توهم اپلیکیشن‌سازی با ChatGPT: رابط کاربری هوشمند، اما نه به این زودی!

وقتی ChatGPT لباس توسعه‌دهنده می‌پوشد: رویای رابط کاربری هوشمند

در کورس رقابت غول‌های هوش مصنوعی، هر قابلیت جدیدی می‌تواند یک جهش استدلالی باشد یا صرفاً یک مانور روابط عمومی. وقتی خبر از معرفی «رابط کاربری هوشمند» (Intelligent UI) در ChatGPT 6 پیچید، کنجکاوی پژوهشگران حوزه هوش مصنوعی مولد به اوج رسید. اوپن‌ای‌آی (OpenAI) وعده داده بود که این ویژگی، کاربران را قادر می‌سازد تا بدون نوشتن حتی یک خط کد، اپلیکیشن‌های کوچک و تعاملی بسازند؛ آن هم نه با رابط‌های پیچیده، بلکه مستقیماً در پنجره چت! این ایده که مدل‌های زبانی بزرگ (LLMs) بتوانند فراتر از تولید متن یا تصویر، به خلق تجربه‌های کاربری پویا بپردازند، وسوسه‌انگیز بود.

همانطور که می‌دانید، مدل‌هایی مثل کلاد (Claude) با قابلیت «آرتیفکت‌ها» (Artifacts) یا حتی جیمنای (Gemini) با خروجی‌های بصری، مدتی است که تلاش می‌کنند تعاملات را از یک دیوار متنی صرف فراتر ببرند. خودم بارها از کلاد خواسته‌ام داشبوردهای تعاملی برای پورتفولیوی سهامم بسازد یا ابزارهای بودجه‌بندی که با آن‌ها ور بروم. اما این‌ها معمولاً صفحات HTML بزرگ و کمی نازیبا هستند و از همه مهم‌تر، نیاز به اشتراک پولی ۲۰ دلاری (چه Claude Pro و چه ChatGPT Plus) دارند. در مقابل، Intelligent UI در ChatGPT 6 قرار بود رایگان و مستقیماً در حالت چت در دسترس همه باشد؛ یک گام بلند برای دموکراتیزه کردن توسعه اپلیکیشن یا فقط یک نمایش پر زرق و برق؟

توهم اپلیکیشن F1 و دستیار قهوه: جایی که حافظه مدل می‌لنگد

برای درک عمق این قابلیت جدید، سراغ تست‌های واقعی رفتم، همانطور که همیشه به آن تأکید دارم. گزارش‌ها نشان می‌دهد که کاربران با درخواست‌های مشخص، سعی در ساخت اپلیکیشن‌هایی برای نیازهای روزمره کرده‌اند. یکی از این درخواست‌ها، ساخت یک اپلیکیشن برای علاقه‌مندان به فرمول ۱ (F1) بود؛ اپی که برنامه مسابقات، نتایج و اخبار را نمایش دهد. ChatGPT با یک رابط کاربری زیبا و مینیمال، یک «مینی‌اپ» F1 را تحویل داد که زمان‌بندی، مسابقه بعدی و حتی اخبار را نشان می‌داد. اما این فقط یک توهم بود. برای دیدن برنامه کامل یا رده‌بندی رانندگان فراتر از سه نفر اول، همچنان باید به وب‌سایت رسمی مراجعه می‌کردید.

اما سوتی مدل اینجا نبود. مهم‌ترین محدودیت در پایان پاسخ، با یک جمله کوچک خود را نشان داد: «این یک اپلیکیشن خودکار به‌روز شونده نیست، بنابراین هفته آینده باید دوباره همین پرامپت را اجرا کنید!» اینجا بود که توهم فرو ریخت. یک اپلیکیشن بدون «حافظه» و «پایداری شیء» (Object Permanence) که نتواند داده‌ها را ذخیره کند یا خودش را به‌روز نگه دارد، فقط یک اسکرین‌شات زیباست، نه یک ابزار کاربردی. همین مشکل در مورد دستیار قهوه‌ساز نیز خود را نشان داد. ChatGPT یک همراه جامع برای دم کردن قهوه ساخت که گزینه‌های از پیش تعیین شده، تنظیمات دستی و حتی قابلیت «ژورنال» برای یادداشت‌برداری از طعم‌ها را داشت. اما تایمر آن کار نمی‌کرد و یادداشت‌ها فقط در همان سشن تعاملی ذخیره می‌شدند و با بستن چت، ناپدید می‌شدند. این‌ها نمونه‌های بارز «هالوسینیشن» یا توهم مدل هستند که در سطح رابط کاربری ظاهر شده و تجربه کاربری را به شدت مختل می‌کنند.

تقسیم‌کننده قبض و برنامه‌ریز سفر: جرقه امید در میان خاکستر

البته، همه آزمایش‌ها به بن‌بست نرسیدند. در میان این ناکامی‌ها، برخی نمونه‌ها جرقه امید را روشن کردند. یکی از مثال‌هایی که خود اوپن‌ای‌آی نیز روی آن مانور داده بود، ابزار «تقسیم‌کننده قبض» (Bill Splitter) بود. ChatGPT توانست در چند ثانیه یک تقسیم‌کننده قبض بسیار تمیز و کارآمد بسازد. شما می‌توانستید انعام اضافه کنید، تعداد افراد را انتخاب کنید و حتی اگر یکی از دوستانتان دست و دل‌باز بود، سهم او را به صورت سفارشی تنظیم کنید. این ابزار به خوبی کار می‌کرد و برای کسانی که نمی‌خواهند از اپلیکیشن‌های پر از تبلیغات استفاده کنند، یک جایگزین قابل قبول به نظر می‌رسید. هرچند، قابلیت‌هایی شبیه به این، مدت‌هاست که در دستیارهای هوشمند دیگری مثل سیری (Siri) نیز وجود دارد که حتی می‌تواند از روی عکس قبض، اقلام شما را شناسایی کند.

نمونه موفق دیگر، برنامه‌ریز سفر بود. وقتی از ChatGPT خواسته شد یک سفر سه‌روزه با محوریت غذا به گوا (Goa) برنامه‌ریزی کند، نتیجه یک خروجی تعاملی عالی بود. به جای یک دیوار متنی، سه تب مجزا برای کاوش و سوالات تکمیلی ارائه شد. برای هر روز، یک جدول زمانی با جزئیات مکان‌ها، غذاهای پیشنهادی و حتی یک چک‌مارک برای علامت‌گذاری فعالیت‌ها وجود داشت. قابلیت پرسش و پاسخ تعاملی مدل در اینجا بسیار مفید بود؛ ChatGPT از کاربر پرسید که کدام مناطق را می‌خواهد ببیند و چه فعالیت‌هایی را دوست دارد، و بر اساس آن یک برنامه سفر بهبود یافته و حتی یک ابزار بودجه‌بندی برای دو نفر ارائه داد. این‌ها نشان می‌دهد که Intelligent UI در سازماندهی اطلاعات متنی و فشرده به شکلی تعاملی، واقعاً گامی رو به جلو برداشته است.

معمای هوش واقعی: چرا «پاسخ تعاملی» با «رابط کاربری هوشمند» فرق دارد؟

اینجاست که به قلب سؤال همیشگی در صنعت هوش مصنوعی می‌رسیم: «هوش» واقعاً چیست؟ آیا یک رابط کاربری صرفاً تعاملی، به معنای هوشمند بودن است؟ همانطور که در تجربه کار با اپلیکیشن F1 و دستیار قهوه دیدیم، مشکل اصلی در نبود حافظه و پایداری داده‌هاست. مدل‌های زبانی بزرگ در حال حاضر اساساً «بی‌حالت» (Stateless) هستند؛ یعنی هر تعامل جدید، یک سشن جدید است و اطلاعات سشن‌های قبلی (به جز آنچه در پنجره کانتکست فعلی نگهداری می‌شود) به صورت خودکار ذخیره نمی‌شوند. این یک تفاوت بنیادین با یک اپلیکیشن واقعی دارد که داده‌های شما را ذخیره می‌کند، تنظیمات را به خاطر می‌سپارد و در هر بار استفاده، از جایی که رها کرده‌اید، ادامه می‌دهد.

اگر واقع‌بینانه به Intelligent UI نگاه کنیم، نام مناسب‌تر برای آن «پاسخ‌های تعاملی» (Interactive Answers) است. ChatGPT بالاخره در سازماندهی اطلاعات متنی و فشرده در قالب یک فرمت تعاملی کارش را خوب انجام می‌دهد. بله، بیشتر این‌ها شامل تب‌ها، جداول و سوالات و پاسخ‌هاست، اما همین هم کمک‌کننده است. اگر با این انتظار سراغ Intelligent UI بروید، آن را مفید خواهید یافت. اما این نه یک رابط واقعاً «هوشمند» است و نه حتی نزدیک به جایگزینی برای مینی‌اپ‌ها. بخش بزرگی از آنچه یک اپلیکیشن را مفید می‌کند، حافظه داخلی، پایداری شیء و قابلیت اطمینان آن است. رابط کاربری تعاملی ChatGPT نمی‌تواند داده‌ها را فراتر از یک سشن ذخیره کند و هیچ مخزن واحدی وجود ندارد که بتوانید به سرعت و به راحتی به همه «مینی‌اپ‌های» خود دسترسی داشته باشید.

آینده گردش کار: توسعه‌دهندگان نفس راحت بکشند (فعلاً!)

در نهایت، آیا توسعه‌دهندگان اپلیکیشن باید نگران آینده شغلی خود باشند؟ با توجه به نتایج، فعلاً می‌توانند نفس راحتی بکشند. ChatGPT به وضوح در تلاش است تا رابط‌های کاربری بسازد، اما هنوز آماده نیست تا جایگزین اپلیکیشن‌هایی شود که هر روز از آن‌ها استفاده می‌کنیم؛ حتی ساده‌ترین‌ها برای ردیابی جزئیات سفر یا نتایج F1. چه رسد به چیزی پیچیده‌تر مانند یک پایگاه داده (Notion Database) برای برنامه‌ریزی و تحقیق.

این قابلیت بیشتر شبیه یک ابزار برای «گردش کار روزمره» (Workflow) است که می‌تواند در کارهای یک‌باره و ساده به شما کمک کند. مثلاً می‌توانم خودم را تصور کنم که از ChatGPT بخواهم یک دستورالعمل سفارشی برای دم کردن قهوه (Pour-Over Coffee) بسازد یا یک تقسیم‌کننده قبض فوری آماده کند. این ابزارها برای تسریع برخی کارهای کوچک و بی‌نیاز از پایداری داده، عالی هستند. اما برای جایگزینی اپلیکیشن‌های موبایل موجودتان – مگر اینکه صرفاً یک بعدازظهر شنبه را برای وقت‌کشی داشته باشید – هنوز راه درازی در پیش است. انقلاب در گردش کار روزمره با ایجنت‌های خودمختار و مدل‌های با حافظه پایدار واقعی خواهد بود، نه با این توهمات بصری گذرا.