Ar kompiuterių mokslą pakeis dirbtinis intelektas? [Vaizdo įrašas ir viktorina]

Atsakymas: Dirbtinis intelektas nepakeis kompiuterių mokslo; jis automatizuos įprastą kodavimą, kartu pakeldamas sprendimų priėmimo, sisteminio mąstymo ir atskaitomybės standartus. Studentai ar kūrėjai, kurie remiasi tik sintakse ir nukopijuota išvestimi, tampa pažeidžiami; tie, kurie supranta pagrindus, gali saugiai ir efektyviai naudoti dirbtinį intelektą.

Svarbiausios išvados:

Pagrindai: pirmenybę teikite algoritmams, sistemoms, saugumui ir derinimui, o ne paviršutiniškam sintaksės įsiminimui.

Atskaitomybė: Dirbtinio intelekto sugeneruotą kodą traktuokite kaip juodraštinį darbą, kurį turite patikrinti, išbandyti ir už kurį turite būti atsakingi.

Pradinio lygio rizika: kurkite tikrus projektus, nes įprastos jaunesniųjų užduotys gali susitraukti, pasikeisti arba būti absorbuojamos įrankių.

Dirbtinio intelekto raštingumas: naudokite dirbtinį intelektą paaiškinimams, palyginimams ir peržiūrai, o ne aklam kodo kopijavimui.

Karjeros atsparumas: ugdykite sprendimų priėmimo, bendravimo ir architektūros įgūdžius, kurių įrankiai negali patikimai pakeisti.

Straipsniai, kuriuos galbūt norėsite perskaityti po šio:

🔗 Ar dirbtinis intelektas pakeis projektų vadovus?
Ištirkite, kaip dirbtinis intelektas gali pakeisti projektų valdymo vaidmenis.

🔗 Ar vaistininkus pakeis dirbtinis intelektas?
Supraskite dirbtinio intelekto poveikį vaistinių darbui ir pacientų priežiūrai.

🔗 Ar dirbtinis intelektas pakeis statybos inžinierius?
Sužinokite, kaip dirbtinis intelektas padeda statybos inžinieriams nepakeisdamas ekspertinių žinių.

🔗 Ar dirbtinis intelektas pakeis buhalterius?
Sužinokite, kaip automatizavimas keičia buhalterinės apskaitos užduotis ir būsimą paklausą.

1. Kas daro kompiuterių mokslo versiją gerą dirbtinio intelekto eroje? 🧩

Gera informatikos versija dabar yra ne tik „mokykis Python ir tikėkis“. To niekada nepakako, nors kurį laiką žmonės su tuo susitvarkydavo.

Tvirtą informatikos pagrindą sudaro:

• Algoritmai ir duomenų struktūros – ne todėl, kad kiekvieną rytą ranka programuosite raudonai juodą medį, bet todėl, kad turite suprasti kompromisus.

• Sisteminis mąstymas – operacinės sistemos, tinklai, duomenų bazės, paskirstytos sistemos, techninės įrangos ribos.

• Matematinis samprotavimas – logika, tikimybės, diskrečioji matematika, tiesinė algebra, kai tinka.

• Programinės įrangos inžinerijos sprendimai – architektūra, priežiūra, derinimas, testavimas, dokumentavimas.

• Saugumo suvokimas – nes dirbtinio intelekto generuojamas kodas vis tiek gali būti nepaprastai nesaugus.

• Žmogiškuoju pagrindu sukurtas dizainas – vartotojai daro nenuspėjamus dalykus. Visada. Planuokite tai.

• Dirbtinio intelekto raštingumas – žinojimas, ką modeliai gali padaryti, ko negali ir kur jie užtikrintai haliucinuoja į griovį.

Profesinių mokymo programų rengimo įstaigos vis dar traktuoja kompiuterių mokslą kaip plačią discipliną, apimančią tokias sritis kaip algoritmai, sistemos, programinės įrangos kūrimas, kibernetinis saugumas, duomenų mokslas ir dirbtinis intelektas, o ne vien programavimo praktiką.

Taigi geresnis klausimas yra ne tik „Ar kompiuterių mokslą pakeis dirbtinis intelektas?“ , bet ir: kuri kompiuterių mokslo versija išliks ir taps vertingesnė?

Atsakymas yra gilesnė versija. Versija su nuovoka.

2. Palyginimo lentelė: DI ir informatikos įgūdžiai ⚖️

3. Kodėl žmonės mano, kad dirbtinis intelektas pakeis kompiuterių mokslą 😬

Žmonės šios baimės neišranda iš niekur. Dirbtinio intelekto kodavimo įrankiai yra išties įspūdingi. Jie gali generuoti funkcijas, paaiškinti klaidas, perrašyti kodą kita kalba, kurti API pavyzdžius ir netgi sukurti padorią pirmąjį programėlės juodraštį.

Tai nėra niekas.

Pradedantiesiems tai gali atrodyti kaip magija. Įvedate: „sukurkite man prisijungimo formą su patvirtinimu“ ir bum – pasirodo kodas. Tada prašote stiliaus ir atsiranda daugiau kodo. Tada prašote testų ir gaunate kažką, kas atrodo kaip bandymas. Staiga pradedantysis susimąsto: „Palaukite, kodėl aš mokausi ciklų?“

Teisingas klausimas. Bet ne visa istorija.

DI yra stipriausias, kai:

• Užduotis yra tiksliai apibrėžta.

• Šis šablonas jau yra mokymo duomenyse.

• Aplinka yra įprasta.

• Rizika maža arba lengvai išbandoma.

• Vartotojas gali patikrinti išvestį.

Dirbtinis intelektas tampa nestabilesnis, kai:

• Reikalavimai yra dviprasmiški.

• Sistema didelė ir nekontroliuojama.

• Saugumo klausimai.

• Svarbus našumas.

• Klaidą sukelia paslėptas kontekstas.

• Teisingas atsakymas priklauso nuo verslo logikos, kurios niekas neužrašė.

O paskutinis? Tai dauguma gamybinės programinės įrangos rūšių.

Taigi, taip, dirbtinis intelektas gali pakeisti tam tikras programavimo užduotis. Tačiau užduočių nėra tas pats, kas kompiuterių mokslo. Kastuvas gali kasti greičiau nei ranka, bet jis nepakeičia geologijos. Gerai, galbūt ši metafora šiek tiek netvirta, bet jūs suprantate.

4. Darbo rinkos realybė: nei pražūtis, nei komfortas 📊

Štai čia pokalbis tampa neįprastai emocingas.

Viena vertus, darbo rinkos prognozės vis dar rodo didelę su kompiuterija susijusio darbo paklausą. JAV darbo statistikos biuras prognozuoja, kad programinės įrangos kūrėjo, kokybės užtikrinimo analitiko ir testuotojo pareigybės augs daug sparčiau nei vidutinė profesija, o per visą prognozuojamą laikotarpį kasmet tikimasi daug laisvų darbo vietų. Taip pat prognozuojama, kad kompiuterių ir informacinių technologijų profesijos apskritai augs daug sparčiau nei vidutiniškai.

Kita vertus, dirbtinis intelektas (DI) daro spaudimą kai kurioms pradinio lygio užduotims. Naujausiose ataskaitose apie DI darbo jėgos poveikį pabrėžiama, kad programavimas ir su kompiuteriais susijęs darbas yra vienos iš sričių, kurios labiausiai susiduria su DI užduočių automatizavimu, ypač kai darbas apima įprastą kodavimą, analizę ar rašymą.

Abu dalykai gali būti tiesa. Erzina, bet tiesa.

Ši sritis gali augti, nors tam tikras pradedančiųjų pareigas gauti tampa sunkiau. Įmonėms vis dar gali prireikti programinės įrangos inžinierių, duomenų inžinierių, saugumo analitikų, dirbtinio intelekto inžinierių, infrastruktūros specialistų ir į tyrimus orientuotų kompiuterių mokslininkų. Tačiau jos gali tikėtis, kad jaunesni žmonės nuo pirmos dienos atliks daugiau, greičiau ir su dirbtinio intelekto įrankiais.

Tai reiškia, kad nauja pradinio lygio riba gali pasikeisti iš:

"Ar galite rašyti kodą?"

į:

„Ar galite naudoti dirbtinį intelektą, suprasti kodą, pastebėti klaidas, patobulinti architektūrą, paaiškinti kompromisus ir netyčia nesukelti saugumo katastrofos?“

Tai daug. Netgi šiek tiek nemandagu.

5. Ar universitetuose kompiuterių mokslą pakeis dirbtinis intelektas? 🎓

Ne, bet informatikos švietimas turi keistis. Kai kuriose vietose tai jau vyksta.

Tradicinis kompiuterių mokslo kelias dažnai apima programavimą, duomenų struktūras, algoritmus, kompiuterių architektūrą, operacines sistemas, duomenų bazes, teoriją, programinės įrangos inžineriją ir pasirenkamuosius dalykus, tokius kaip dirbtinis intelektas, grafika, kibernetinis saugumas arba žmogaus ir kompiuterio sąveika. Dirbtinis intelektas šių temų neištrina, o daugelį jų padaro aktualesnes.

Kodėl?

Nes jei DI rašo kodą, kažkas vis tiek turi paklausti:

• Ar šis algoritmas efektyvus?

• Ar tai saugu atmintyje?

• Ar ši duomenų bazės užklausa yra keičiamo dydžio?

• Ar šis modelis yra šališkas?

• Ar ši sistema gali būti užpulta?

• Kas nutinka, kai API neveikia?

• Kas atsakingas, kai išvestis yra neteisinga?

• Kaip mes tinkamai patikriname šį dalyką?

Naujausiame pagrindiniame bakalauro studijų informatikos mokymo programoje dirbtinis intelektas plačiau integruotas į informatikos mokymą, traktuojant jį kaip kažką, ką studentai turėtų suprasti visoje srityje, o ne kaip mažą izoliuotą pasirenkamąjį dalyką.

Tai protinga kryptis. Ne „nustokite mokyti informatikos, nes dirbtinis intelektas egzistuoja“. Greičiau: „mokykite informatikos su dirbtiniu intelektu klasėje“

Dirbtinis intelektas gali tapti korepetitoriumi, laboratorijos asistentu, kodo recenzentu, derinimo partneriu ir idėjų generatoriumi. Tačiau studentui vis tiek reikia mokytis. Priešingu atveju jis tampa keleiviu savaeigiame automobilyje be vairo, be žemėlapio ir pavojingai dideliu pasitikėjimu savimi.

6. Ką DI pakeičia kompiuterių mokslo darbe 🧰

Būkime atviri: dirbtinis intelektas tikrai pakeičia kai kurias erzinančias programavimo dalis. Ir, ačiū Dievui, kai kuriais atvejais.

Dirbtinis intelektas gerai pakeičia arba sumažina:

• Pasikartojantis standartinis tekstas.

• Paprasti scenarijai.

• Pirmojo juodraščio dokumentacija.

• Pagrindiniai vienetų testai.

• Pagalba naudojant reguliariąsias išraiškas.

• Greitas sintaksės vertimas.

• Priekinės dalies elementai, kuriuose gausu šablonų.

• Paprasti duomenų valymo fragmentai.

• „Prieš mesdamas nešiojamąjį kompiuterį, paaiškinkite šį klaidos pranešimą“ akimirkos.

Tai naudinga. Tai nėra sukčiavimas, jei suprantate rezultatą.

Tačiau dirbtinis intelektas patikimai nepakeičia:

• Gilusis derinimas.

• Gamybos atskaitomybė.

• Architektūros nuosavybė.

• Ilgalaikis prižiūrėjimas.

• Saugumo apžvalga.

• Našumo derinimas neįprastose sistemose.

• Vartotojų poreikių supratimas.

• Etinis ir teisinis vertinimas.

• Tyrimo lygio problemos formulavimas.

• Komandos koordinavimas ir techninis vadovavimas.

Svarbus pokytis yra tas, kad kompiuterių mokslininkai ir kūrėjai gali sugaišti mažiau laiko viską spausdindami rankiniu būdu ir daugiau laiko peržiūrėdami, kurdami, derindami, testuodami ir priimdami sprendimus. Tai skamba prabangiai. Tai taip pat reiškia, kad klaidos gali tapti didesnės, jei niekas nežino, kas vyksta.

Dirbtinis intelektas leidžia žmonėms greičiau kurti kodą. Jis automatiškai nepadaro to kodo teisingu.

Tas sakinys turėtų būti atspausdintas ant puodelio. ☕

7. Pradedančiųjų problema: sunkiausia dalis, apie kurią niekas nemėgsta kalbėti 🚪

Trapiausia visos sistemos dalis yra pradedančiųjų vamzdynas.

Tradiciškai jaunesnieji kūrėjai mokėsi atlikdami mažas užduotis. Ištaisykite šią klaidą. Parašykite šį galinį tašką. Pridėkite šią formą. Pertvarkykite šį nedidelį modulį. Atlikite šiek tiek nuobodų darbą, o tada palaipsniui sukurkite didesnes problemas.

Tačiau jei dirbtinis intelektas gali atlikti daug nedidelių užduočių, įmonės gali samdyti mažiau jaunesniųjų specialistų arba tikėtis, kad jaunesnieji specialistai veiks kaip vidutinio lygio kūrėjai su dirbtinio intelekto pagalbininku. Tai sukuria nemalonų nedidelį paradoksą:

Norint gerai prižiūrėti dirbtinį intelektą, reikia patirties, tačiau norint įgyti patirties, reikia pradedančiųjų užduočių.

Tai nereiškia, kad pradedantieji yra pasmerkti žlugti. Tai reiškia, kad pradedantieji turi mokytis kitaip.

Pradedantysis, kuris tik provokuoja DI ir įklijuoja kodą, turi problemų. Pradedantysis, kuris naudoja DI, kad paspartintų sąmoningą praktiką, gali tapti labai stiprus.

Geresni pradedančiųjų įpročiai dabar apima:

• Klauskite DI paaiškinimų, o ne tik atsakymų.

• Perrašykite sugeneruotą kodą rankiniu būdu.

• Tyčia sulaužyk kodą ir jį ištaisyk.

• Palyginkite du sprendimus ir paaiškinkite kompromisus.

• Kurkite projektus, kurie šiek tiek viršija mokomojo lygio ribas.

• Iš anksto susipažinkite su derinimo įrankiais.

• Taip, skaitykite dokumentus, net jei tai skauda.

• Kartais pasipraktikuokite be dirbtinio intelekto, pavyzdžiui, su svarmenimis ant kulkšnių.

• Veskite „klaidų žurnalą“, kuriame aprašysite klaidas ir jų priežastis.

Geriausi pradedantieji nebus tie, kurie vengs dirbtinio intelekto. Jie bus tie, kurie jį naudos netapdami nuo jo priklausomi, kas yra erzinančiai suaugusiška, bet tikslu.

8. Kodėl informatikos pagrindai tampa vertingesni, o ne mažiau vertingi 🧠

Štai esmė: dirbtinis intelektas gali padaryti kompiuterių mokslo pagrindus svarbesnius.

Kai kodo generavimas tampa pigus, sprendimų priėmimas tampa retu įgūdžiu.

Įsivaizduokite du žmones, naudojančius tą patį dirbtinio intelekto kodavimo asistentą.

Asmuo A sako: „Sukurk man programėlę.“

Asmuo B sako: „Sukurkite minimalią API, aiškiai atskirdami autentifikavimą, verslo logiką ir duomenų saugojimo galimybes. Naudokite įvesties patvirtinimą, pridėkite testus, skirtus kraštutiniams atvejams, venkite saugoti paslaptis kode ir paaiškinkite paieškos funkcijos sudėtingumą.“

Tas pats įrankis. Labai skirtingas rezultatas.

Skirtumas ne spausdinimo greitis. Skirtumas – supratimas.

Informatikos pagrindai jums padės:

• Užduokite geresnius klausimus.

• Greičiau pastebėk nesąmones.

• Įvertinkite modelio išvestį.

• Sukurkite saugesnes sistemas.

• Darykite kompromisus dėl našumo.

• Venkite per didelio statymo.

• Žinokite, kada paprastas kodas yra geresnis.

• Supraskite, ką įrankis abstrahuoja.

Dirbtinis intelektas yra tarsi labai greitas praktikantas, kuris viską perskaitė, nieko nepamiršta, kartais meluoja ir niekada neatrodo sutrikęs. Naudingas? Be abejo. Saugus be priežiūros? Ne visai.

Ta priežiūra ir yra kompiuterių mokslo pagrindas.

9. Naujas informatikos karjeros žemėlapis 🗺️

Senasis karjeros žemėlapis buvo maždaug toks:

Išmokite programuoti → gaukite jaunesniojo specialisto darbą → įgykite patirties → specializuokitės.

Naujasis žemėlapis atrodo labiau taip:

Išmokite kompiuterinės matematikos pagrindus → išmokite programuoti su dirbtiniu intelektu ir be jo → kurkite tikrus projektus → supraskite sistemas → specializuotis → nuolat prisitaikykite.

Kai kurios sritys gali tapti ypač vertingos:

Dirbtinio intelekto inžinerija ir taikomasis mašininis mokymasis 🤖

Ne tik modelių mokymas, bet ir dirbtinio intelekto integravimas į produktus, rezultatų vertinimas, paieškos sistemų valdymas, darbas su įterpimais, modelių apribojimų tvarkymas ir veiksmingų darbo eigų kūrimas.

Kibernetinis saugumas 🔐

Dirbtinis intelektas gali greitai rašyti nesaugų kodą. Užpuolikai taip pat gali ja naudotis. Dėl to saugumo žinios yra svarbesnės, o ne menkesnės.

Duomenų inžinerija ir duomenų bazės 🗄️

Dirbtinis intelektas veikia su duomenimis, tačiau dauguma organizacinių duomenų yra susipainioję, dubliuoti, nenuoseklūs ir dvasiškai persekiojami. Žmonės, kurie gali sukurti patikimus duomenų srautus, išliks vertingi.

Sistemos ir infrastruktūra ⚙️

Debesų sistemos, paskirstytas skaičiavimas, stebimumas, delsa, mastelio keitimas, patikimumas – dirbtinis intelektas gali padėti, tačiau gamybos sistemoms vis tiek reikia žmonių, kurie suprastų gedimus.

Žmogaus ir kompiuterio sąveika 🧑💻

Dirbtiniam intelektui tampant programinės įrangos sąsajų dalimi, suprantamų, patikimų ir žmonėms patogių sistemų kūrimas tampa rimtu įgūdžiu.

Į produktą orientuota programinės įrangos inžinerija 🧭

Geriausi inžinieriai ne tik klausia: „Ar galime tai pastatyti?“. Jie klausia: „Ar turėtume tai pastatyti, kam ir kas nutiks, jei tai padarysime?“

Tai niekur nedings.

10. Ar studentai vis tiek turėtų studijuoti informatiką? 📚

Taip – ​​bet jie turėtų tai studijuoti atmerktomis akimis.

Informatika vis dar yra galingas studijų ir įgūdžių rinkinys, nes skaičiavimas plinta beveik visose srityse: medicinoje, finansuose, logistikoje, pramogose, klimato kaitos darbe, švietime, gamyboje, robotikoje, saugumo srityje ir paprastoje verslo programinėje įrangoje, kuri tyliai valdo pasaulį. Beje, nepretenzinga programinė įranga apmoka daug sąskaitų.

Tačiau studentai neturėtų kompiuterių mokslo laikyti garantuotu auksiniu bilietu. Tai nėra „išmok kalbą, gauni atlyginimą“. Galbūt taip niekada ir nebuvo, bet mitas ilgai nebeapsiribojo.

Studentai turėtų sutelkti dėmesį į:

• Kuriami realūs projektai, o ne tik paskaitų užduotys.

• Vieną kalbą reikia išmokti giliai, o kitas – pragmatiškai.

• Duomenų struktūrų ir algoritmų supratimas ne tik interviu gudrybėmis.

• Patogiai susipažinti su Linux, Git, API, duomenų bazėmis ir testavimu.

• Kasdien, bet kritiškai naudojant DI įrankius.

• Sugeneruoto kodo skaitymas eilutė po eilutės.

• Bendravimo praktikavimas.

• Išmokti pakankamai matematikos, kad nekiltų panika.

• Kurti portfolio, kuriame atsispindėtų sprendimai, o ne vien ekrano nuotraukos.

Informatikos studentas, galintis aiškiai paaiškinti savo sprendimus, išsiskirs. Studentas, kuris sako „tai parašė dirbtinis intelektas“ ir gūžteli pečiais? Mažiau idealus variantas.

11. Ko norės įmonės 🏢

Įmonės ne tiek nori „programuotojų“, kiek rezultatų.

Jie nori sistemų, kurios veiktų, būtų plečiamos, saugios, patenkintų klientų poreikius, mažintų išlaidas, generuotų pajamas, išvengtų teisminių ginčų ir nesugriūtų tą pačią akimirką, kai prasideda demonstracinė versija. Deja, tai klasikinis demonstracinės versijos elgesys.

Dirbtinis intelektas keičia šių rezultatų gavimo būdą. Jis gali sumažinti rankinio įgyvendinimo darbo poreikį. Tačiau padidina žmonių, kurie gali derinti:

• Techninis gylis.

• Domeno supratimas.

• Dirbtinio intelekto sklandumas.

• Rizikos suvokimas.

• Bendravimas.

• Skonis.

Skonis yra nepakankamai įvertintas. Geri inžinieriai išsiugdo nuovoką, kada kodas yra pernelyg išradingas, kada sistema pernelyg trapi, kada dizainas pernelyg sudėtingas arba kada greitas pataisymas, užsidėjus mažytę skrybėlę, yra ateities katastrofa. 🎩

Dirbtinis intelektas gali generuoti pasirinkimus. Žmonėms vis dar reikia skonio.

12. Taigi, ar dirbtinis intelektas pakeis kompiuterių mokslą? Baigiamoji išvada 🧾

Taigi, ar dirbtinis intelektas pakeis kompiuterių mokslą? Ne – ne kaip discipliną, ne kaip mąstymo būdą ir ne kaip šiuolaikinių kompiuterių pagrindą.

Tačiau kai kurios programavimo dalys bus automatizuotos. Kai kurie pradinio lygio darbai pasikeis. Kai kurie žmonės, kurie pasikliauja tik paviršutiniškais programavimo įgūdžiais, jausis spaudžiami. Tai yra nemaloniausia dalis.

Geresnė ateitis priklauso žmonėms, kurie pakankamai gerai supranta kompiuterių mokslą, kad galėtų gerai naudoti dirbtinį intelektą.

Dirbtinis intelektas gali pakeisti:

• Šiek tiek pasikartojančio kodavimo.

• Keletas pagrindinių įgyvendinimo užduočių.

• Kai kurie mažo konteksto derinimo veiksmai.

• Kai kurie pamokos lygio darbai.

• Kai kurie „Aš žinau tik sintaksę“ įgūdžių rinkiniai.

Dirbtinis intelektas nepakeis:

• Skaičiavimo mąstymas.

• Sistemos projektavimas.

• Saugumo sprendimas.

• Tyrinėkite kūrybiškumą.

• Produkto samprotavimas.

• Žmogaus atskaitomybė.

• Poreikis suprasti, ką programinė įranga turėtų daryti ir kodėl.

Tikrasis atsakymas į klausimą „Ar kompiuterių mokslą pakeis dirbtinis intelektas?“ yra toks:

Dirbtinis intelektas pakeis kompiuterių mokslą. Silpna, paviršutiniška, kopijavimo ir įklijavimo versija gali išblėsti. Gilesnė versija – paremta samprotavimais, sistemomis, abstrakcija ir vertinimu – tampa svarbesnė nei bet kada anksčiau.

Kitaip tariant, nemeskite informatikos vien dėl to, kad dirbtinis intelektas gali parašyti funkciją.

Pasimokyk informatikos, kad galėtum atskirti, ar ta funkcija yra niekam tikusi. 🚀

Greitas paėmimas ✅

Dirbtinis intelektas nepakeis informatikos. Jis pakeis kai kurias įprastas programavimo užduotis ir pakels studentų bei kūrėjų įgūdžių kartelę. Saugiausias kelias – išmokti pagrindus, kurti tikrus projektus, naudoti dirbtinį intelektą kaip įrankį ir lavinti nuovoką, kad būtų galima patikrinti, tobulinti ir prisiimti atsakomybę už tai, ką sukuria dirbtinis intelektas.

Realaus pasaulio pavyzdys: dirbtinio intelekto naudojimas kuriant nedidelę pataisymų planavimo programėlę 🛠️

Scenarijus

Įsivaizduokite, kad antro kurso informatikos studentas nori sukurti paprastą egzaminų kartojimo planavimo priemonę. Nieko didelio. Tiesiog maža žiniatinklio programėlė, kurioje vartotojas gali pridėti modulius, terminus, temas ir galimas mokymosi valandas, o tada gauti savaitės planą.

Studentas galėtų paprašyti dirbtinio intelekto sugeneruoti visą procesą vienu kartu. Tai galėtų sukurti kažką įspūdingo penkias minutes, o tada subyrėti, kai terminai sutampa, duomenys dingsta po atnaujinimo arba tvarkaraštis tyliai priskiria 19 valandų mokymosi antradieniui.

Tvirtesnis požiūris – naudoti DI kaip kodavimo asistentą, kartu taikant informatikos sprendimus. Tikslas nėra „priversti DI kurti mano programėlę“. Tikslas yra „naudoti DI, kad galėčiau judėti greičiau, suprasdamas kiekvieną dizaino pasirinkimą“

Ko reikia projektui

Prieš ragindamas mokinys turėtų apibrėžti keletą pagrindinių dalykų:

• Pagrindinės funkcijos: pridėti modulius, pridėti temas, nustatyti egzaminų datas, įvesti laisvas mokymosi valandas, sudaryti savaitės planą.

• Duomenų modelis: moduliai, temos, terminai, prioritetai, atliktos užduotys.

• Apribojimai: jokių mokymosi sesijų po vidurnakčio, jokių besidubliuojančių temų, vengti planuoti daugiau valandų, nei vartotojas įvedė.

• Technologijų paketas: pavyzdžiui, „React“ sąsajai, maža „Node“ / „Express“ API ir „SQLite“ arba vietinė saugykla pirmajai versijai.

• Testavimo planas: patikrinkite tuščius įvesties duomenis, neįmanomus tvarkaraščius, pasikartojančius modulius ir datos ribojimo atvejus.

• Saugos taisyklė: jokie asmeniniai studentų duomenys neturėtų būti siunčiami į viešą dirbtinio intelekto įrankį, nebent jie būtų nuasmeninti.

Instrukcijos pavyzdys

Silpna užuomina būtų tokia:

Sukurkite man pataisymų planavimo programėlę.

Tai suteikia dirbtiniam intelektui per daug erdvės išrasti, perkonstruoti ar praleisti svarbias detales.

Stipresnis raginimas būtų:

Kuriu nedidelę taisymų planavimo programėlę informatikos portfolio projektui.
Naudoti „React“ kaip priekinę dalį ir išlaikyti pirmąją versiją paprastą.
Vartotojas turėtų galėti pridėti modulį, pridėti temas po tuo moduliu, nustatyti egzamino datą, įvesti galimas mokymosi valandas per dieną ir sugeneruoti savaitės taisymų planą.

Dar nekurkite autentifikavimo.
Pirmosios versijos duomenis saugokite vietinėje saugykloje.
Įtraukite įvesties patvirtinimą, jei modulių pavadinimai yra tušti, praėjusios egzaminų datos, pasikartojančios temos ir mokymosi valandų skaičius viršija 12 per dieną.

Pirmiausia pasiūlykite duomenų modelį ir komponentų struktūrą.
Nerašykite viso kodo, kol nepatvirtinsiu struktūros.
Aiškiai ir paprastai paaiškinkite kompromisus.

Šis raginimas veikia geriau, nes sulėtina dirbtinį intelektą. Jis prašo pirmiausia sukurti dizainą, o tik tada – kodą. Būtent čia pradeda veikti informatikos sprendimai.

Kaip tai išbandyti

Studentas neturėtų pasitikėti pirmąja veikiančia demonstracine versija. Jis turėtų ją testuoti taip, lyg bandytų ją sugadinti, nes vartotojai tikrai taip ir padarys.

Geri bandymų atvejai apima:

• Pridėti modulį be pavadinimo.

• Pridėkite tą pačią temą du kartus.

• Nustatykite egzamino datą praeityje.

• Įveskite nulį galimų mokymosi valandų kiekvienai dienai.

• Įveskite 20 mokymosi valandų vienai dienai.

• Pridėkite penkias temas, kurias reikia pateikti rytoj, ir patikrinkite, ar programa nesukuria neįmanomo plano.

• Atnaujinkite puslapį ir patikrinkite, ar išsaugoti duomenys vis dar rodomi.

• Pažymėkite temą kaip užbaigtą ir patikrinkite, ar tvarkaraštis atnaujinamas teisingai.

Jie taip pat galėtų paprašyti dirbtinio intelekto peržiūrėti logiką:

Štai mano planavimo funkcija. Raskite kraštutinius atvejus, kai ji gali sukurti nerealistišką arba neteisingą taisymo planą. Kol kas jo neperrašykite. Pirmiausia paaiškinkite problemą, o tada pasiūlykite testus, kuriuos turėčiau pridėti.

Tai paverčia dirbtinį intelektą recenzentu, o ne mąstymo pakaitalu.

Kas gali nutikti ne taip

Akivaizdžiausia klaida – sugeneruoto kodo kopijavimas jo nesuprantant. Programėlė gali atrodyti veikianti, tačiau studentas gali nesugebėti paaiškinti duomenų struktūros, ištaisyti klaidos ar apginti savo dizaino pasirinkimų pokalbio metu.

Kitos realios problemos yra šios:

• Dirbtinis intelektas rašo planavimo algoritmą, kuris ignoruoja laisvas valandas.

• Programėlė viską saugo viename netvarkingame objekte, kurį sunku prižiūrėti.

• Įvesties patvirtinimas atliekamas tik sąsajoje, o ne pagrindinėje logikoje.

• Sugeneruotas kodas naudoja bibliotekas, kurių studentas nesupranta.

• Dirbtinis intelektas sukuria funkcijas, kurių niekada nebuvo prašoma.

• Studentas prašo „geresnio kodo“ ir gauna kažką sudėtingesnio, o ne iš tikrųjų geresnio.

• Programėlė neturi testų, todėl kiekvienas pakeitimas rizikuoja sugadinti planavimo priemonę.

Verta paminėti tokią taisyklę: jei mokinys negali paaiškinti funkcijos eilutė po eilutės, tai dar nėra iki galo jo projektas.

Praktiškas išsinešimui skirtas maistas

Tai yra skirtumas tarp blogo ir gero dirbtinio intelekto naudojimo.

Netinkamas dirbtinio intelekto naudojimas reiškia, kad prašoma baigtos programėlės, įklijuojama išvestis ir tikimasi, kad niekas atidžiai nežiūrės.

Tinkamas dirbtinio intelekto naudojimas reiškia jo naudojimą struktūrai aptarti, kompromisams palyginti, juodraščiams generuoti, testams siūlyti ir kraštutiniams atvejams peržiūrėti, o galutinis kodas vis dar priklauso studentui.

Štai kodėl informatika vis dar svarbi. Dirbtinis intelektas gali padėti greičiau sukurti pataisų planavimo įrankį, tačiau studentui reikia informatikos žinių, kad galėtų nuspręsti, ar planavimo įrankis yra teisingas, prižiūrimas, išbandomas ir vertas kam nors parodyti.

DUK

Ar ateityje kompiuterių mokslą pakeis dirbtinis intelektas?

Informatikos kaip disciplinos nepakeis dirbtinis intelektas. Dirbtinis intelektas gali automatizuoti kai kurias kodavimo užduotis, generuoti juodraščius, paaiškinti klaidas ir pagreitinti įprastinį darbą. Tačiau kompiuterių mokslas taip pat apima sistemas, algoritmus, saugumą, duomenis, architektūrą, teoriją ir sprendimų priėmimą. Šiose srityse vis dar reikia žmonių, kurie gali aiškiai samprotauti, patikrinti rezultatus ir suprasti, ką turėtų daryti programinė įranga.

Kokias kompiuterių mokslo darbo dalis dirbtinis intelektas gali automatizuoti?

Dirbtinis intelektas efektyviausias atliekant pasikartojančias, aiškiai apibrėžtas užduotis. Jis gali padėti su standartiniu kodu, paprastais scenarijais, pagrindiniais testais, dokumentacijos juodraščiais, sintaksės vertimu, reguliariosiomis išraiškomis ir greitais prototipais. Tai yra tikras produktyvumo padidėjimas. Vis dėlto automatizavimas veikia geriausiai, kai žmogus gali peržiūrėti išvestį, suprasti kontekstą ir nuspręsti, ar sugeneruotas sprendimas yra saugus ir tinkamas.

Kodėl dirbtinis intelektas visiškai nepakeis informatikos darbo vietų?

Dirbtinis intelektas gali kurti kodą, bet patikimai neprisiima atsakomybės už rezultatus. Programinės įrangos kūrimas apima dviprasmiškus reikalavimus, verslo taisykles, naudotojus, saugumo rizikas, gamybos klaidas, našumo kompromisus ir ilgalaikę priežiūrą. Įmonėms vis dar reikia žmonių, kurie galėtų projektuoti sistemas, derinti sudėtingas problemas, aiškiai bendrauti ir prisiimti atsakomybę, kai kas nors sugenda. Dirbtinis intelektas padeda atlikti užduotis, o ne visapusiškai profesionaliai įvertinti.

Kaip dirbtinis intelektas keičia pradinio lygio kompiuterių mokslo darbus?

Dirbtinis intelektas gali palengvinti kai kurių pradedančiųjų programavimo užduočių automatizavimą, o tai gali pakelti kartelę jaunesniųjų vaidmenų atstovams. Užuot klausę tik apie tai, ar kas nors gali rašyti kodą, darbdaviai gali tikėtis, kad pradedantieji naudosis dirbtinio intelekto įrankiais, peržiūrės sugeneruotą kodą, pastebės klaidas, paaiškins kompromisus ir tinkamai testuos. Dėl to studentams ir naujiems kūrėjams svarbesni pagrindai ir sąmoninga praktika.

Ar studentai vis dar turėtų studijuoti informatiką dėl dirbtinio intelekto?

Taip, studentai vis tiek turėtų studijuoti informatiką, tačiau su realiais lūkesčiais. Tai neturėtų būti laikoma garantuotu trumpesniu keliu į darbą. Studentams reikia pagrindinių žinių, realių projektų, derinimo įgūdžių, „Git“, duomenų bazių, testavimo, bendravimo ir dirbtinio intelekto raštingumo. Tikslas yra ne tik greičiau kurti kodą, bet ir pakankamai giliai jį suprasti, kad būtų galima jį patobulinti ir apginti.

Kaip pradedantieji gali naudoti dirbtinį intelektą netapdami nuo jo priklausomi?

Pradedantieji turėtų naudoti DI kaip mokytoją ir praktikos partnerį, o ne tik kaip atsakiklį. Geras būdas – prašyti paaiškinimų, rankiniu būdu perrašyti sugeneruotą kodą, tyčia keisti programas, lyginti sprendimus ir kartais derinti be DI. Taip pat padeda dokumentacijos skaitymas ir klaidų stebėjimas. Svarbiausia – ugdyti supratimą, o ne tik rinkti veikiančius fragmentus.

Kodėl kompiuterių mokslo pagrindai yra svarbesni naudojant dirbtinį intelektą?

Kai dirbtinis intelektas palengvina kodo generavimą, sprendimų priėmimas tampa vertingesnis. Pagrindiniai dalykai padeda žmonėms užduoti geresnius klausimus, pastebėti silpnus sprendimus, suprasti našumą, įvertinti architektūrą ir pastebėti saugumo problemas. Du žmonės gali naudoti tą patį dirbtinio intelekto įrankį ir gauti labai skirtingus rezultatus, priklausomai nuo jų žinių. Tvirti kompiuterių mokslo pagrindai daro įrankį efektyvesnį ir mažiau rizikingą.

Ar universitetuose kompiuterių mokslą pakeis dirbtinis intelektas?

Informatika neišnyks iš universitetų, nes egzistuoja dirbtinis intelektas. Vietoj to, švietimas turi labiau įtraukti dirbtinį intelektą, tuo pačiu metu mokant programavimo, algoritmų, duomenų struktūrų, sistemų, duomenų bazių, teorijos ir programinės įrangos inžinerijos. Dirbtinis intelektas gali atlikti korepetitoriaus arba kodavimo asistento vaidmenį, tačiau studentai vis tiek turi išmokti, kaip veikia sistemos ir kaip įvertinti sugeneruotus atsakymus.

Kurie informatikos įgūdžiai yra saugiausi nuo dirbtinio intelekto automatizavimo?

Įgūdžius, susijusius su kontekstu, vertinimu ir atsakomybe, sunkiau visiškai automatizuoti. Tai apima sistemų projektavimą, kibernetinį saugumą, gamybos derinimą, architektūrą, našumo derinimą, produkto samprotavimą, žmogaus ir kompiuterio sąveiką, duomenų inžineriją, infrastruktūrą ir mokslinių tyrimų lygio problemų formulavimą. Dirbtinis intelektas gali padėti šiose srityse, tačiau paprastai negali pakeisti žmogaus gebėjimo pasverti kompromisus ir priimti savo sprendimus.

Koks yra geriausias būdas pasiruošti kompiuterių mokslo karjerai naudojant dirbtinį intelektą?

Stipriausias kelias – derinti pagrindus su praktiniu dirbtinio intelekto išmanymu. Atidžiai išmokite vieną programavimo kalbą, kurkite tikrus projektus, supraskite algoritmus ir sistemas, praktikuokite testavimą ir derinimą bei kritiškai naudokite dirbtinio intelekto įrankius. Skaitykite sugeneruotą kodą eilutė po eilutės ir būkite pasiruošę paaiškinti projektavimo pasirinkimus. Darbdaviai vertins žmones, kurie gali pasiekti rezultatų ir suprasti riziką.

Nuorodos

1. JAV darbo statistikos biuras – kompiuterių ir informacinių technologijų profesijos – bls.gov

2. Skaičiavimo mašinų asociacija – CS2023 mokymo programos gairės – acm.org

3. CSET, Džordžtauno universitetas – Dirbtinio intelekto sugeneruoto kodo kibernetinio saugumo rizika – cset.georgetown.edu

4. Antropotinis – DI darbo jėgos poveikis – anthropic.com

5. „Stack Overflow“ – dirbtinio intelekto kodavimo įrankiai – survey.stackoverflow.co

6. AAAI – Plačiau apie integruotą dirbtinį intelektą – ojs.aaai.org

7. OWASP atmintinių serija – dirbtinio intelekto agento saugumo atmintinė – cheatsheetseries.owasp.org

Raskite naujausią dirbtinį intelektą oficialioje dirbtinio intelekto asistentų parduotuvėje

Apie mus