โครงการโอเพนซอร์สที่ทุกคนพึ่งพา กำลังเผชิญปัญหา "ขยะ AI" ที่ส่งเข้ามามากขึ้น

โครงการโอเพนซอร์สที่ทุกคนพึ่งพา กำลังเผชิญปัญหา "ขยะ AI" ที่ส่งเข้ามามากขึ้นในยุคที่ปัญญาประดิษฐ์ (AI) โดยเฉพาะโมเดลภาษาขนาดใหญ่ (LLMs) อย่าง ChatGPT และ Claude กำลังเข้ามามีบทบาทสำคัญในชีวิตประจำวัน การสร้างสรรค์สิ่งต่างๆ ด้วย AI กลายเป็นเรื่องง่ายขึ้นอย่างไม่น่าเชื่อ จนหลายคนสามารถสร้างสรรค์โค้ดโปรแกรมที่ซับซ้อนได้ในเวลาอันรวดเร็ว แต่นั่นกลับสร้างภาระหนักให้กับผู้ดูแลโครงการโอเพนซอร์ส ที่ต้องคัดกรองโค้ดที่ส่งเข้ามาจำนวนมหาศาล ซึ่งหลายครั้งก็เต็มไปด้วย "ขยะ AI" ที่ต้องใช้เวลาตรวจสอบและแก้ไขเมื่อใครๆ ก็เป็นนักพัฒนาได้... แต่ก็ต้องอธิบายโค้ดตัวเองได้ด้วยLLMs สามารถสร้างโครงสร้างโค้ดที่ซับซ้อนได้ เพียงแค่ป้อนคำสั่ง ตัวอย่างเช่น การสร้างเว็บไซต์พร้อมระบบล็อกอิน การยืนยันตัวตน ระบบชำระเงิน และการจัดการบัญชี ผู้ใช้แทบไม่มีพื้นฐานการเขียนโปรแกรมก็สามารถสร้างแอปพลิเคชันที่ใช้งานได้จริงได้ในเวลาไม่กี่นาที ซึ่งเป็นเรื่องน่าประทับใจอย่างยิ่งที่ AI สามารถตีความคำสั่งและทำงานที่ซับซ้อนเช่นนี้ได้ผู้เขียนเองก็เคยใช้ LLM สร้างแดชบอร์ดแสดงตารางการเก็บขยะในชุมชน เพื่อให้ไม่ต้องคอยจำวันทิ้งขยะแต่ละประเภท โดยให้ AI ดึงข้อมูลจากเว็บไซต์ของหน่วยงานท้องถิ่นมาแสดงผล ซึ่งมีประโยชน์มากในช่วงวันหยุดยาวที่ตารางอาจมีการเปลี่ยนแปลง นอกจากนี้ยังให้ AI สร้าง API สำหรับเชื่อมต่อกับ Home Assistant เพื่อส่งการแจ้งเตือนไปยังโทรศัพท์มือถือเมื่อถึงเวลาทิ้งขยะ โดยจะส่งการแจ้งเตือนก็ต่อเมื่อโทรศัพท์อยู่ในบ้านเท่านั้นการจัดการโค้ดที่มาจาก AI: นโยบายใหม่ของผู้พัฒนาสิ่งที่น่าประหลาดใจคือ AI สามารถทำงานที่ได้รับมอบหมายได้อย่างน่าเชื่อถือ แต่เมื่อต้องเผชิญกับโค้ดที่ส่งเข้ามาจากผู้ใช้ที่ไม่มีความรู้ด้านการเขียนโปรแกรมมากนัก กลับกลายเป็นปัญหาใหญ่โครงการอย่าง Home Assistant ได้ออกนโยบาย AI ที่ชัดเจน โดยระบุว่า "เราไม่ว่าอะไรหากคุณใช้เครื่องมือ AI ช่วยในการเขียน แต่ห้ามให้เครื่องมือโพสต์เนื้อหาที่ยังไม่ผ่านการตรวจสอบแทนคุณ โปรดจำกัดการตอบกลับให้น้อยที่สุดเท่าที่จำเป็นในการสื่อสารเจตนาของคุณ เราอาจซ่อนความคิดเห็นใดๆ ที่เราเชื่อว่าเป็นการส่งออกของ AI ที่ยังไม่ผ่านการตรวจสอบ"แนวทางนี้คล้ายคลึงกับที่โครงการอื่นๆ นำมาใช้ หากจะใช้ AI ในการเขียนโค้ด สิ่งสำคัญคือผู้ส่งโค้ดจะต้องตรวจสอบและทำความเข้าใจโค้ดที่ AI สร้างขึ้น เพราะถือเป็นความรับผิดชอบของตนเองJellyfin ซึ่งเป็นโปรแกรมสตรีมมีเดียยอดนิยม ก็ประสบปัญหาเช่นเดียวกันกับโค้ดที่มาจาก AI ผู้พัฒนาและอาสาสมัครในโครงการคาดหวังความคิดเห็นจากผู้เขียน ไม่ใช่สิ่งที่สร้างขึ้นจากแชทบอท แม้ว่า AI จะช่วยระบุและแก้ไขข้อผิดพลาดของซอฟต์แวร์ได้ก็ตาม"การคัดลอกและวางคำตอบจาก LLM ใช้เวลาเพียง 10 วินาที แต่ผู้ดูแลโครงการต้องใช้ความพยายามมากกว่านั้นมากในการตอบสนอง ตรวจสอบ และยืนยันว่า AI ไม่ได้หลอน" นี่คือสิ่งที่หลายคนในวงการกล่าวถึง การที่ LLM สร้างโค้ดและค้นหาปัญหาได้ง่าย แต่การตีความ ตรวจสอบความถูกต้อง และยืนยันว่าปัญหายังคงอยู่หรือไม่นั้น ต้องอาศัยมนุษย์ หากผู้ใช้เพียงแค่ใช้ LLM กับคำสั่งเดียวแล้วส่งไฟล์เปลี่ยนแปลงโดยไม่ตรวจสอบ ก็จะยิ่งสร้างภาระให้กับผู้ดูแลโครงการมากขึ้นไปอีกไม่ใช่แค่โอเพนซอร์สที่เจอปัญหานี้แม้แต่บริษัทเทคโนโลยีชั้นนำอย่าง Google ก็ประสบปัญหาเกี่ยวกับโค้ดที่สร้างจาก AI เป็นเรื่องที่ค่อนข้างไร้เดียงสาที่จะเชื่อว่าโค้ดที่สร้างจาก LLM จะถูกตรวจสอบและอนุมัติให้รวมเข้ากับโปรเจกต์หลักได้อย่างง่ายดาย Google เองก็ใช้ LLM ช่วยในการพัฒนา Chrome และค้นหาข้อบกพร่องและช่องโหว่ แต่จากนั้นนักพัฒนาก็ต้องใช้เวลาตรวจสอบแพตช์เหล่านั้นก่อนดำเนินการต่อ ซึ่งเป็นขั้นตอนหลังจากที่เอเจนต์อื่น ๆ ได้ตรวจสอบสิ่งที่เอเจนต์อื่นสร้างขึ้นแล้วนี่คือความสมดุลที่ละเอียดอ่อนระหว่างการใช้ AI เพื่อช่วยในกระบวนการพัฒนา และการรักษาคุณภาพของโค้ดที่เข้าสู่สาขาหลักของโครงการ ผู้ดูแลโครงการและนักพัฒนาไม่ได้เตรียมพร้อมรับมือกับ "ขยะ AI" จำนวนมหาศาลที่หลั่งไหลเข้ามาในโลกออนไลน์ แชทบอทอย่าง ChatGPT ได้สร้างความฮือฮาไปทั่วโลก และตอนนี้ทุกคนก็กำลังใช้งานเพื่อวัตถุประสงค์ต่างๆ รวมถึงการเขียนโค้ดโลกโอเพนซอร์สกำลังเปลี่ยนแปลงการปรับตัวสู่สถานการณ์ใหม่ (และ AI จำนวนมาก)การจะได้รับเข้าทำงานเป็นนักพัฒนาที่ Google, Microsoft หรือบริษัทเทคโนโลยีอื่นๆ จำเป็นต้องมีคุณสมบัติและประสบการณ์ที่น่าเชื่อถือ การเขียนโค้ดถือเป็นส่วนที่ท้าทายที่สุด ซึ่งในอดีตสำหรับโอเพนซอร์สก็เช่นกัน การมองเห็นปัญหาของซอฟต์แวร์นั้นเป็นเรื่องหนึ่ง แต่การเขียนโค้ดเพื่อแก้ไขปัญหานั้นเป็นอีกเรื่องหนึ่งในตอนนี้ ใครๆ ก็สามารถเขียนโค้ดได้ และไม่เป็นที่แน่ชัดเสมอไปว่าโค้ดนั้นถูกสร้างโดยมนุษย์หรือด้วย LLM หากทำได้แนบเนียน เป็นเรื่องยากที่จะจินตนาการว่าต้องใช้เวลามากเพียงใดในการตรวจสอบ Pull Requests เมื่อผู้ดูแลและนักพัฒนาต้องคัดกรองการส่งโค้ดที่ถูกต้องท่ามกลาง "ขยะ AI" จำนวนมหาศาล ปัญหานี้ทำให้การพัฒนาไม่ได้เร็วขึ้นตามจำนวนการส่งโค้ดที่เพิ่มขึ้นการแก้ไขข้อผิดพลาดเล็กๆ น้อยๆ อาจถูกแปลงเป็นโค้ดหลายไฟล์ที่ทำงานได้ตามที่ตั้งใจไว้ แต่กลับกลายเป็นเรื่องที่เกินความจำเป็นสำหรับสิ่งที่ต้องการเพียงการเปลี่ยนแปลงเพียงบรรทัดเดียว ผู้ดูแลโครงการไม่เพียงแค่ตรวจสอบโค้ดทีละบรรทัด แต่ยังต้องเข้าใจเหตุผลเบื้องหลังการเปลี่ยนแปลงนั้นๆ ซึ่ง AI อาจไม่ได้ให้เหตุผลที่สมเหตุสมผลเสมอไป ตัวอย่างเช่น เอเจนต์สร้างโซลูชันที่ซับซ้อนเกินกว่าที่จำเป็น สำหรับ AI มันคือการแก้ไขปัญหา แต่สำหรับผู้ดูแลโครงการ มันคือความยุ่งเหยิงที่เพิ่มขึ้นการต่อสู้ที่ยังไม่สิ้นสุดมีผู้มีส่วนร่วมเพียงไม่กี่คนในโครงการที่ต้องรับผิดชอบภาระในการตรวจสอบโค้ด แม้จะมีกระบวนการตรวจสอบที่สมบูรณ์แบบ การทำงานนี้ก็ยังคงต้องใช้ความพยายามอย่างมาก แต่เมื่อภาระตกอยู่ที่บุคคลเพียงไม่กี่คน ซึ่งอาจมีงานประจำและความรับผิดชอบอื่นๆ AI ไม่ใช่ต้นเหตุที่แท้จริงที่ทำให้ผู้ดูแลมีโค้ดให้ตรวจสอบมากเกินไป แต่สิ่งที่ AI ทำคือการเปิดเผยความไม่สมดุลที่มีอยู่เดิม การสร้างโค้ดกำลังกลายเป็นเรื่องที่ง่ายอย่างไม่น่าเชื่อ ในขณะที่การทำความเข้าใจ ตรวจสอบ ทดสอบ และบำรุงรักษาโค้ดยังคงต้องอาศัยเวลาและความเชี่ยวชาญของมนุษย์#โอเพนซอร์ส #AI #พัฒนาซอฟต์แวร์ #LLM #เทคโนโลยีhttps://www.xda-developers.com/the-open-source-projects-we-all-rely-on-are-spending-their-time-rejecting-ai-slop/