திறமைக்கு ஆபத்தா? AI கோடிங் கருவிகள் உருவாக்கும் ‘தொழில்நுட்பக் கடன்’

எச்சரிக்கை: AI மூலம் புரோகிராமிங் செய்கிறீர்களா? நன்மையை விட தீமைகளே அதிகம் – அதிரவைக்கும் புதிய ஆய்வறிக்கை!

வாஷிங்டன்: தொழில்நுட்ப உலகில் செயற்கை நுண்ணறிவு (AI) மிகப்பெரிய புரட்சியை ஏற்படுத்தி வருகிறது. குறிப்பாக, மென்பொருள் உருவாக்குநர்கள் (Software Developers) தங்களின் வேலையை எளிதாக்க ChatGPT, GitHub Copilot போன்ற AI கருவிகளைப் பயன்படுத்தி குறியீடுகளை (Coding) உருவாக்கி வருகின்றனர். ஆனால், இத்தகைய AI கருவிகள் மென்பொருள் உருவாக்கத்தில் நன்மையை விட அதிக சிக்கல்களையே உருவாக்குகின்றன என்று புதிய ஆய்வறிக்கை ஒன்று எச்சரித்துள்ளது.

AI-ஆல் குறையும் தரம்: ஆய்வு சொல்வது என்ன?

இன்போவேர்ல்ட் (InfoWorld) தளத்தில் வெளியாகியுள்ள சமீபத்திய ஆய்வறிக்கையின்படி, AI உதவியுடன் எழுதப்படும் குறியீடுகள் (Codes) மனிதர்களால் எழுதப்படும் குறியீடுகளை விட தரம் குறைந்தவையாகவும், பாதுகாப்பு குறைபாடுகள் நிறைந்தவையாகவும் இருப்பதாகத் தெரியவந்துள்ளது.

கடந்த சில ஆண்டுகளில் பில்லியன் கணக்கான குறியீட்டு வரிகளை (Lines of Code) ஆய்வு செய்ததில், AI-இன் வருகைக்குப் பிறகு மென்பொருள்களில் உள்ள பிழைகள் (Bugs) மற்றும் பாதுகாப்பு ஓட்டைகள் (Security Vulnerabilities) கணிசமாக அதிகரித்துள்ளது கண்டறியப்பட்டுள்ளது.

முக்கிய சிக்கல்கள் என்னென்ன?

1. குறியீட்டின் தரம் குறைதல் (Code Quality Churn): மென்பொருள் உருவாக்கத்தில் 'Code Churn' என்பது ஒரு முக்கியமான காரணியாகும். அதாவது ஒருமுறை எழுதிய குறியீட்டை எத்தனை முறை மாற்றியமைக்கிறோம் என்பதே இது. AI உதவியுடன் எழுதப்படும் குறியீடுகள் அடிக்கடி மாற்றப்பட வேண்டிய கட்டாயத்தில் உள்ளன. இது மென்பொருளின் நிலைத்தன்மையை (Stability) பாதிக்கிறது.

2. பாதுகாப்பு அச்சுறுத்தல்கள் (Security Risks): AI கருவிகள் இணையத்தில் கிடைக்கும் தரவுகளைக் கொண்டே பயிற்சியளிக்கப்படுகின்றன. இதில் பல பழைய மற்றும் பாதுகாப்பு குறைபாடுகள் உள்ள குறியீடுகளும் அடங்கும். இதனால், AI தானாகவே பழைய பாணி குறியீடுகளைப் பரிந்துரைக்கும்போது, ஹேக்கர்கள் எளிதாக மென்பொருளுக்குள் ஊடுருவ வாய்ப்பு ஏற்படுகிறது.

3. பராமரிப்பு சிக்கல்கள் (Maintenance Nightmare): AI உருவாக்கித் தரும் குறியீடுகள் பார்ப்பதற்குச் சரியாகத் தெரிந்தாலும், அவை ஏன் அந்த வகையில் உருவாக்கப்பட்டன என்பதற்கான தர்க்க ரீதியான விளக்கம் (Documentation) சரியாக இருப்பதில்லை. பிற்காலத்தில் அந்த மென்பொருளில் திருத்தம் செய்ய முனையும் போது, மனித புரோகிராமர்கள் திணறும் சூழல் உருவாகிறது.

4. தொழில்நுட்பக் கடன் (Technical Debt): வேகமாக வேலையை முடிக்க வேண்டும் என்பதற்காக AI-ஐப் பயன்படுத்தும் நிறுவனங்கள், நீண்ட கால அடிப்படையில் பெரும் 'தொழில்நுட்பக் கடனில்' சிக்கிக் கொள்கின்றன. அதாவது, தரமற்ற குறியீடுகளைச் சரிசெய்யவே பிற்காலத்தில் அதிக நேரம் மற்றும் பணத்தைச் செலவிட வேண்டியுள்ளது.

மென்பொருள் நிறுவனங்களுக்கு விடுக்கப்பட்டுள்ள எச்சரிக்கை

இந்த ஆய்வறிக்கை மென்பொருள் நிறுவனங்களுக்கு ஒரு முக்கியமான செய்தியைத் தெரிவிக்கிறது: "வேகம் மட்டுமே முக்கியமல்ல, தரம் தான் நிரந்தரம்."

பல நிறுவனங்கள் தங்கள் ஊழியர்களின் எண்ணிக்கையைக் குறைத்துவிட்டு AI-ஐ மட்டுமே நம்பி இறங்கினால், எதிர்காலத்தில் தங்களின் மென்பொருள் கட்டமைப்பே சிதைந்துவிடும் அபாயம் இருப்பதாக நிபுணர்கள் கருதுகின்றனர். AI என்பது ஒரு 'உதவியாளர்' (Assistant) மட்டுமே தவிர, அது 'மாற்று' (Replacement) அல்ல என்பதைப் புரிந்துகொள்ள வேண்டும்.

தீர்வு என்ன?

இந்தச் சிக்கல்களைத் தவிர்க்க வல்லுநர்கள் சில ஆலோசனைகளை வழங்குகின்றனர்:

• மனித மேற்பார்வை (Human-in-the-loop): AI உருவாக்கும் ஒவ்வொரு வரியையும் அனுபவம் வாய்ந்த புரோகிராமர்கள் கட்டாயம் சரிபார்க்க வேண்டும்.

• பாதுகாப்பு சோதனைகள்: AI குறியீடுகளைப் பயன்படுத்தும் முன் பல்வேறு பாதுகாப்பு சோதனைகளுக்கு (Security Audits) உட்படுத்த வேண்டும்.

• திறன் மேம்பாடு: ஜூனியர் டெவலப்பர்கள் AI-ஐ மட்டுமே நம்பியிருக்காமல், அடிப்படை லாஜிக் மற்றும் கோடிங் நுணுக்கங்களைக் கற்றுக்கொள்வதில் கவனம் செலுத்த வேண்டும்.

தொழில்நுட்ப வளர்ச்சி என்பது தவிர்க்க முடியாதது. ஆனால், அந்த வளர்ச்சி பாதுகாப்பானதாகவும், நம்பகமானதாகவும் இருக்க வேண்டும். AI-ஆல் கோடிங் செய்வது என்பது கத்தியின் மேல் நடப்பது போன்றது. அதைச் சரியாகக் கையாண்டால் மட்டுமே மென்பொருள் துறை ஆரோக்கியமான பாதையில் பயணிக்கும். இல்லையெனில், தற்காலிக வேகம் நீண்ட காலப் பேரழிவிற்கு வழிவகுக்கும் என்பதே இந்த ஆய்வின் எச்சரிக்கை.

செய்திப்பிரிவு: செய்தித்தளம்.காம் (Seithithalam.com)