تله واگرایی سیستم یا Decoherence؛ وقتی هوش مصنوعی و تغییرات پی‌درپی کدهای ما را می‌بلعند

مقاله‌ای با عنوان «The Decoherence Trap» به مفهومی به نام واگرایی یا Decoherence در سیستم‌های پیچیده می‌پردازد؛ پدیده‌ای که در آن انباشت مدل‌های محلی معتبر امام ناسازگار با یکدیگر، هزینه‌ی نگهداری و تغییرات سیستم را به‌شدت بالا می‌برد. این مقاله به زبان ساده و با استفاده از تمثیل لوله‌کشی ساختمان و کشتی تسئوس، نشان می‌دهد که چگونه تغییرات تدریجی و وصله‌پینه‌کردن سیستم‌ها به مرور زمان به ساختاری غیرقابل‌درک تبدیل می‌شود.

واگرایی چیست و چرا ایجاد می‌شود؟

تصور کنید در یک ساختمان قدیمی، لوله‌ها به مرور زمان فرسوده می‌شوند. وقتی لوله‌ها را تکه‌تکه و در زمان خرابی تعویض می‌کنید، پس از سال‌ها با شبکه‌ای پیچیده از لوله‌های قدیمی، جدید و انواع وصله‌ها روبه‌رو می‌شوید که هیچ نقشه‌ی واحدی از آن وجود ندارد. در دنیای مهندسی نرم‌افزار هم دقیقاً همین اتفاق می‌افتد:

• تغییرات تدریجی: تعویض بخش‌به‌بخش اجزا بدون داشتن یک تصویر جامع از کل سیستم.
• فشار مدیریت: وقتی زمان کم است، برنامه‌نویس یا مهندس مجبور می‌شود به جای تحلیل کامل سیستم، سریع‌ترین راه‌حل و کوتاه‌ترین وصله را پیاده‌سازی کند.
• رشد تصاعدی پیچیدگی: هر وصله‌ی غیراصولی، سیستم را شکننده‌تر می‌کند و تغییرات بعدی را دشوارتر و زمان‌برتر می‌سازد.

این چرخه یک رشد تصاعدی دارد؛ یعنی با افزایش پیچیدگی، احتمال اینکه تغییر بعدی خطای جدیدی ایجاد کند یا پیچیدگی را بیشتر کند، به شدت بالا می‌رود.

نقش هوش مصنوعی و تله واگرایی

یکی از جنبه‌های جالب این مقاله، ارتباط دادن واگرایی با ابزارهای هوش مصنوعی است. امروزه ابزارهای هوش مصنوعی و عامل‌های خودکار (Agent Swarms) می‌توانند به صورت ۲۴ ساعته کد تولید کنند و مشکلات را به صورت موضعی حل نمایند. با این حال، کاربران و مفسران در هکرنیوز (Hacker News) نیز به نکته‌ی مهمی در این خصوص اشاره کرده‌اند:

مدل‌های فعلی با وجود پنجره‌های متنی بزرگ (Context Size)، همچنان در درک تصویر کلان سیستم‌های پیچیده محدودیت دارند. این مدل‌ها اغلب بهینه‌سازی‌های محلی انجام می‌دهند که در نهایت به واگرایی و به هم ریختن انسجام کل سیستم منجر می‌شود.

این موضوع نشان می‌دهد که تصور بهبود خودکار و بی‌وقفه‌ی سیستم‌ها توسط هوش مصنوعی یک توهم است؛ چرا که واگرایی سیستم مانع از مقیاس‌پذیری بی‌نهایت هوش مصنوعی در درک و نگهداری کدهای فرسوده و ناهمگون می‌شود.

چرا این موضوع برای مهندسان نرم‌افزار اهمیت دارد؟

برای توسعه‌دهندگان نرم‌افزار، درک تله‌ی واگرایی به چند دلیل حیاتی است:

• بدهی فنی پنهان: واگرایی خطرناک‌ترین نوع بدهی فنی است زیرا هزینه‌ی ترجمه و درک مدل‌های مختلف درون یک سیستم را سرسام‌آور می‌کند.
• محدودیت ابزارهای هوش مصنوعی: نباید کورکورانه به کدهایی که هوش مصنوعی در مقیاس وسیع تولید می‌کند اعتماد کرد، زیرا بدون نظارت معماری، واگرایی با سرعت بیشتری سیستم را نابود می‌کند.
• نابینایی مدیریتی: مدیران اغلب متوجه پیچیدگی درونی هزارتوهای کد (Maze) نمی‌شوند و فشار برای ارائه‌ی سریع‌تر ویژگی‌ها، مهندسان را بیشتر در این تله گرفتار می‌کند.