قاموا به.
نوعا العمل
لفهم النتائج، قسم الباحثون العمل إلى فئتين، مثل طريقتين مختلفتين للطهي:
- "المُحسِّن" (الابتكار التدريجي): هذا يشبه أخذ وصفة موجودة بالفعل وجعلها أفضل قليلاً. ربما تضيف رشة ملح، أو تصحح خطأ مطبعياً في التعليمات، أو تجعل الطبق يبدو أجمل. المشكلة محددة بالفعل؛ أنت فقط بحاجة لتنفيذ الإصلاح.
- مثال: إصلاح خطأ برمجي يجعل الرسم البياني يُطبع باللون الأبيض والأسود.
- "المُبتكر" (الابتكار الجوهري): هذا يشبه ابتكار طبق جديد تماماً من الصفر. عليك أن تقرر ماذا ستطبخ، وتحدد المكونات، وتصنع الوصفة بنفسك. المشكلة ليست محددة بعد؛ عليك ابتكار الحل.
- مثال: إضافة ميزة جديدة تماماً لأداة بيانات لم تكن موجودة من قبل.
ماذا حدث؟
وجد الباحثون ثلاثة أشياء رئيسية:
1. جعل الذكاء الاصطناعي الجميع يعملون بشكل أسرع (زيادة الحجم)
عندما حصلت مجموعة "بايثون" على مساعد الذكاء الاصطناعي، بدأت في المساهمة بـ 28% إلى 40% أكثر من الكود مقارنة بالمجموعة التي لم تكن تملكه. الأمر يشبه إعطاء طاقم بناء أدوات كهربائية؛ فقد بنوا المزيد من المنازل في نفس الوقت.
2. الذكاء الاصطناعي أحب "التحسين" أكثر من "الابتكار" (تحول التكوين)
هنا تكمن المفاجأة. بينما ساعد الذكاء الاصطناعي في كلا النوعين من العمل، إلا أنه ساعد في "التحسين" (إصلاح الأخطاء، وتنظيف الكود) أكثر بكثير من "الابتكار" (إنشاء ميزات جديدة).
- لماذا؟ الذكاء الاصطناعي يشبه آلة التصوير الخارقة التي تتعلم مما هو موجود بالفعل. إذا أعطيته وصفة موجودة، يمكنه بسرعة اقتراح رشة ملح أو طريقة أفضل لتقطيع البصل. لكن إذا طلبت منه ابتكار مطبخ جديد تماماً من الصفر، فإنه يعاني لأنه لا يملك نمطاً ليقلده. الذكاء الاصطناعي يعمل بشكل أفضل عندما تكون "المشكلة" واضحة بالفعل و"الحل" مجرد تعديل بسيط.
3. الفجوة اتسعت كلما أصبح الذكاء الاصطناعي أكثر ذكاءً
راقب الباحثون ما حدث عندما تم ترقية الذكاء الاصطناعي في منتصف عام 2022. أصبح الذكاء الاصطناعي أكثر قدرة على فهم السياق.
- النتيجة: الفجوة بين "التحسين" و"الابتكار" لم تتقلص؛ بل اتسعت. مع مرور الوقت، أصبح الذكاء الاصطناعي أكثر ذكاءً، وأصبح حتى أفضل في المساعدة في الإصلاحات الروتينية والصيانة، لكنه لا يزال غير قادر تماماً على استبدال الشرارة البشرية اللازمة لابتكار أشياء جديدة كلياً.
الصورة الكبيرة
تخلص الورقة إلى أنه بينما يعد الذكاء الاصطناعي أداة رائعة لتسريع صيانة وتحسين البرمجيات الموجودة، فإنه قد يوجه المتطوعين عن غير قصد بعيداً عن العمل الإبداعي الصعب المتمثل في ابتكار أشياء جديدة.
فكر في الأمر على هذا النحو: إذا أعطيت متطوعي المدينة مكنسة سحرية تكنس الشوارع فوراً، فسوف يكنسون الكثير من الشوارع. لكنهم قد يتوقفون عن قضاء الوقت في تصميم متنزهات جديدة أو ابتكار ألعاب جديدة، لأن المكنسة جيدة جداً في عملية الكنس لدرجة أنه من الأسهل عليهم مجرد الكنس مراراً وتكراراً.
يقترح المؤلفون أنه لكي تستمر مجتمعات البرمجيات مفتوحة المصدر في الابتكار، قد يحتاجون إلى إنشاء مكافآت أو حوافز خاصة لـ "المبتكرين" تحديداً، لضمان عدم ضياعهم في بحر "التحسين" السهل المدعوم بالذكاء الاصطناعي.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.