به عنوان کسی که دهه گذشته تیم های پیشرو در روابط توسعه دهنده ، تدریس در برنامه نویسی Bootcamps و کار به عنوان یک مهندس نرم افزار حرفه ای را گذرانده است ، من با ظهور ابزارهای AI تولیدی ، آموزش برنامه نویسی را به طرز چشمگیری تغییر داده ام. من می خواهم دیدگاه خود را در مورد چگونگی آموزش مردم برای کدگذاری در این دوره جدید به اشتراک بگذارم.
یافتن تعادل: اصول در مقابل ابزارهای AI
آموزش مردم به کد واقعاً سریع تغییر می کند. اما من فکر می کنم اصول تقریباً مهمتر از همیشه است. علیرغم ظهور دستیاران برنامه نویسی هوش مصنوعی مانند Github Copilot ، Amazon Q و مکان نما ، درک اصول برنامه نویسی اصلی بسیار مهم است.
دلیل این امر ساده است: شما هنوز نباید مرتکب کدی شوید که به یک محیط تولید نمی فهمید. در حالی که هوش مصنوعی مولد می تواند توسعه را تسریع کند ، مهندسان نرم افزار باید بتوانند کد خود را توضیح دهند ، مسائل امنیتی را شناسایی کرده و آن را با گذشت زمان حفظ کنند.
دوران “برنامه نویسی Vibe”
“برنامه نویسی Vibe” – همه عصبانیت در رسانه های اجتماعی است و من آن را دوست دارم. شما فقط برای ساختن برنامه ها می نویسید ، در حین انجام این کار ، کد را نادیده می گیرید.
من فکر می کنم یکی از جالب ترین چیزها در این مورد ، توانمندسازی افراد غیر فنی برای توسعه دهنده و قلاب زدن و فکر کردن که این بسیار جالب است ، و از صفر به یک خیلی سریع بروید. این برنامه نویسی دموکراتیک است و به تازه واردان اجازه می دهد پروژه هایی مانند سه بازی را بسازند بدون اینکه در ابتدا به هر برنامه نویسی اساسی تسلط داشته باشند.
هنگامی که من به مردم یاد دادم که کد را کد کنند ، اولین درسی که آنها می گرفتند نحوه ساخت سایت های ساده HTML و CSS با استفاده از Codepen است که با بازخورد بصری در مورد آنچه ایجاد می کردند ، به آنها پیروزی سریع داد. برنامه نویسی VIBE آن را به یک سطح کاملاً جدید می برد.
با این حال ، هنگامی که کد تولید شده AI به سمت تولید حرکت می کند ، خطرات ظهور می کنند:
- آسیب پذیری های امنیتی
- مشکلات مقیاس پذیری
- مسائل مربوط به عملکرد
- اشکالات مؤثر بر کاربران
فارغ التحصیلان جدید در مقابل توسعه دهندگان فصلی
تفاوت روشنی در نحوه نزدیک شدن نسل ها به این ابزارها وجود دارد. این ابزارهای ژنرال AI برای این دانش آموز و گروه جدید فارغ التحصیل راهی است که آنها فکر می کنند و روشی که می سازند ، و اساساً در شیوه ای که در حال توسعه هستند ادغام شده است ، به گونه ای که بسیار متفاوت از یک توسعه دهنده ارشد است.
در حالی که توسعه دهندگان باتجربه ممکن است تلاش کنند تا مجموعه های Devtools خود را تغییر دهند (مانند من با CLI من!) ، توسعه دهندگان جدید این ابزارها را از روز اول در گردش کار خود ادغام کرده اند و یک تجربه برنامه نویسی جفت طبیعی را ایجاد می کنند.
مزایایی برای دانشجویان و توسعه دهندگان جوان
هوش مصنوعی تولید در انجام کارهایی که برنامه های سنتی CS اغلب از دست می دهند می درخشد:
- تست: Genai در تولید تست برای پایه کد شما عالی است ، که بندرت در کلاس های برنامه نویسی آموزش داده می شود.
- مستندات کد و توضیحات: نیمی از نبرد فقط نوشتن کد جدید نیست ، بلکه درک توسعه دهندگان پیش روی کد شما است و وقتی مهندس جوان هستید ، می تواند واقعاً ارعاب کننده باشد. Genai این کار را آسان می کند.
آینده آموزش برنامه نویسی
برنامه های درسی برنامه نویسی باید تکامل یابد تا دانش آموزان را برای این واقعیت جدید آماده کند. من معتقدم که باید با آموزش اصول اساسی سازگار شود ، هنوز هم اطمینان حاصل کنید که مردم به خوبی با آن اصول موفق هستند … در عین حال اطمینان حاصل کنید که مردم برای ورود به این بازار کار بهترین راه اندازی شده اند و در آنجا می توانید با استفاده از ابزار Gen AI سریعتر بسازید.
این به معنای آموزش هر دو اصول برنامه نویسی سنتی و مهارت های جدید مانند مهندسی فوری مؤثر و کار با برنامه نویسان جفت AI است.
سوال میلیون دلاری ، آیا یادگیری کد هنوز هم ارزشمند است؟
پاسخ من ظریف است. آیا توسعه از همین پنج سال به نظر می رسد؟ حتی اواخر امسال؟ مطلقاً نه آیا Bootcamps راهی برای یادگیری در این بازار کار است؟ شماره
با این حال ، برنامه نویسی اساساً حل مسئله است. ما هنوز دانش آموزان را به یادگیری ریاضی می اندازیم حتی اگر ماشین حساب ها و رایانه ها بتوانند به راحتی هر مشکلی را برای یک قوطی انسانی حل کنند. این هنوز یک مهارت ارزشمند برای یادگیری است ، و ما در جایی نیستیم که بتوانیم بدون مداخله انسانی ، بررسی کد سنگین و چشم به امنیت ، قابلیت حفظ و مقیاس پذیری ، کد تولید را فشار دهید.
پایان
آموزش برنامه نویسی در یک چهارراه قرار دارد. مسیر Forward اصول سنتی را با ابزارهای AI ترکیب می کند ، مانند حالت آموزش جدید با نام تجاری Claude. مؤثرترین رویکرد در حالی که دانش آموزان را برای استفاده از AI با مسئولیت پذیری استفاده می کند ، اصول اصلی را آموزش می دهد. با رشد این فناوری ها ، روش های ما برای آموزش نسل بعدی مهندسان نرم افزار نیز همینطور خواهد بود.
آینده در مورد انتخاب بین دانش انسانی و کمک های هوش مصنوعی نیست – این در مورد اعمال هر دو برای ایجاد توسعه دهندگان بهتر است که می توانند نرم افزار بهتری بسازند. با در آغوش گرفتن هر دو ، ما می توانیم افراد بیشتری را توانمند کنیم تا توسعه دهنده شوند و مرزهای آنچه را که ممکن است از طریق کد ممکن باشد فشار دهیم.
