Kas tehisintellekt asendab arvutiteaduse? [Video ja viktoriin]

Vastus: Tehisintellekt ei asenda arvutiteadust; see automatiseerib rutiinse kodeerimise, tõstes samal ajal otsustusvõime, süsteemse mõtlemise ja vastutuse taset. Ainult süntaksile ja kopeeritud väljundile toetuvad õpilased või arendajad muutuvad haavatavaks; need, kes mõistavad põhitõdesid, saavad tehisintellekti ohutult ja tõhusalt kasutada.

Peamised järeldused:

Põhitõed: Eelista algoritme, süsteeme, turvalisust ja silumist pealiskaudse süntaksi meeldejätmise asemel.

Vastutus: Käsitle tehisintellekti loodud koodi mustanditööna, mida pead kontrollima, testima ja omama.

Algtaseme risk: Loo päris projekte, sest rutiinsed noorema taseme ülesanded võivad kahaneda, nihkuda või tööriistade poolt alla neelata.

Tehisintellekti kirjaoskus: kasutage tehisintellekti selgituste, võrdluste ja arvustuste jaoks, mitte pimesi koodi kleepimiseks.

Karjäärikindlus: arenda otsustusvõimet, suhtlemisoskusi ja arhitektuurialaseid oskusi, mida tööriistad ei suuda usaldusväärselt asendada.

Artiklid, mida võiksite pärast seda lugeda:

🔗 Kas tehisintellekt asendab projektijuhte?
Uurige, kuidas tehisintellekt võib projektijuhtimise rolle ümber kujundada.

🔗 Kas tehisintellekt asendab apteekrid? Saage aru
tehisintellekti mõjust apteegitööle ja patsiendihooldusele.

🔗 Kas tehisintellekt asendab ehitusinseneri?
Siit saate teada, kuidas tehisintellekt toetab ehitusinseneri ilma asjatundlikkust asendamata.

🔗 Kas tehisintellekt asendab raamatupidajaid?
Vaadake, kuidas automatiseerimine muudab raamatupidamisülesandeid ja tulevast nõudlust.

1. Mis teeb arvutiteadusest tehisintellekti ajastul hea versiooni? 🧩

Hea arvutiteaduse versioon tänapäeval ei ole lihtsalt „õpi Pythoni ja looda“. Sellest ei piisanud kunagi, kuigi inimesed said sellega mõnda aega hakkama.

Tugev arvutiteaduse alus sisaldab:

• Algoritmid ja andmestruktuurid – mitte sellepärast, et sa igal hommikul käsitsi puna-musta puud kodeeriksid, vaid sellepärast, et sa pead aru saama kompromissidest.

• Süsteemne mõtlemine - operatsioonisüsteemid, võrgud, andmebaasid, hajussüsteemid, riistvara piirid.

• Matemaatiline arutluskäik – loogika, tõenäosus, diskreetne matemaatika, lineaaralgebra, kui see on asjakohane.

• Tarkvaratehnika otsustusvõime - arhitektuur, hooldatavus, veatuvastus, testimine, dokumentatsioon.

• Turvateadlikkus – sest tehisintellekti loodud kood võib ikkagi olla ülimalt ohtlik.

• Inimkeskne disain – kasutajad teevad ettearvamatuid asju. Alati. Planeeri selleks.

• Tehisintellekti oskusteave – teadmine, mida mudelid suudavad teha, mida mitte ja kus nad enesekindlalt kraavi hallutsineerides esinevad.

Professionaalsed õppekavade koostajad käsitlevad arvutiteadust endiselt laia distsipliinina, mis hõlmab selliseid valdkondi nagu algoritmid, süsteemid, tarkvaraarendus, küberturvalisus, andmeteadus ja tehisintellekt – mitte ainult programmeerimispraktika.

Seega pole parem küsimus mitte ainult „Kas tehisintellekt asendab arvutiteaduse?“ , vaid see, milline arvutiteaduse versioon jääb ellu ja muutub väärtuslikumaks?

Vastus on sügavam versioon. Versioon, mis annab hinnangu.

2. Võrdlustabel: tehisintellekt vs arvutiteaduse oskused ⚖️

3. Miks inimesed arvavad, et tehisintellekt asendab arvutiteaduse 😬

Inimesed ei leiuta seda hirmu tühjast kohast. Tehisintellektil põhinevad kodeerimistööriistad on tõeliselt muljetavaldavad. Need suudavad genereerida funktsioone, selgitada vigu, kirjutada koodi ümber teises keeles, luua API näiteid ja isegi luua korraliku rakenduse esimese mustandi.

See pole mitte midagi.

Algajale võib see tunduda maagiana. Sa trükid: „ehita mulle sisselogimisvorm valideerimisega“ ja pauk – ilmub kood. Seejärel küsid stiili ja ilmub veel koodi. Siis küsid teste ja see annab sulle midagi, mis näeb välja testilaadne. Järsku mõtleb algaja: „Oota, miks ma tsükleid õpin?“

Õiglane küsimus. Aga samas mitte kogu lugu.

Tehisintellekt on tugevaim siis, kui:

• Ülesanne on täpselt määratletud.

• Muster on treeningandmetes juba olemas.

• Keskkond on traditsiooniline.

• Panused on madalad või kergesti proovilepandavad.

• Kasutaja saab väljundit kontrollida.

Tehisintellekt muutub ebastabiilsemaks, kui:

• Nõuded on ebamäärased.

• Süsteem on suur ja ebakindel.

• Turvalisus on oluline.

• Jõudlus on oluline.

• Vea põhjustab peidetud kontekst.

• Õige vastus sõltub äriloogikast, mida keegi üles ei kirjutanud.

Ja see viimane? See on enamik tootmistarkvara.

Seega jah, tehisintellekt saab asendada teatud kodeerimisülesandeid. Kuid ülesannete ei ole sama mis arvutiteaduse. Labidas võib kaevata kiiremini kui käsi, kuid see ei asenda geoloogiat. Olgu, see metafoor on ehk veidi ebatäpne – aga saate aru.

4. Tööturu reaalsus: mitte hukatus ega mugavus 📊

Siin läheb vestlus ebatavaliselt emotsionaalseks.

Ühelt poolt näitavad tööturu prognoosid endiselt suurt nõudlust arvutialase töö järele. USA tööstatistika büroo prognoosib, et tarkvaraarendajate, kvaliteeditagamise analüütikute ja testijate ametikohtade arv kasvab palju kiiremini kui keskmine ametikoht ning prognoosiperioodil on igal aastal oodata palju uusi töökohti. Samuti prognoositakse, et arvuti- ja infotehnoloogia ametikohtade arv kasvab üldiselt palju kiiremini kui keskmine.

Teisest küljest avaldab tehisintellekt survet mõnele algtaseme ülesandele. Hiljutised aruanded tehisintellektiga seotud tööjõu kokkupuute on toonud esile, et programmeerimine ja arvutitega seotud töö on ühed valdkonnad, mis on tehisintellektiga seotud ülesannete automatiseerimisele kõige enam avatud, eriti kui töö hõlmab rutiinset kodeerimist, analüüsi või kirjutamist.

Mõlemad asjad võivad tõsi olla. Tüütu, aga tõsi.

Valdkond võib kasvada, samas kui teatud algajate rolle on raskem saada. Ettevõtted võivad endiselt vajada tarkvaraarendajaid, andmeinsenere, turvaanalüütikuid, tehisintellekti insenere, infrastruktuuri spetsialiste ja teadusmeelseid arvutiteadlasi. Kuid nad võivad oodata, et nooremad töötajad teeksid tehisintellekti tööriistadega esimesest päevast alates rohkem ja kiiremini.

See tähendab, et uus algtaseme lati võib nihkuda:

"Kas sa oskad koodi kirjutada?"

kellele:

„Kas sa oskad tehisintellekti kasutada, koodist aru saada, vigu märgata, arhitektuuri täiustada, kompromisse selgitada ja kogemata turvakatastroofi mitte põhjustada?“

See on palju. Isegi natuke ebaviisakas.

5. Kas tehisintellekt asendab ülikoolides arvutiteaduse? 🎓

Ei, aga arvutiteaduse haridus peab muutuma. Mõnes kohas see juba toimubki.

Traditsiooniline arvutiteaduse tee hõlmab sageli programmeerimist, andmestruktuure, algoritme, arvutiarhitektuuri, operatsioonisüsteeme, andmebaase, teooriat, tarkvaratehnikat ja valikaineid nagu tehisintellekt, graafika, küberturvalisus või inimese ja arvuti interaktsioon. Tehisintellekt ei kustuta neid teemasid. See muudab paljud neist pakilisemaks.

Miks?

Sest kui tehisintellekt kirjutab koodi, peab keegi ikkagi küsima:

• Kas see algoritm on efektiivne?

• Kas see on mälukindel?

• Kas see andmebaasipäring skaleerub?

• Kas see mudel on kallutatud?

• Kas seda süsteemi saab rünnata?

• Mis juhtub, kui API ebaõnnestub?

• Kes vastutab, kui väljund on vale?

• Kuidas me seda asja õigesti testime?

Arvutiteaduse bakalaureuseõppe uusim õppekava on integreerinud tehisintellekti laiemalt arvutiteaduse haridusse, käsitledes seda pigem millegi sellisena, millest õpilased peaksid aru saama kogu valdkonnas, mitte pisikese eraldiseisva valikainena.

See on mõistlik suund. Mitte „lõpetage arvutiteaduse õpetamine, sest tehisintellekt on olemas“. Pigem: „õpetage arvutiteadust tehisintellekti abil ruumis“

Tehisintellektist võib saada juhendaja, laboriassistent, koodiülevaataja, veaotsingu partner ja ideede generaator. Kuid õpilane peab ikkagi õppima. Vastasel juhul saab temast isejuhtiva auto reisija, kellel pole rooli, kaarti ja ohtlikult palju enesekindlust.

6. Mida tehisintellekt arvutiteaduse töös asendab 🧰

Olgem ausad: tehisintellekt asendab programmeerimises kindlasti mõningaid tüütuid osi. Ja jumal tänatud, et mõnel juhul ka.

Tehisintellekt on hea järgmiste asendamisel või vähendamisel:

• Korduv mallilause.

• Lihtsad skriptid.

• Esimese mustandi dokumentatsioon.

• Põhilised ühiktestid.

• Regulaaravaldiste abi.

• Kiire süntaksi tõlge.

• Mallirohked esiotsa tükid.

• Lihtsad andmete puhastamise koodijupid.

• „Selgita seda veateadet enne, kui ma oma sülearvuti maha viskan” hetked.

See on abiks. See ei ole petmine, eeldusel, et sa tulemusest aru saad.

Kuid tehisintellekt ei asenda usaldusväärselt:

• Sügav silumine.

• Tootmisvastutus.

• Arhitektuuriline omandiõigus.

• Pikaajaline hooldatavus.

• Turvalisuse ülevaade.

• Jõudluse häälestamine ebatavalistes süsteemides.

• Kasutajate vajaduste mõistmine.

• Eetiline ja õiguslik otsustusvõime.

• Uurimistöö tasemel probleemi sõnastamine.

• Meeskonna koordineerimine ja tehniline juhtimine.

Oluline nihe seisneb selles, et arvutiteadlased ja arendajad võivad kulutada vähem aega kõige käsitsi tippimisele ja rohkem aega ülevaatamisele, kujundamisele, korraldamisele, testimisele ja otsuste langetamisele. See kõlab uhkelt. See tähendab ka seda, et vead võivad suureneda, kui keegi ei tea, mis toimub.

Tehisintellekt võimaldab inimestel koodi kiiremini luua. See ei muuda seda koodi automaatselt õigeks.

See lause peaks kruusi peale trükitud olema. ☕

7. Algaja probleem: kõige raskem osa, millest kellelegi rääkida ei meeldi 🚪

Kogu süsteemi kõige habrasemaks osaks on algajate torujuhe.

Traditsiooniliselt õppisid nooremad arendajad väikeste ülesannete täitmise kaudu. Paranda see viga. Kirjuta see lõpp-punkt. Lisa see vorm. Refaktoreeri see väike moodul. Tee ära kergelt tüütu töö ja seejärel loo järk-järgult suuremaid probleeme.

Aga kui tehisintellekt suudab teha palju väikeseid ülesandeid, võivad ettevõtted palgata vähem nooremaid arendajaid või eeldada, et nooremad arendajad tegutsevad nagu keskastme arendajad tehisintellekti abilisega. See loob ebameeldiva väikese paradoksi:

Tehisintellekti hea juhendamise jaoks on vaja kogemusi, kuid kogemuste saamiseks on vaja algajate ülesandeid.

See ei tähenda, et algajad on hukule määratud. See tähendab, et algajad peavad õppima teistmoodi.

Algaja, kes ainult instrueerib tehisintellekti ja kleebib koodi, on hädas. Algaja, kes kasutab tehisintellekti teadliku harjutamise kiirendamiseks, võib saada väga tugevaks.

Paremate algajate harjumuste hulka kuuluvad nüüd:

• Küsi tehisintellektilt selgitusi, mitte ainult vastuseid.

• Kirjuta genereeritud kood käsitsi ümber.

• Murra kood meelega ja paranda see.

• Võrdle kahte lahendust ja selgita kompromisse.

• Loo projekte, mis on veidi õppematerjalide tasemest kaugemal.

• Õpi veatuvastustööriistu varakult selgeks.

• Jah, loe dokumente, isegi kui see teeb haiget.

• Harjuta vahel ilma tehisintellektita, näiteks treeni pahkluuraskustega.

• Pea "veapäevikut", kus on kirjas vead ja nende põhjused.

Parimad algajad ei ole need, kes tehisintellekti väldivad. Nad on need, kes seda kasutavad ilma sellest sõltuvusse sattumata, mis on tüütu küll täiskasvanulik, aga täpne.

8. Miks arvutiteaduse põhitõed muutuvad väärtuslikumaks, mitte vähem väärtuslikuks 🧠

Ja siin on keerdkäik: tehisintellekt võib muuta arvutiteaduse põhialused olulisemaks.

Kui koodi genereerimine muutub odavaks, muutub otsustusvõime haruldaseks oskuseks.

Kujutage ette kahte inimest, kes kasutavad sama tehisintellektil põhinevat kodeerimisassistenti.

Inimene A ütleb: „Tee mulle rakendus.“

Isik B ütleb: „Looge minimaalne API, kus autentimine, äriloogika ja püsivus on selgelt eraldatud. Kasutage sisendi valideerimist, lisage teste äärealade jaoks, vältige koodis saladuste salvestamist ja selgitage otsingufunktsiooni keerukust.“

Sama tööriist. Väga erinev väljund.

Erinevus ei seisne kirjutamiskiiruses, vaid arusaamises.

Arvutiteaduse põhitõed aitavad teil:

• Esita paremaid küsimusi.

• Leia jama kiiremini.

• Hinnake mudeli väljundit.

• Projekteerige ohutumaid süsteeme.

• Tee tulemuslikkuse osas kompromisse.

• Vältige üleehitust.

• Tea, millal on lihtne kood parem.

• Saa aru, mida tööriist abstraktselt kirjeldab.

Tehisintellekt on nagu väga kiire praktikant, kes on kõik läbi lugenud, ei unusta midagi, valetab vahel ega näe kunagi piinlikkust tundvat. Kasulik? Täiesti. Turvaline ilma järelevalveta? Mitte päris.

See järelevalve on koht, kus arvutiteadus elab.

9. Uus arvutiteaduse karjäärikaart 🗺️

Vana karjäärikaart nägi välja umbes selline:

Õpi kodeerima → leia noorem töökoht → omanda kogemusi → spetsialiseeru.

Uus kaart näeb välja pigem selline:

Õpi arvutiteaduse põhitõdesid → õpi kodeerima tehisintellektiga ja ilma → loo päris projekte → mõista süsteeme → spetsialiseeru → jätka igavesti kohanemist.

Mõned piirkonnad võivad olla eriti väärtuslikud:

Tehisintellekti inseneriteadus ja rakenduslik masinõpe 🤖

Mitte ainult mudelite treenimine, vaid tehisintellekti integreerimine toodetesse, väljundite hindamine, otsingusüsteemide haldamine, manustega töötamine, mudeli piirangutega tegelemine ja tõhusate töövoogude loomine.

Küberturvalisus 🔐

Tehisintellekt suudab kiiresti kirjutada ebaturvalist koodi. Ründajad saavad samuti tehisintellekti kasutada. See muudab turvateadmised olulisemaks, mitte vähem oluliseks.

Andmetehnika ja andmebaasid 🗄️

Tehisintellekt töötab andmete põhjal, kuid enamik organisatsioonilisi andmeid on sassis, dubleeritud, ebajärjekindlad ja vaimselt kummitavad. Inimesed, kes suudavad luua usaldusväärseid andmekanaleid, jäävad väärtuslikuks.

Süsteemid ja infrastruktuur ⚙️

Pilvesüsteemid, hajusarvutus, jälgitavus, latentsus, skaleerimine, töökindlus – tehisintellekt saab abiks olla, kuid tootmissüsteemid vajavad siiski inimesi, kes mõistavad rikkeid.

Inimese ja arvuti interaktsioon 🧑💻

Kuna tehisintellektist saab tarkvaraliideste osa, muutub arusaadavate, usaldusväärsete ja inimsõbralike süsteemide kujundamine tõsiseks oskuseks.

Tootekeskne tarkvaratehnika 🧭

Parimad insenerid ei küsi lihtsalt: „Kas me saame selle ehitada?“, vaid küsivad: „Kas me peaksime selle ehitama, kellele ja mis siis katki läheb?“

See ei kao kuhugi.

10. Kas tudengid peaksid ikkagi arvutiteadust õppima? 📚

Jah - aga nad peaksid seda avatud silmadega uurima.

Arvutiteadus on endiselt võimas kraadi ja oskustepagas, sest arvutusoskus levib peaaegu igasse valdkonda: meditsiini, rahandusse, logistikasse, meelelahutusse, kliimatöösse, haridusse, tootmisse, robootikasse, turvalisusse ja lihtsasse ettevõtte tarkvarasse, mis vaikselt maailma juhib. Muide, tagasihoidlik tarkvara maksab palju arveid.

Kuid tudengid ei tohiks arvutiteadust käsitleda kui garanteeritud kuldpiletit. See ei ole „õpi keel ära ja saa palka“. ​​Võib-olla see pole kunagi nii olnud, aga müüdil oli pikk puhkus.

Õpilased peaksid keskenduma järgmisele:

• Päris projektide loomine, mitte ainult tunniülesannete tegemine.

• Ühe keele süvitsi õppimine ja seejärel teiste pragmaatiliste vahenditega õppimine.

• Andmestruktuuride ja algoritmide mõistmine lisaks intervjuutrikkidele.

• Linuxi, Giti, API-de, andmebaaside ja testimisega harjumine.

• Kasutan tehisintellekti tööriistu iga päev, aga kriitiliselt.

• Genereeritud koodi lugemine rida-realt.

• Suhtlemise harjutamine.

• Õpi piisavalt matemaatikat, et mitte paanikasse sattuda.

• Portfoolio loomine, mis näitab otsustusvõimet, mitte ainult ekraanipilte.

Informaatikaüliõpilane, kes suudab oma otsuseid selgelt selgitada, paistab silma. Üliõpilane, kes ütleb: „Tehisintellekt kirjutas selle” ja kehitab õlgu? Vähem ideaalne.

11. Mida ettevõtted tahavad 🏢

Ettevõtted ei taha niivõrd "programmeerijaid", kuivõrd tulemusi.

Nad tahavad süsteeme, mis toimivad, skaleeruvad, püsivad turvalised, rahuldavad kliente, vähendavad kulusid, loovad tulu, väldivad kohtuasju ja ei varise kokku täpselt demo alguse hetkel. Kahjuks klassikaline demo käitumine.

Tehisintellekt muudab nende tulemuste saavutamise viisi. See võib vähendada vajadust käsitsi rakendamise järele. Kuid see suurendab vajadust inimeste järele, kes suudavad ühendada:

• Tehniline sügavus.

• Domeeni mõistmine.

• Tehisintellekti sujuvus.

• Riskiteadlikkus.

• Suhtlemine.

• Maitse.

Maitset alahinnatakse. Head insenerid arendavad välja tunnetuse, millal on kood liiga nutikas, millal süsteem liiga habras, millal disain on liiga keeruline või millal kiire lahendus on tulevane katastroof, isegi kui kanda väikest mütsi. 🎩

Tehisintellekt suudab genereerida valikuid. Inimesed vajavad ikkagi maitset.

12. Kas tehisintellekt asendab arvutiteaduse? Kokkuvõtteks 🧾

Seega, kas tehisintellekt asendab arvutiteaduse? Ei – mitte distsipliini, mitte mõtteviisi ega tänapäevase arvutiteaduse alusena.

Kuid mõned programmeerimise osad automatiseeritakse. Osa algtaseme tööst muutub. Mõned inimesed, kes toetuvad vaid pealiskaudsetele programmeerimisoskustele, tunnevad end survestatuna. See ongi ebamugav osa.

Parem tulevik kuulub inimestele, kes mõistavad arvutiteadust piisavalt sügavalt, et tehisintellekti hästi kasutada.

Tehisintellekt võib asendada:

• Mingi korduv kodeerimine.

• Mõned põhilised rakendusülesanded.

• Mõningane madala kontekstiga silumine.

• Mõned õpetustaseme tööd.

• Mõned „ma tean ainult süntaksit” oskused.

Tehisintellekt ei asenda:

• Arvutuslik mõtlemine.

• Süsteemi disain.

• Turvalisuse hinnang.

• Uurige loovust.

• Toote arutluskäik.

• Inimese vastutus.

• Vajadus mõista, mida tarkvara peaks tegema ja miks.

Tegelik vastus küsimusele „Kas tehisintellekt asendab arvutiteaduse?“ on järgmine:

Tehisintellekt muudab arvutiteadust. Nõrk, pealiskaudne ja kopeeri-kleebi versioon võib hääbuda. Sügavam versioon – see, mis põhineb arutluskäigul, süsteemidel, abstraktsioonil ja otsustusvõimel – muutub olulisemaks kui kunagi varem.

Teisisõnu, ärge lõpetage arvutiteadust sellepärast, et tehisintellekt oskab funktsiooni kirjutada.

Õpi arvutiteadust, et saaksid aru, kas see funktsioon on prügi. 🚀

Kiire võtmine ✅

Tehisintellekt ei asenda arvutiteadust. See asendab mõned rutiinsed kodeerimisülesanded ning tõstab õpilaste ja arendajate oskuste lati. Kõige kindlam tee on õppida põhitõdesid, luua päris projekte, kasutada tehisintellekti tööriistana ning arendada otsustusvõimet tehisintellekti loodu kontrollimiseks, täiustamiseks ja omaksvõtmiseks.

Reaalse maailma näide: tehisintellekti kasutamine väikese paranduste planeerija rakenduse loomiseks 🛠️

Stsenaarium

Kujutage ette, et teise kursuse informaatikaüliõpilane soovib luua lihtsa eksamiteks planeerija. Midagi suurt pole. Lihtsalt väike veebirakendus, kuhu kasutaja saab lisada mooduleid, tähtaegu, teemasid ja saadaolevaid õppetunde ning seejärel saada nädalaplaani.

Tudeng võiks paluda tehisintellektil kogu asja ühe korraga genereerida. See võib luua midagi, mis näeb viis minutit muljetavaldav välja, kuid laguneb siis, kui tähtajad kattuvad, andmed pärast värskendamist kaovad või kui ajakava määrab vaikselt 19 tundi õppimist teisipäevale.

Tugevam lähenemisviis on kasutada tehisintellekti kodeerimisassistendina, rakendades samal ajal arvutiteaduse hinnanguid. Eesmärk ei ole „panna tehisintellekt minu rakendust ehitama“. Eesmärk on: „kasutada tehisintellekti kiiremaks liikumiseks, samal ajal kui ma mõistan iga disainivalikut“

Mida projekt vajab

Enne juhendamist peaks õpilane määratlema mõned põhitõed:

• Põhifunktsioonid: moodulite lisamine, teemade lisamine, eksamikuupäevade määramine, saadaolevate õppetundide sisestamine, nädalaplaani koostamine.

• Andmemudel: moodulid, teemad, tähtajad, prioriteedid, täidetud ülesanded.

• Piirangud: õppesessioonid pärast südaööd keelatud, dubleerivate teemade puudumine, suurema arvu tundide planeerimise vältimine, kui kasutaja sisestas.

• Tehnoloogiapakk: näiteks React liidese jaoks, väike Node/Expressi API ja SQLite või kohalik salvestusruum esimese versiooni jaoks.

• Testimisplaan: kontrolli tühje sisendeid, võimatuid ajakavasid, duplikaatmooduleid ja kuupäeva serva juhtumeid.

• Ohutusreegel: avalikku tehisintellekti tööriista ei tohiks saata õpilaste isikuandmeid, välja arvatud juhul, kui need on anonüümsed.

Näidisjuhis

Nõrk vihje oleks:

Loo mulle paranduste planeerija rakendus.

See annab tehisintellektile liiga palju ruumi oluliste detailide leiutamiseks, üleehitamiseks või kahe silma vahele jätmiseks.

Tugevam vihje oleks:

Ma ehitan arvutiteaduse portfoolioprojekti jaoks väikest paranduste planeerimise rakendust.
Kasutan esiotsa Reacti ja hoian esimese versiooni lihtsana.
Kasutaja peaks saama lisada mooduli, lisada selle mooduli alla teemasid, määrata eksamikuupäeva, sisestada päevas saadaolevad õppetunnid ja genereerida iganädalase paranduste plaani.

Ära veel autentimist loo.
Salvesta andmed versiooni 1 jaoks kohalikku salvestusruumi.
Lisa sisendi valideerimine tühjade moodulite nimede, möödunud eksamikuupäevade, duplikaatteemade ja üle 12 päevas olevate õppetundide korral.

Esmalt paku välja andmemudel ja komponentide struktuur.
Ära kirjuta kogu koodi enne, kui ma olen struktuuri heaks kiitnud.
Selgita kompromisse selges ja lihtsas keeles.

See viip töötab paremini, sest see aeglustab tehisintellekti. See küsib enne koodi kirjutamist disaini. Siin hakkab arvutiteaduse otsustusvõime tähtsust koguma.

Kuidas seda testida

Tudeng ei tohiks usaldada esimest toimivat demot. Ta peaks seda testima nagu keegi, kes üritab seda lahti murda, sest kasutajad teevad seda kindlasti.

Heade testide hulka kuuluvad:

• Lisa nimeta moodul.

• Lisa sama teema kaks korda.

• Määrake eksamikuupäev minevikus.

• Sisestage iga päeva kohta null saadaolevat õppetundi.

• Sisesta ühe päeva kohta 20 õppetundi.

• Lisa viis homme tähtaega nõudvat teemat ja kontrolli, kas rakendus loob võimatu plaani.

• Värskenda lehte ja kontrolli, kas salvestatud andmed kuvatakse endiselt.

• Märgi teema lõpetatuks ja kontrolli, kas ajakava uueneb õigesti.

Samuti võiksid nad paluda tehisintellektil loogikat üle vaadata:

Siin on minu ajastamisfunktsioon. Leia äärmusjuhtumid, kus see võib luua ebareaalse või vale parandusplaani. Ära seda veel ümber kirjuta. Selgita esmalt probleemi ja seejärel paku välja teste, mida peaksin lisama.

See muudab tehisintellekti pigem arvustajaks kui mõtlemise asendajaks.

Mis võib valesti minna

Kõige ilmsemaks veaks on genereeritud koodi kopeerimine ilma seda mõistmata. Rakendus võib küll näiliselt töötada, kuid tudeng ei pruugi intervjuul suuta andmestruktuuri selgitada, viga parandada või oma disainivalikuid kaitsta.

Muud realistlikud probleemid hõlmavad järgmist:

• Tehisintellekt kirjutab ajastamisalgoritmi, mis ignoreerib saadaolevaid tunde.

• Rakendus salvestab kõik ühte korrastamata objekti, mida on raske hooldada.

• Sisendi valideerimine toimub ainult liideses, mitte aluseks olevas loogikas.

• Genereeritud kood kasutab teeke, millest õpilane aru ei saa.

• Tehisintellekt loob funktsioone, mida pole kunagi taotletud.

• Õpilane küsib „paremat koodi“ ja saab midagi keerulisemat, mitte tegelikult paremat.

• Rakendusel pole teste, seega iga muudatus võib planeerija katki teha.

Üks väärt reegel on järgmine: kui õpilane ei suuda funktsiooni rida-realt selgitada, pole see veel täielikult tema projekt.

Praktiline kaasavõetav toit

See ongi tehisintellekti halva ja hea kasutamise erinevus.

Tehisintellekti halb kasutamine tähendab valmis rakenduse küsimist, väljundi kleepimist ja lootust, et keegi liiga tähelepanelikult ei vaata.

Tehisintellekti hea kasutamine tähendab selle kasutamist struktuuri arutamiseks, kompromisside võrdlemiseks, mustandite genereerimiseks, testide soovitamiseks ja äärealade ülevaatamiseks – samal ajal kui õpilasel on endiselt lõplik kood.

Seepärast on arvutiteadus endiselt oluline. Tehisintellekt aitab paranduste planeerijat kiiremini luua, kuid tudeng vajab arvutiteaduse alaseid teadmisi, et otsustada, kas planeerija on korrektne, hooldatav, testitav ja kellelegi näitamist väärt.

KKK

Kas tulevikus asendab tehisintellekt arvutiteaduse?

Arvutiteadust kui distsipliini tehisintellekt ei asenda. Tehisintellekt suudab automatiseerida mõningaid kodeerimisülesandeid, genereerida mustandeid, selgitada vigu ja kiirendada rutiinset tööd. Kuid arvutiteadus hõlmab ka süsteeme, algoritme, turvalisust, andmeid, arhitektuuri, teooriat ja otsustusvõimet. Need valdkonnad vajavad endiselt inimesi, kes suudavad selgelt arutleda, tulemusi kontrollida ja mõista, mida tarkvara peaks tegema.

Milliseid arvutiteaduse töö osi saab tehisintellekt automatiseerida?

Tehisintellekt on kõige efektiivsem korduvate ja täpselt määratletud ülesannete puhul. See aitab mallikoodi, lihtsate skriptide, lihtsate testide, dokumentatsiooni mustandite, süntaksi tõlkimise, regulaaravaldiste ja kiirete prototüüpide loomisega. Need on tõelised tootlikkuse kasvud. Sellegipoolest toimib automatiseerimine kõige paremini siis, kui inimene saab väljundit üle vaadata, kontekstist aru saada ja otsustada, kas loodud lahendus on ohutu ja sobiv.

Miks tehisintellekt ei asenda täielikult arvutiteaduse töökohti?

Tehisintellekt suudab küll koodi toota, aga ei oma tulemusi usaldusväärselt. Tarkvaratöö hõlmab mitmetähenduslikke nõudeid, ärireegleid, kasutajaid, turvariske, tootmisvigu, jõudluse kompromisse ja pikaajalist hooldust. Ettevõtted vajavad endiselt inimesi, kes oskavad süsteeme kujundada, keerulisi probleeme siluda, selgelt suhelda ja vastutust võtta, kui midagi katki läheb. Tehisintellekt aitab ülesannete täitmisel, mitte täieliku professionaalse hinnangu andmisel.

Kuidas muudab tehisintellekt algtaseme arvutiteaduse töökohti?

Tehisintellekt võib muuta mõnede algajate kodeerimisülesannete automatiseerimise lihtsamaks, mis võib nooremate rollide puhul lati tõsta. Selle asemel, et küsida ainult seda, kas keegi oskab koodi kirjutada, võivad tööandjad oodata, et algajad kasutaksid tehisintellekti tööriistu, vaataksid üle loodud koodi, märkaksid vigu, selgitaksid kompromisse ja testiksid korralikult. See muudab põhitõed ja teadliku harjutamise õpilaste ja uute arendajate jaoks olulisemaks.

Kas õpilased peaksid tehisintellekti tõttu ikkagi arvutiteadust õppima?

Jah, tudengid peaksid ikkagi arvutiteadust õppima, aga realistlike ootustega. Seda ei tohiks käsitleda kui garanteeritud otseteed tööle. Tudengid vajavad põhitõdesid, päris projekte, silumisoskusi, Giti, andmebaase, testimist, suhtlemist ja tehisintellekti kirjaoskust. Eesmärk ei ole mitte ainult kiiremini koodi toota, vaid ka koodi piisavalt sügavuti mõista, et seda täiustada ja kaitsta.

Kuidas saavad algajad tehisintellekti kasutada ilma sellest sõltuvaks muutumata?

Algajad peaksid tehisintellekti kasutama juhendaja ja harjutuspartnerina, mitte ainult automaatvastajana. Hea lähenemisviis on küsida selgitusi, kirjutada genereeritud koodi käsitsi ümber, programmide tahtlik katki tegemine, lahenduste võrdlemine ja aeg-ajalt ilma tehisintellektita silumine. Samuti aitab dokumentatsiooni lugemine ja vigade jälgimine. Oluline on arusaamise suurendamine, mitte ainult töötavate koodijuppide kogumine.

Miks on arvutiteaduse põhitõed tehisintellekti puhul olulisemad?

Kui tehisintellekt muudab koodi genereerimise lihtsamaks, muutub otsustusvõime väärtuslikumaks. Põhitõed aitavad inimestel esitada paremaid küsimusi, märgata nõrku lahendusi, mõista jõudlust, hinnata arhitektuuri ja märgata turvaprobleeme. Kaks inimest võivad kasutada sama tehisintellekti tööriista ja saada olenevalt oma teadmistest väga erinevaid tulemusi. Tugevad arvutiteaduse alused muudavad tööriista tõhusamaks ja vähem riskantseks.

Kas ülikoolides asendatakse arvutiteadus tehisintellektiga?

Arvutiteadus ei kao ülikoolidest, sest tehisintellekt on olemas. Selle asemel peaks haridus kaasama tehisintellekti otsesemalt, õpetades samal ajal programmeerimist, algoritme, andmestruktuure, süsteeme, andmebaase, teooriat ja tarkvaratehnikat. Tehisintellekt saab toimida juhendaja või kodeerimisassistendina, kuid õpilased peavad ikkagi õppima, kuidas süsteemid töötavad ja kuidas genereeritud vastuseid hinnata.

Millised arvutiteaduse oskused on tehisintellekti automatiseerimisest kõige ohutumad?

Oskusi, mis hõlmavad konteksti, otsustusvõimet ja vastutust, on raskem täielikult automatiseerida. Nende hulka kuuluvad süsteemi kujundamine, küberturvalisus, tootmise veatustamine, arhitektuur, jõudluse häälestamine, tootearutluskäik, inimese ja arvuti interaktsioon, andmetehnika, infrastruktuur ja uurimistaseme probleemide sõnastamine. Tehisintellekt saab nendes valdkondades abiks olla, kuid tavaliselt ei saa see asendada inimese võimet kompromisse kaaluda ja ise otsuseid langetada.

Kuidas tehisintellekti abil kõige paremini arvutiteaduse karjääriks valmistuda?

Kõige tugevam tee on ühendada põhitõed praktilise tehisintellekti valdamisega. Õpi sügavuti ühte programmeerimiskeelt, loo päris projekte, mõista algoritme ja süsteeme, harjuta testimist ja silumist ning kasuta tehisintellekti tööriistu kriitiliselt. Loe genereeritud koodi rida-realt ja ole valmis selgitama disainivalikuid. Tööandjad hindavad inimesi, kes suudavad tulemusi saavutada ja mõistavad riske.

Viited

1. USA tööstatistika büroo – arvuti- ja infotehnoloogia ametid – bls.gov

2. Arvutimasinate Assotsiatsioon - CS2023 õppekava juhised - acm.org

3. CSET, Georgetowni Ülikool – tehisintellekti loodud koodi küberturvalisuse riskid – cset.georgetown.edu

4. Antroopiline - tehisintellekti tööjõu kokkupuude - anthropic.com

5. Stack Overflow – tehisintellekti kodeerimistööriistad – survey.stackoverflow.co

6. AAAI - integreeritud tehisintellekt laiemalt - ojs.aaai.org

7. OWASP spikrite sari – tehisintellekti agendi turvalisuse spikker – cheatsheetseries.owasp.org

Leia uusim tehisintellekt ametlikust tehisintellekti abilise poest

Meist