في ظل تزايد استخدام الذكاء الاصطناعي (AI) في مجالات البرمجة، أصبح التأثير البيئي للشيفرة البرمجية المولدة من قبل الذكاء الاصطناعي محور اهتمام متزايد. لذا، يتطلب الأمر تقييم كفاءة الشيفرة الناتجة، وليس فقط دقتها الوظيفية.

في دراسة شاملة تم فيها اختبار 21 استراتيجية توجيه (prompting strategies) متعلقة بكفاءة الطاقة في إنتاج الشيفرة البرمجية، تم تحديد ثماني استراتيجيات فعالة يمكن تطبيقها على عشرة نماذج شهيرة من نماذج اللغات الضخمة (Large Language Models) سواء مجانية أو بملكية خاصة.

تم تقييم هذه الاستراتيجيات على شيفرة برمجية بلغة بايثون (Python) ولغة C++، وأظهرت النتائج تقليص استهلاك الطاقة بمعدل يصل إلى 25% لشيفرة بايثون و17% لشيفرة C++. كما تم تحقيق انخفاضات كبيرة في استهلاك الطاقة على مستوى النماذج، حيث سجل نموذج Granite-4.0-H-Small انخفاضًا يصل إلى 50%، بينما سجل نموذج Qwen3-Coder-480B-A35B-Instruct انخفاضًا طفيفًا بمعدل 7%.

تُظهر هذه النتائج كيف يمكن لاستراتيجيات التوجيه أن تؤثر بشكل كبير على استهلاك الطاقة للشيفرة المولدة، ما يعكس ضرورة دمج كفاءة الطاقة في تقييم وتحسين عملية توليد الشيفرة بواسطة نماذج اللغات الضخمة.

إن هذه الابتكارات تعزز من جهود البرمجة المستدامة وتفتح أمام المبرمجين آفاق جديدة لتصميم توجيهات أكثر فاعلية.

ما رأيكم في أهمية هذه الاستراتيجيات لتحسين كفاءة الطاقة في البرمجة؟ شاركونا آراءكم في التعليقات!