Засновник Datasette Саймон Віллісон заявляє, що «ніколи не було найкращого часу, щоб навчитися програмувати». І це не тому, що штучний інтелект буде писати код за вас. Насправді все з точністю до навпаки, повідомляє InfoWorld.
«Великі мовні моделі вирівнюють криву навчання», – стверджує Віллісон, адже ШІ допомагає молодим розробникам набирати швидкість.
Але ми категорично не можемо і не повинні забувати, як кодувати. Натомість ми можемо використовувати генеративний ШІ, щоб розширити досвід розробників незалежно від їхнього рівня.
Майк Лукідес з O’Reilly Media у контексті генеративного ШІ та кодування нагадує, що «написати справді хороші підказки складніше, ніж здається».
Він стверджує:
«Щоб справді добре вміти підказувати, вам потрібно розвинути досвід у тому, про що йдеться в підказці».
Іншими словами, ви повинні бути хорошим програмістом, щоб ставити задачі ШІ.
«Якщо ви піддастеся спокусі думки, що штучний інтелект є сховищем знань і мудрості, які людина не могла б отримати, то ніколи не зможете використовувати ШІ продуктивно», – припускає фахівець.
Щоб ефективно використовувати такі інструменти кодування, як AWS CodeWhisperer або Google Codey, вам справді потрібно навчити їх досягати результату, якого ви очікуєте. І щоб розповісти ШІ крок за кроком, як вирішити ваші проблеми розвитку, спочатку потрібно глибоко зрозуміти ці проблеми та визначити, як спонукати ШІ реагувати.
Розробник також повинен мати змогу оцінити, коли ШІ помиляється. Знову ж таки, це вимагає певного рівня знань. Так, ми хочемо, щоб помічники кодування допомогли нам стати більш амбітними у проєктах, які ми беремо. Але ні, вони просто не позбавлять розробників потреби з’ясовувати код. І не варто навіть бажати цього.
Використання ШІ для навчання програмуванню
Для багатьох нових розробників або досвідчених розробників, які не знайомі з певною мовою, фреймворком, базою даних тощо, крива навчання може бути крутою. Наприклад:
«Вони можуть пропустити крапку з комою, що призведе до дивного повідомлення про помилку, і їм знадобиться дві години, щоб знову знайти шлях», – каже Віллісон.
Не дивно, що це може змусити їх скласти руки, вважаючи, що вони просто недостатньо розумні, щоб навчитися програмувати.
Тут можуть втрутитися помічники з ШІ.
Віллісон каже: «Вам не потрібен ступінь інформатики, щоб змусити комп’ютер виконувати якусь нудну справу, яку вам необхідно виконати».
ChatGPT та інші помічники з LLM можуть автоматизувати цей процес. Інженер GitHub Джаана Доган наголошує:
«Люди надто зосереджені на генерації коду та повністю ігнорують, що LLM корисні для аналізу коду».
Програмістам не потрібен ШІ, щоб виконувати всю роботу. Дотримуючись аргументу Віллісона, ШІ потрібен лише для автоматизації дискретних, нудних завдань, які не створять і не зламають програму, але можуть порушити довіру розробника, якщо його змусять вчитися та виконувати всі аспекти програмування.
Як завжди, спосіб почати роботу з генеративним ШІ та розробкою програмного забезпечення – це почати з малого, автоматизувати прості завдання, які ви розумієте, але не обов’язково хочете писати знову і знову.
Заощадивши час, ви зможете зосередитись на тому, щоб навчитися вирішувати складніші завдання у своєму коді, що дасть змогу автоматизувати цей процес зі зростанням вашого досвіду.
Раніше ProIT розповідав про еволюцію алгоритмічного спілкування: від ELIZA до ChatGPT і майбутніх розумних систем.
Підписуйтеся на ProIT у Telegram, щоб не пропустити жодну публікацію!
