آیا هنوز ارزش یادگیری کد را دارد؟

توسط کلارا ماین

ما به تازگی برخی از ویژگی های جدید هوش مصنوعی را برای افزونه Jetbrains Academy منتشر کردیم. اکنون زبان آموزان قادر به استفاده از ترجمه ماشین در مورد محتوای دوره ، جستجوی تئوری و نکات هوش مصنوعی برای دوره های کوتلین خواهند بود.

در نگاه اول ، این ممکن است نسبتاً خسته کننده به نظر برسد. هیچ ادغام بزرگی LLM وجود ندارد ، دستیار AI Jetbrains به سمت مبتدیان به بازار عرضه نمی شود ، و ما حتی به درخواست زبان آموزان خود به طور پیش فرض در حال بررسی ویژگی های AI در دوره های برنامه نویسی مبتدی هستیم.

در زمانی که بسیاری از شرکت ها (از جمله جتبرها) در حال پذیرش هوش مصنوعی برای بهره وری توسعه دهنده هستند ، این انتخاب ها ممکن است عجیب به نظر برسد. آیا دانش آموزان از ابتدا نباید یاد بگیرند که با این ابزارها همکاری کنند؟ آیا آنها نباید با دنیای جدید هوش مصنوعی ما سازگار باشند؟

انتخاب ما برای حرکت آهسته و متفکر با توجه به ویژگی های آموزشی هوش مصنوعی ما عمدی است و توسط تیم تحقیقاتی باورنکردنی ما به کمک آن کمک می کند. ما می دانیم که LLM ها می توانند برای کمک به درک مفاهیم جدید فوق العاده مفید باشند. با این حال ، ما همچنین فکر می کنیم درک این نکته مهم است که چگونه این ابزارها به زبان آموزان کمک می کنند و آسیب می رسانند ، زیرا شواهد خوبی وجود دارد که آنها پتانسیل انجام هر دو را دارند.

در تلاش برای کمک به راهنمایی زبان آموزان در این مدت ، ما چهار پست وبلاگ را در مورد یادگیری کد در دنیای هوش مصنوعی نوشتیم. این اولین بار در این سریال است ، در ماه های آینده برای موارد بعدی در وبلاگ ما مراقب باشید.

مطالب

• آیا هنوز ارزش یادگیری کد را دارد؟
• تفکر محاسباتی چیست و چگونه می توانید آن را توسعه دهید؟
• چگونه مشاغل برنامه نویسی با هوش مصنوعی تکامل می یابد؟

آیا هنوز ارزش یادگیری کد را دارد؟

بله گذشته از ابزار فعلی خود در ساخت نرم افزار ، برنامه نویسی باعث ایجاد تفکر محاسباتی ، تقویت مهارت های حل مسئله می شود و مفاهیم انتزاعی را که در بسیاری از رشته ها مهم هستند تقویت می کند. مهارت های برنامه نویسی به تغییر شکل دادن به دنیای دیجیتالی که در آن ساکن هستند کمک می کند در حالی که به شما قدرت می دهد تا به طور فعال شکل بگیرید و در آنها مشارکت کنید.

بیشتر کارشناسان انتظار دارند که هوش مصنوعی مشاغل برنامه نویسی آینده را تقویت کند ، نه آنها را جایگزین کند. اگرچه کد تولید شده AI به طور فزاینده ای رواج دارد ، اما افراد ماهر هنوز نیاز به بررسی ، اشکال زدایی و مسئولیت پذیری در مورد کیفیت کد مذکور دارند. چه مقدار از بنیاد فنی برای انجام این کار نیاز دارند؟ پاسخ ایمن همه چیزهایی است که یک رمزگذار سنتی می داند. سازمان ها مایل به پرداخت هزینه این سطح از تخصص هستند زیرا در نهایت ، دانش و تجربه عمیق به عنوان کاهش خطر در مواجهه با فناوری در حال تحول عمل می کنند.

حتی در آینده ای که توسعه نرم افزار می تواند با یک فوریت از شخصی که دانش فنی ندارد ، کاملاً خودکار باشد ، برنامه نویسی یک تمرین عالی در یک نوع تفکر خاص است. در یادگیری حل مشکلات محاسباتی ، ما روشهای جدیدی برای دیدن ایجاد می کنیم. با این مجموعه جدید از چشمان روشهای جدیدی برای ایجاد تغییرات مثبت در جهان آمده است. این امر در مورد هر دو دنیای فیزیکی که در آن ساکن هستیم صدق می کند (توجه کنید که چه تعداد از ناراحتی های روزانه توسط یک برنامه ساده حل می شود) و موارد دیجیتالی (توجه کنید که چگونه می توان نرم افزار را بهتر کرد).

مهم نیست که ماشین ها چقدر خوب شوند ، تصویب آنها یک روند طولانی و کثیف تضمین می شود. موفقیت در پیمایش این چشم انداز همیشه در حال تغییر بستگی به توانایی شما در تطبیق با فناوری جدید دارد و مهارت های تفکر محاسباتی قوی باعث می شود این روند زیاد آسان تر

تفکر محاسباتی چیست و چگونه می توانید آن را توسعه دهید؟

تفکر محاسباتی (که گاهی اوقات به عنوان تفکر الگوریتمی خوانده می شود) نامی برای مهارتهای شناختی است که هنگام برنامه ریزی می سازیم. این شامل تجزیه مشکلات پیچیده در قطعات کوچکتر ، قابل کنترل ، شناسایی الگوهای و طراحی راه حل های گام به گام است که می توانند با کد و الگوریتم ها اجرا شوند.

حتی دوره های برنامه نویسی مقدماتی به طور طبیعی تفکر اساسی محاسباتی را توسعه می دهند. دانش آموزان با نوشتن برنامه هایی برای خودکار سازی وظایف ، تجزیه و تحلیل داده ها یا حل چالش ها ، یاد می گیرند که به روش های ساخت یافته و الگوریتمی فکر کنند.

اگر می خواهید تفکر محاسباتی خود را فراتر از اصول اولیه قرار دهید و برای چالش ها و فرصت های این دوره جدید آماده شوید ، به بررسی دوره هایی که روی الگوریتم ها و ساختارهای داده متمرکز است ، در نظر بگیرید. در حالی که به نظر می رسد کمتر از دوره ها در مورد ابزارها و چارچوب های خاص کاربردی دارند ، ابزارهای تفکر این دوره ها توسعه می یابد دهه های طولانی تر از هر کتابخانه یا چارچوبی که در حال حاضر رواج دارد.

تیم تحقیقاتی آموزشی ما همچنین از افزونه منبع باز ما برای ساخت Cognifire ، یک محیط یادگیری کم کد برای کمک به دانش آموزان در توسعه تفکر محاسباتی خود استفاده می کند. برای اطلاعات بیشتر در مورد آن در ماه های آینده به خبرنامه ما توجه کنید!

اگر در آغاز سفر یادگیری خود هستید ، فقط به یاد داشته باشید که چالش ها و ناامیدی هایی که هنگام برنامه نویسی با آنها روبرو می شوید مولد در زمینه توسعه این مهارت ها و شهودهای نامشهود ، شما نیاز به تسلط بر برنامه نویسی دارید. همیشه به خاطر داشته باشید که توسعه این مهارت نیاز به تمرین ، تأمل و باز بودن در مواجهه با مشکلات دشوار دارد که مدلهای ذهنی شما را افزایش می دهد.

چگونه مشاغل برنامه نویسی با هوش مصنوعی تکامل می یابد؟

اجماع عمومی این است که توسعه دهندگان به طور فزاینده ای در مورد کد تولید شده توسط AI اعتبار ، اشکال زدایی و ارتباط برقرار می کنند. این به دانش بنیادی عمیق نیاز دارد ، زیرا اشکال زدایی کارآمد که نمی توانستید خودتان بنویسید ، کارآمد است.

در حال حاضر ، مدل های هوش مصنوعی با مشکلات گسترده ای مانند مشخص کردن چگونگی تغییر در یک قسمت از یک پایگاه بزرگ کد ممکن است بر سایر قسمت های بهم پیوسته تأثیر بگذارند. آنها با چارچوب ها و ابزارهای طاقچه عملکرد ضعیفی دارند ، فاقد خلاقیت مداوم و تخصص دامنه عمیق هستند و فقط در صورتی کار می کنند که Prompter دستورالعمل های واضح و مفصلی را ارائه داده باشد ، که این یک مهارت به خودی خود است.

با گذشت زمان ، درست است که بسیاری از این کاستی ها بهبود می یابند ، اما گفتن کدام و چه مقدار سخت است. اگر یک چیز وجود داشته باشد که ما می دانیم ، این است که اتوماسیون برای برنامه نویسی جدید نیست و هوش مصنوعی فقط شکل دیگری از آن است. کار “برنامه نویس” از انجام ریاضیات پیچیده با دست به مشت زدن به کد دستگاه به کارت ، نوشتن زبانهای مونتاژ ، سپس زبانهای سطح بالا تکامل یافته است-به ذکر نیست که سازگار با IDE های جدید و ابزارهای کلی مانند GIT است. یادگیری از تاریخ ، می بینیم که ابزارها همیشه تغییر می کنند ، اما فرصت هایی برای افراد دارای دانش فنی و مهارت های استدلال سطح بالا همچنان شکوفا می شود.

با نگاهی به آینده ، می توانیم انتظار همان پویا را داشته باشیم: روبات ها برای کار تکراری و قابل پیش بینی به بهترین وجه استفاده می شوند و همه چیز توسط افراد انجام می شود. به طور مشخص ، روزهای مشاغل فراوان برنامه نویسی با مسئولیت های نسبتاً ساده ، تکراری و دنیوی از بین رفته اند.

بنابراین ، آیا این بدان معناست که توسعه دهندگان جوان به راحتی توسط هوش مصنوعی جایگزین می شوند؟
در حالی که درست است که نقش ها و وظایف ممکن است برای برنامه نویسان بی تجربه سریعتر از دیگران تغییر کند ، زیرا به این دلیل است که مسئولیت های آنها بیشتر (اما نه همه) شامل کشتی با کد دیگ بخار است که AI می تواند با اطمینان بیشتری تولید کند. این بدان معنا نیست که نوجوانان جایگزین AI می شوند – این بدان معنی است که آنها ممکن است زمان کمی کمتری برای نوشتن کد بگذرانند و زمان بیشتری را در مورد آن فکر کنند.

این اولین پست در سری ماست نحوه یادگیری برنامه در دنیای هوش مصنوعی، در ماه های آینده برای افراد بعدی در وبلاگ ما مراقب باشید.

دوره های آکادمی Jetbrains را که می توانید در IDE خود تکمیل کنید ، کاوش کنید.