البته یک موضوعی رو در نظر بگیرید؛ شما هر سروری تهیه کنید، هر سرویسی روش اجرا کنید حتی اگه سرور رو بخرید و هیچ چیزی روش اجرا نکنید؛ به دلیل اینکه IP‌ها قبلاً مورد استفاده قرار گرفتن و برای مصارف متنوعی درگیر بودن؛ طبیعیه که مورد تهاجم یا تلاش برای هک، نفوذ یا هر چیزی از این قبیل قرار بگیرن.

بنابراین همیشه سعی کنید هر سروری که می‌گیرید، روی هر دیتاسنتری که هست نه فقط ایران، تمام پورت‌ها و تنظیمات رو سفارشی‌سازی کنید. دیواره آتش رو پیکربندی کنید، لیست مجاز و غیر مجاز ورودی‌ها و پورت‌ها رو سفارشی‌سازی کنید.

اگه از nginx یا apache استفاده می‌کنید، API یا end-point خاصی اجرا کردین، یا هر کاری از این قبیل همرو باید بازبینی کنید چون به اصطلاحی آیپی‌ها عموماً کثیفتن، در غیر این صورت شما باید تاوان کثافت کاری‌های دیگران رو بدین.

به زودی یه نسخهٔ برگ ریزون میرسه دستتون! هم دسکتاپیا هم موبایل‌باز‌ها. 😪 یکم چکش‌کاری داره هنوز...

اتفاقاً دیروز یکی می‌گفت بابا این npv همش تبلیغات میاره بین هر بار اتصال روانیمون کرده! طراحیش هم طوریه که میزنی ردش کنی میره تو یه سایتی همش دردسره!

خب بله این از نظر UX رو مخه! ولی هیچ خبری از تبلیغات توی جنی‌کانکت به اون شکل اعصاب خورد نخواهیم داشت ولی در مورد توکن جنی ارتباط مستقیم بهش خواهم داد و هیچ تبلیغات دیگه‌ای براش در نظر نمی‌گیرم جز اکوسیستم اختصاصی GENY. 👋🏼

موضوع این ویدیو هم خوب بود!

https://www.youtube.com/watch?v=xs1y0Dl4zZs

در پروژه‌های بزرگ سی‌پلاس‌پلاس، پوشهٔ build خیلی حجیم می‌شه چون در حالت معمول، وقتی object fileها ساخته می‌شن و بعد داخل static library/archive قرار می‌گیرن، عملاً ممکنه دو کپی از هر object file داشته باشی: یکی خود .o/.obj و یکی داخل فایل archive مثل .a.

راه‌حل پیشنهادی ویدئو: استفاده از Thin Archives.

یعنی به‌جای اینکه archive خودش یک کپی کامل از object fileها را داخل خودش نگه دارد، فقط به آن‌ها reference / pointer می‌دهد.

نتیجه:
- حجم build directory کمتر می‌شود.
- سرعت ساخت archive بهتر می‌شود.
- برای پروژه‌های بزرگ، مخصوصاً با static libraries زیاد، مدیریت build سبک‌تر می‌شود.
- ولی archive دیگر کاملاً مستقل نیست؛ چون به object fileهای بیرونی وابسته می‌ماند.

و در کنار این موضوع من استفاده از ماژول‌ها از استاندارد ۲۰ به بعد رو هم حتماً توصیه می‌کنم! چون سرعت کامپایل به طور چشم‌گیری افزایش پیدا می‌کنه حتی روی حالت عادی در یک سیستم متوسط، پروژه‌های بزرگتر به راحتی کامپایل می‌شن.

ستار هاشمی از پایداری شبکه ملی اطلاعات در دوران جنگ تمجید کرد و گفت: شبکه ملی اطلاعات کارکردهای متفاوتی دارد. در شرایط جنگ شاهد پایداری شبکه داخلی کشور بودیم تا ارتباط بین مردم قطع نشود و خدمات مورد نیاز مردم ارائه شود.
وزیر ارتباطات افزود: در دولت چهاردهم نشان دادیم شبکه ملی اطلاعات ورای یک شعار در میدان عمل کار می‌کند. این اتفاق بی‌نظیر و شاید در دنیا کم‌نظیر است. /دیجیاتو

🔗 ᴡᴇʙꜱɪᴛᴇ • ᴠᴘɴʜᴜʙ • ɢɪᴛʜᴜʙᴍɪʀʀᴏʀ
@ircfspace

😐 ستار جون، آخه چرا دهن منو باز می‌کنی… 🫠

همیشه از صحبت‌های ساتِر لذت می‌برم! مخصوصاً از وقتی که از مایکروسافت جدا شده بیشتر تمرکزش روی کمیتهٔ استاندارد‌سازی هست.

https://www.youtube.com/watch?v=QWqfJtjTAdw

این ویدیو دربارهٔ آینده و جایگاه ++C در دنیای جدید نرم‌افزاره؛ مخصوصاً در برابر سه فشار بزرگ: رقابت زبان‌ها، امنیت حافظه، و هوش مصنوعی اشاره می‌کنه.

این زبان هنوز در حال رشد است، نه مرگ.
با اینکه زبان‌هایی مثل Rust، Go، Swift، Zig و حتی AI coding tools فشار زیادی آورده‌اند، نیاز دنیا به نرم‌افزارهای سریع، کم‌هزینه از نظر منابع، نزدیک به سخت‌افزار، و قابل استفاده در سیستم‌های جدی بیشتر شده؛ این دقیقاً جاییه که ++C خیلی قوی است.

امنیت حافظه دیگر یک بحث حاشیه‌ای نیست.
یکی از محورهای مهم talk اینه که از ۲۰۲۱ تا ۲۰۲۶ فشار رسمی و صنعتی روی memory safety خیلی زیاد شده. یعنی ++C باید نشان دهد می‌تواند امن‌تر شود، بدون اینکه مزیت اصلی‌اش یعنی performance و کنترل سطح پایین را از دست بدهد.

فناوری AI جای برنامه‌نویس را کامل نمی‌گیرد، ولی نیاز به نرم‌افزار را بیشتر می‌کند.

برداشت اصلی اینه که AI باعث کم‌شدن توسعهٔ انسانی نمی‌شود؛ برعکس، تقاضا برای نرم‌افزار، زیرساخت، performance، GPU/CPU efficiency و سیستم‌های production-grade بیشتر می‌شود. یعنی AI خودش به ++C و زبان‌های سیستمی نیاز دارد

رقابت برای ++C خوب است.
سی‌پلاس‌پلاس به شدت در جهانی در حال رشد است که پر از رقابت است. یعنی وجود Rust و زبان‌های جدید لزوماً تهدید مطلق نیست؛ اتفاقاً این تنوع باعث می‌شود ++C هم مجبور شود ساده‌تر، امن‌تر و مدرن‌تر شود.

خلاصهٔ صحبت‌های ساتر اینه که:
در این مصاحبه Herb Sutter میگه سی‌پلاس‌پلاس هنوز خیلی زنده‌ست، چون دنیا بیشتر از همیشه به نرم‌افزار سریع، امن، کم‌هزینه و نزدیک به سخت‌افزار نیاز داره. و هوش مصنوعی هم این نیاز رو کمتر نکرده، بیشتر کرده. اما ++C باید جدی‌تر روی امنیت و سادگی کار کنه، و C++26 یکی از قدم‌های مهم در همین مسیر است.

ببین کی در موردش نظر قطعی داده بودم که این اتفاق می‌افته و نیاز به بهینگی نرم‌افزاری بیش‌از سخت‌افزار رخ خواهد داد.

https://t.me/compezeth/480
https://t.me/compezeth/481

You can trust my words!

اینجا Herb Sutter دارد دربارهٔ انفجار هزینه‌های سرمایه‌گذاری زیرساختی برای AI و دیتاسنترها صحبت می‌کند؛ مخصوصاً اینکه شرکت‌هایی مثل Google برای ۲۰۲۶ چقدر CapEx یا Capital Expenditure / هزینهٔ سرمایه‌ای پیش‌بینی کرده‌اند.

عدد اعلام‌شده برای CapEx خیلی عظیم بوده؛ بالاترین بخش این پیش‌بینی حدود ۶۵.۵ میلیارد دلار بیشتر از انتظار Wall Street بوده. برای مقایسه، همین اختلاف ۶۵.۵ میلیارد دلاری، خودش ۱۳ میلیارد دلار بیشتر از کل هزینهٔ سرمایه‌ای Google در سال ۲۰۲۴ بوده.


هِرب می‌خواهد نشان دهد که دنیا دارد وارد دوره‌ای می‌شود که نیاز به performance، efficiency، hardware-aware software و زبان‌های سطح پایین/سیستمی بیشتر می‌شود؛ و این دقیقاً جایی است که ++C هنوز اهمیت خیلی زیادی دارد.

اینا به چیا فکر می‌کنن ما به چی.... دنیا داره به بهینگی انرژی و توسعهٔ روز افزون فکر می‌کنه بعد ما ...
یعنی به هرب بگم من با این اینترنت شخمی و این وضعیت مملکت دارم دنبالت می‌کنم درجا پناهندگی میده بهم! 😄

اینجا جالبه! دربارهٔ پیش‌بینی‌های اغراق‌آمیز جایگزین‌شدن برنامه‌نویس‌ها با AI صحبت می‌کنه.

سمت چپ نوشته Predicted؛ یعنی «چیزی که بعضی‌ها پیش‌بینی کرده بودند».

یکی از Emad Mostaque، مدیرعامل Stability AI، در جولای ۲۰۲۳ که گفته بود چیزی در این مایه:

تا پنج سال دیگر دیگر برنامه‌نویسی وجود نخواهد داشت.

و یکی از Dario Amodei، مدیرعامل Anthropic، در مارس ۲۰۲۵ که گفته بود احتمالاً در چند ماه آینده AI حدود ۹۰٪ کد را می‌نویسد و بعد از ۱۲ ماه شاید تقریباً همهٔ کد را.

روی هر دو پیش‌بینی با ضربدر قرمز خط کشیده؛ یعنی Sutter می‌گوید این نگاه‌ها بیش از حد ساده‌انگارانه یا اغراق‌آمیزند.

سمت راست نوشته What seems likely؛ یعنی «چیزی که احتمالاً واقع‌بینانه‌تر است»:

می‌گوید تقاضای بلندمدت برای برنامه‌نویس انسانی همچنان پایدار می‌ماند، مخصوصاً برای کسانی که ابزارها، از جمله AI، را خوب استفاده می‌کنند.

بعد می‌گوید انسان‌ها به‌صورت گسترده جایگزین نمی‌شوند؛ بلکه:

برنامه‌نویس‌ها کارآمدتر و بیشتر می‌شوند
و نرم‌افزار بیشتر و بهتر تولید می‌کنند.

اینجا داره یک اعتراض احتمالی به حرف قبلی خودش رو بررسی می‌کنه.

اسلاید قبلی می‌گفت:
هوش مصنوعی احتمالاً برنامه‌نویس‌ها رو به‌صورت گسترده حذف نمی‌کنه؛ بلکه باعث میشه آدم‌ها با ابزارهای بهتر، نرم‌افزار بیشتر و بهتر بسازن.

حالا این اسلاید میگه:

But wait! Disconfirming data … ?

یعنی:
«صبر کن! آیا داده‌ای هست که حرف قبلی رو نقض کنه؟»

بعد مثال می‌زنه:

Feb 27, 2026: Block cutting 40% / 4k jobs

یعنی شرکت Block حدود ۴۰٪ نیروها حدود ۴۰۰۰ شغل رو کاهش داده. البته خودش توضیح داده که این کاهش کل شرکت بوده، نه فقط برنامه‌نویس‌ها.

بعد نقل‌قول از Jack Dorsey آورده که می‌گه به خاطر ابزارهای AI، تیم کوچک‌تر می‌تونه کار بیشتر و بهتر انجام بده.

اما Herb Sutter اینجا می‌گه این را نباید خیلی ساده به معنی «AI برنامه‌نویس‌ها را حذف کرد» گرفت. پایین اسلاید نوشته:

Reality check: “AI-washing”

یعنی:
«واقع‌بینی: این شاید فقط AI-washing باشد.»

AI-washing یعنی شرکت‌ها یک تصمیم اقتصادی، مدیریتی یا تعدیل نیروی معمولی را به AI نسبت بدهند تا مدرن‌تر، منطقی‌تر یا جذاب‌تر به نظر برسد.

بعد توضیح می‌دهد:

Big tech has just been correcting absurd over-hiring

یعنی شرکت‌های بزرگ تکنولوژی در دوران کرونا بیش از حد نیرو گرفته بودند، حالا دارند آن استخدام‌های افراطی را اصلاح می‌کنند.

نمودار سمت راست هم همین را نشان می‌دهد:
تعداد کارکنان Block در دوران کرونا شدیداً بالا رفته، بعد از ۲۰۲۳ به بعد کاهش پیدا کرده.

پس منظورش اینه:

«هر تعدیل نیرویی که شرکت‌ها می‌گن به خاطر AI بوده، واقعاً الزاماً به خاطر AI نیست. خیلی وقت‌ها شرکت‌ها قبلاً بیش از حد استخدام کرده بودند و حالا دارن اصلاح می‌کنن، ولی اسمش رو می‌ذارن AI efficiency.»

اما اپل رو استثنا می‌کنه، چون Apple نسبت به بقیهٔ شرکت‌های بزرگ تکنولوژی خیلی محتاط‌تر استخدام کرد و وارد اون موج استخدام افراطی نشد.


در کل هرب می‌گه فریب عناوین تبلیغاتی رو نخوریم. ممکنه شرکت‌ها بگن “با AI تیم کوچک‌تر بهتر کار می‌کنه”، ولی بخشی از ماجرا اینه که Big Tech توی دوران کرونا زیادی نیرو گرفته بود و حالا داره اضافه‌ها رو کم می‌کنه.

خب این هم تقریباً بخش نهایی صحبت‌ها که می‌گه:
ما بی‌دلیل با این سرعت رشد نمی‌کنیم.

We’re growing gangbusters for a reason

آینده برای زبان‌هایی که به performance per Watt اهمیت می‌دن، و برای توسعه‌دهنده‌های انسانی، همچنان روشنه.

اون بخش، Performance per Watt یعنی چقدر کار مفید به ازای هر وات انرژی انجام می‌دی.

در دنیای AI، دیتاسنتر، موبایل، GPU، سرور و embedded، فقط سریع‌بودن کافی نیست؛ باید با مصرف انرژی کمتر، خروجی بیشتری بگیری.

اندازهٔ مسئله‌های محاسباتی جدیدی که می‌خوایم حل کنیم، در ۸۰ سال گذشته همیشه از ظرفیت سخت‌افزار و تعداد برنامه‌نویس‌ها جلوتر بوده؛ دلیلی نمی‌بینم که در ۸۰ سال آینده این تغییر کند.

یعنی هرچقدر سخت‌افزار قوی‌تر شده، مسئله‌ها هم بزرگ‌تر شدن.

هرچقدر ابزارها بهتر شدن، باز نیاز به نرم‌افزار بیشتر شده.
پس AI و ابزارهای جدید هم احتمالاً نیاز به برنامه‌نویس رو حذف نمی‌کنن؛ بلکه حجم نرم‌افزار و نیاز به کارآیی (پرفرمنس) رو بیشتر می‌کنن.

لیست زبان‌های general-purpose مهمی که واقعاً روی performance/Watt تمرکز دارند هم کوتاهه چون فقط این سه گزینه رو داریم:

C, C++, Rust

یعنی از نظر هرب، زبان‌هایی مثل JavaScript، Python، Java و غیره کاربردهای عظیم دارن، ولی وقتی بحث مصرف انرژی، کارایی، کنترل منابع و نزدیکی به سخت‌افزار جدی می‌شه، انتخاب‌های اصلی خیلی محدود می‌شن: C و ++C و Rust.

بخش آخر توضیح، DSLها، ASICها و FPGAها همیشه در لبهٔ تکنولوژی استفاده می‌شن.

خلاصهٔ داستان:

دنیا به سمت محاسبات سنگین‌تر، AI بزرگ‌تر، دیتاسنترهای پرمصرف‌تر و مسئله‌های پیچیده‌تر میره؛ بنابراین زبان‌هایی که کارآیی (پرفرمنس) و مصرف انرژی رو جدی می‌گیرن، مخصوصاً++C آیندهٔ قوی دارن!

وسلام علیکم و رحمت‌الله برکاته... 😆👊🏼 بای

https://farcaster.xyz/compez.eth/0xf264d24c

پاسخ رو قبلاً بین پست‌های چند ماه پیشم داده بودم. این ابزار برای کسانی که خلاق باشن، داتاً تنبل نباشن و به جزئیات اهمیت بدن و در واقع کیفیت براشون مهم باشه بسیار هم مناسبه.

هوش مصنوعی رو به عنوان یک همکار یا کارآموز به کار بگیرید! باید تعلیم بدین بهش! اگه چیزی فاقد مرجع و منبع علمی باشه لزوماً درست و صحیح نیست، حتی اگر بهترین محصول رو بسازید.

هرچی به خوردش بدی همون میشه! من هیچ کدی رو چشم بسته ازش قبول نمی‌کنم مگر اینکه خودم به خوبی درکش کنم و چیزی باشه که خودم حتی بهتر از اون رو قبلاً می‌نویسم یا می‌فهمم.

اگر هم جایی بود که AI چیزی از پاسخ‌هاش برام تازگی داشت یا مبهم بود رو به چالش می‌کشم تا بفهمم چه غلطی کرده! خیلی جاها، هیچ‌وقت حق با اون نیست! این رو اصلاً ساده نگیرید!

آموزشش بدین!

یک الگو که قراره خودتون تکرار کنید رو براش طراحی کنید، بنویسید و بعد گسترشش رو با AI تسریع کنید.

اینکه روی کدی که تولید می‌کنه کامل اعتماد کنی اشتباهه! باید بدونی داری چیکار می‌کنی! به خصوص در حوزهٔ low level programming بسیار حساس هست و پیش‌فرضیات خودش رو منتقل می‌کنه.

باید به صورت تأکیدی به این ماشین بی‌شعور یاد بدی که چه کاری رو نباید انجام بده! اینکه هر کسی بتونه باهاش کد بنویسه یا حتی برنامه کامپایل و اجرا کنه مهم نیست!

مهم اینه بتونی از AI ایراد بگیری و به نفع خروجی استفاده کنی؛ در این سطح اگه باهاش پیش بری رام میشه تبدیل به چیزی میشه که خودت می‌خوای!

من الگوی خودم رو تعریف می‌کنم، به جای اینکه اون غالب من باشه، من غالبش می‌شم. عین یک کارآموزی که ازم یاد می‌گیره، رفتار و انتظارات من رو می‌فهمه، حساسیت‌هام و انتظاراتم رو از کیفیت، سطح و خروجی باید یاد بگیره.

خارج از این باشه ذهنت تنبل میشه، چیز‌هایی که بلدی رو هم از یاد میبری! اما اگه مدام کد‌ها رو ارزیابی کنی مثل یک استاد (منتور) خودت کارهای اصلی رو انجام بدی و صرفاً برای تسریع کردن روند توسعه و اشکال‌زدائی ازش کمک بگیری اینطوری کم کم مزایاش رو خواهی دید.

من اصلاً توصیه نمی‌کنم همه چیرو بسپارید به هوش مصنوعی! به هیچ عنوان روی یک خروجی آماده اعتماد نمی‌کنم!

مثل اینه که بعد از ۲۰ سال عمل جراحی رو بسپاری به یه کارآموز که تا به حال هیچ شناختی بهش نداشتی!

به خصوص وب ۳ یا سیستمی! مهم اینه که به مرور زمان باید دانش خودت هم به کمک هوش مصنوعی ارتقاء پیدا کنه نه اینکه راکت بمونه.

سخن نهایی اینه که، آیندهٔ برنامه‌نویسی به دو دسته افراد تقسیم خواهد شد:

کسانی که متخصص این کار هستن، کسانی که متخصص این کار نیستن! یه متخصص می‌تونه همون مهارتشو به خاطر استفاده نادرست از AI از دست بده و به مرور زمان به یک متخصص بی‌سواد تبدیل بشه و برعکس یکی می‌تونه از صفر به چیزی تبدیل بشه که شاید یک مهندس نرم‌افزار هم تجربش نکرده باشه.

خروجی به مراتب رقابتی و به وضوح متماز خواهد بود.

اما جایی خیلی خفن میشه که شما هم متخصص باشی و هم به طرز عجیبی خلاق و کنجکاو باشی! اینجا دیگه خروجی کارهات هزار به هیچ متمایز‌تر از هر کسی خواهد بود. حتی می‌تونی یه تنه چیزی رو بسازی که فقط شرکت‌های بزرگ از پسشون برمیان.

انتخاب با خودته! مسیر تنبلی و کودن شدن یا مسیر شکوفایی و ارتقاء. 👋🏼

به نظر ساتر هم توجه کنید در این خصوص!

با این فناوری تنوع و حجم محصولات نرم‌افزاری افزایش پیدا می‌کنه و از نظر من در نهایت هر چیزی عینِ یه چارت معاملاتیه. وقتی به یک نقطهٔ اشباع برسه؛ دیگه بعدش قانون عرضه و تقاضا حرف خواهد زد! ممکنه حالا روی موج عرضهٔ هزاران تنوع نرم‌افزاری باشیم؛ اما یه نقطه‌ای میرسه که تقاضا مهم خواهد بود.

مثلِ همین نیاز به کارآیی برای مصرف انرژی بهینه‌تر! نیاز به متخصصات سطح سیستمی رو به شدت افزایش میده؛ چیزی که با اکتفا به هوش مصنوعی کامل نمی‌شه و شما باید بهش اهمیت بدین.

تنها کیفیت هست که باقی خواهد ماند.

کیفیت رو چطور می‌شه ساخت؟ با توجه به جزئیات و مهندسی واقعی مبتنی بر تجربیات و داده‌هایی که مدام به دست میارید.

بخوام دسته‌بندی کنم، اگه به بعضی‌ها بر نخوره (بدون اینکه قصدم توهین به کسی باشه یا جسارتی کنم) میشه اینطوری تقسیم بندی می‌کنم:

۱. برنامه‌نویس واقعی / مهندس نرم‌افزار

کسی که فقط کد نمی‌نویسه؛ مسئله رو می‌فهمه، معماری می‌چینه، انتخاب فنی می‌کنه، هزینهٔ تصمیم‌ها رو می‌سنجه و می‌دونه چرا یک راه‌حل درسته یا غلطه.

برای این آدم، ابزار فقط ابزار است؛
دیروز کامپایلر و دیباگر بود، امروز AI و Codex و Copilot و Claude هم بهش اضافه شده. نباید فرقی در چرا یا چگونگی ماجرا باشه!

این دسته با هوش مصنوعی حذف نمی‌شن؛
برعکس، چند برابر قوی‌تر می‌شن.
چون وقتی خروجی AI اشتباهه، می‌فهمن.
وقتی معماری بده، تشخیص می‌دن.
وقتی کد ظاهراً کار می‌کنه ولی در آینده فاجعه می‌سازه، جلوشو می‌گیرن.
اینا همون‌هایی هستن که با کمک ابزارهای جدید می‌تونن خروجی چند نفر، حتی چند تیم رو بدن.

۲. کدنویس / برنامه‌نویس مهارتی
خب من بارها گفتم برنامه‌نویسی یک مهارته! فاقد اینکه بخشی از مهندسی کامپیوتر هست ولی واقعاً یک مهارته و همه می‌تونن یاد بگیرن و ازش لذت ببرن.

پس کسی که برنامه‌نویسی بلده، کار راه می‌اندازه، پروژه می‌سازه، ولی الزاماً عمق معماری، سیستم‌عامل، شبکه، الگوریتم، طراحی نرم‌افزار یا مهندسی محصول رو کامل نمی‌شناسه.

این دسته با AI خیلی می‌تونه رشد کنه.
چون اگر کمی کنجکاو باشه، سؤال درست بپرسه، خروجی رو کورکورانه قبول نکنه، و کم‌کم بفهمه پشت هر تصمیم چی هست، می‌تونه خودش رو به سطح بالاتری برسونه.
برای این‌ها AI مثل یک استاد خصوصی همیشه‌حاضر می‌تونه عمل کنه؛
به شرطی که فقط دنبال «کد بده» نباشن، دنبال «چرا اینطوری؟» هم باشن.

۳. کد کپی‌کن / خروجی‌چسبان
قبلاً از Stack Overflow و GitHub کد برمی‌داشت یا توی گروه‌ها از ماها می‌پرسد بدون اینکه بفهمه چی به چیه.
امروز هم همون کار رو می‌کنه، فقط منبعش عوض شده:

به جای جستجوی گوگل، از AI خروجی می‌گیره و می‌چسبونه داخل پروژه.
ظاهر کارش بهتر شده، سرعتش بیشتر شده، حتی ممکنه چندتا پروژه هم تحویل بده؛

اما مشکل اصلی هنوز همونه:

درک نداره.
نمی‌دونه کد چرا کار می‌کنه.
نمی‌دونه کجا خراب می‌شه.
نمی‌دونه امنیتش چیه.
نمی‌دونه مقیاس‌پذیره یا نه.
نمی‌دونه معماریش از پایه اشتباهه یا نه.
این دسته با AI شاید موقتاً شبیه کدنویس‌ها دیده بشه، ولی در پروژه‌های جدی، پیچیده، بلندمدت یا محصول واقعی، خیلی زود تفاوتش مشخص می‌شه.
پس در واقع AI همه رو یکسان نکرده؛
فقط فاصله‌ها رو مدرن‌تر کرده.

برنامه‌نویس واقعی با AI تبدیل می‌شه به یک نیروی چندبرابر قدرتمندتر.
کدنویس خوب با AI می‌تونه رشد کنه و حرفه‌ای‌تر بشه.
کد کپی‌کن فقط از «کپی از اینترنت» رسیده به «کپی از هوش مصنوعی».

ابزار عوض شده، ولی ماهیت آدم‌ها نه.

فرق اصلی هنوز هم همونه:

یکی می‌فهمه و می‌سازه.
یکی یاد گرفته و اجرا می‌کنه.
یکی هم فقط می‌چسبونه و امیدوار می‌مونه کار کنه.

ولی یه دسته‌ای هم هستن که خیلی متفاوت‌ترن! البته طبعییه شاید به خاطر عدم علاقه یا صرفاً از روی اجبار وارد چنین حوزه‌هایی می‌شن.

اون‌هایی که با وجود AI هنوز هم در نحوهٔ سوأل پرسی موندن! اینا باید یاد بگیرن چطور باید سوأل بپرسن؛ باید یاد بگیرن با هوش مصنوعی چطور باید کار بکنن.

همون دسته‌ای که با وجود گوگل زحمت نمیدادن به خودشون یه جستجو بکنن؛ بارها بوده توی گروه‌هامون دیدم و خیلی هم زود ناراحت میشن چون دیگران یا حوصلشونو ندارن یا اعصابشون در این سطح از همراهی نمی‌رسه.

این‌ها الآن هم وجود دارن! اما نباید زیاد منزوی باشن! پیشنهادم اینه آرام آرام سعی کنید با فناوری هم‌سو بشید! مطمئن باشید یه ذره اگه به خودتون زحمت بدین خیلی بهتر می‌تونید مفید باشید هم برای خودتون هم برای پیرامونتون.

خلاصهٔ کلام که، برنامه‌نویسی واقعاً هنره! من همیشه بخشی از آرتیست بازی به شمار میارمش کافیه استعداد‌هاتو کشف کنی و کمی کنجکاو باشی.