Для студентов, изучающих компьютерные науки, генеративный ИИ — это не просто будущее, это уже настоящее. Как языковые модели влияют на то, как следующее поколение программистов учится кодировать? Мнения профессоров из Сингапура, США и Канады.
Для студентов, изучающих компьютерные науки, генеративный ИИ — это не просто будущее, это уже настоящее. Как языковые модели влияют на то, как следующее поколение программистов учится кодировать? Мнения профессоров из Сингапура, США и Канады.
Одно из главных изменений заключается в том, что теперь меньше внимания уделяется синтаксису кода, а больше способностям к решению проблем на высшем уровне. Это потому, что благодаря ИИ помощникам уже несложно писать код с нуля. Гораздо сложнее правильно протестировать код на наличие ошибок, разбить большие проблемы на меньшие шаги, с которыми справляется искусственный интеллект, и объединить эти шаги в целостное решение, пишет TechSpot.
Как отмечает доцент Национального университета Сингапура Вэй Цанг Оой, другими важными аспектами разработки программного обеспечения являются нематериальные аспекты, такие как определение правильной проблемы, которую нужно решить, и исследования потенциальных решений. Он предлагает студентам уделять больше времени оптимизации программного обеспечения, учитывать этические аспекты и повышать удобство для пользователей, а не сосредотачиваться исключительно на синтаксисе кодирования.
Такие инструменты, как Copilot от GitHub, уже выполняют тяжелую работу для программистов, и теперь их роль в кодировании будет только расти.
Другой профессор, преподающий в Калифорнийском университете в Сан-Диего, говорит, что студенты должны практиковать такие навыки, как разложение задач на легкоусвояемые части для искусственного интеллекта. «Трудно найти, где в обучающей программе это преподается — возможно, на уроках алгоритмов или программной инженерии, но это продвинутый уровень. Сейчас это становится приоритетом уже на ознакомительных занятиях».
Также преподавателям приходится изменять подходы к разработке задач и методов оценки. Даниэль Зингаро из Университета Торонто теперь предлагает студентам отправлять видеоинструкции с пошаговым объяснением программ, созданных с помощью ИИ, вместо того, чтобы просто обмениваться файлами кода. Это позволяет оценить общий процесс разработки программного обеспечения.
Но есть подводные камни, которых следует избегать из-за текущих ограничений генеративного ИИ, связанных со случайными галлюцинациями и отсутствием подлинного понимания. Профессора предостерегают, что студенты не могут просто слепо доверять результатам работы ИИ; они должны сами проверять решения и сохранять скептическое мышление.
«Мы должны сделать ИИ вторым пилотом, а не автопилотом в учебе», — советует Джонни Чанг, преподаватель Стэнфордского университета. Критическое мышление имеет большое значение, а чрезмерная зависимость от инструментов ИИ может «укоротить» процесс обучения.
Руководители технологических компаний придерживаются схожих (хотя и более жестких) взглядов, чем профессора.
Дженсен Хуанг из Nvidia предполагает, что навыки кодирования могут устареть в ближайшем будущем благодаря искусственному интеллекту. Если это правда, то развитие высших способностей мышления, а не знание синтаксиса может оказаться решающим для будущих перспектив трудоустройства.
Эмад Мостак из Stability AI даже предусмотрел в прошлом году, что к 2025 году большинство аутсорсинговых кодеров в Индии будут заменены ИИ-ассистентами.
