Одговор: Вештачката интелигенција нема да ја замени компјутерската наука; таа ќе го автоматизира рутинското кодирање, а воедно ќе го подигне стандардот за проценка, системско размислување и одговорност. Студентите или програмерите кои се потпираат само на синтакса и копиран излез стануваат ранливи; оние кои ги разбираат основите можат безбедно и ефикасно да ја користат вештачката интелигенција.
Клучни заклучоци:
Основи: Дајте приоритет на алгоритмите, системите, безбедноста и дебагирањето пред плиткото меморирање на синтаксата.
Одговорност: Третирајте го кодот генериран од вештачка интелигенција како нацрт-работа што мора да ја потврдите, тестирате и поседувате.
Ризик на почетно ниво: Изградете реални проекти бидејќи рутинските помлади задачи може да се намалат, поместат или да бидат апсорбирани од алатки.
Писменост за вештачка интелигенција: Користете вештачка интелигенција за објаснувања, споредби и прегледи, а не за лепење на слепо код.
Отпорност на кариера: Развијте вештини за проценка, комуникација и архитектура што алатките не можат сигурно да ги заменат.
Статии што можеби ќе ве интересираат по оваа:
🔗 Дали вештачката интелигенција ќе ги замени менаџерите на проекти?
Истражете како вештачката интелигенција може да ги преобликува улогите во управувањето со проекти.
🔗 Дали фармацевтите ќе бидат заменети со вештачка интелигенција?
Разберете го влијанието на вештачката интелигенција врз работата во аптеките и грижата за пациентите.
🔗 Дали вештачката интелигенција ќе ги замени градежните инженери?
Дознајте како вештачката интелигенција ги поддржува градежните инженери без да ја замени експертизата.
🔗 Дали вештачката интелигенција ќе ги замени книговодителите?
Погледнете како автоматизацијата ги менува задачите за водење книги и идната побарувачка.
1. Што ја прави една верзија на компјутерските науки добра во ерата на вештачката интелигенција? 🧩
Добрата верзија на компјутерските науки денес не е само „научи Пајтон и се надеваш“. Тоа никогаш не беше доволно, иако луѓето се извлекуваа со тоа некое време.
Силна основа за компјутерски науки вклучува:
-
Алгоритми и структури на податоци - не затоа што рачно ќе кодирате црвено-црно дрво секое утро, туку затоа што треба да ги разберете компромисите.
-
Системско размислување - оперативни системи, мрежи, бази на податоци, дистрибуирани системи, ограничувања на хардверот.
-
Математичко расудување - логика, веројатност, дискретна математика, линеарна алгебра кога е релевантно.
-
Проценка во софтверското инженерство - архитектура, одржливост, дебагирање, тестирање, документација.
-
Безбедносна свест - бидејќи кодот генериран од вештачка интелигенција сè уште може да биде урнебесно небезбеден.
-
Дизајн центриран кон човекот - корисниците прават непредвидливи работи. Секогаш. Планирајте за тоа.
-
Писменост за вештачка интелигенција - знаење што моделите можат да прават, што не можат и каде самоуверено халуцинираат во канал.
Професионалните наставни тела сè уште ги третираат компјутерските науки како широка дисциплина што опфаќа области како што се алгоритми, системи, развој на софтвер, сајбер безбедност, наука за податоци и вештачка интелигенција - не само практика на програмирање.
Значи, подоброто прашање не е само „Дали компјутерската наука ќе биде заменета со вештачка интелигенција?“ , туку: која верзија на компјутерската наука ќе преживее и ќе стане повредна?
Одговорот е подлабоката верзија. Верзијата со проценка.
2. Табела за споредба: Вештини за вештачка интелигенција наспроти компјутерски науки ⚖️
| Област / Вештина | Може ли вештачката интелигенција да помогне? | Може ли вештачката интелигенција целосно да го замени? | Зошто е важно - грубо, но вистинито |
|---|---|---|---|
| Пишување основен код | Да, многу | Понекогаш, за едноставни работи | Одлично за стандардни текстови, скрипти, CRUD битови |
| Отстранување на лизгави проблеми со производството | Да | Не е сигурно | Логови, контекст, корисници кои се однесуваат како гремлини 🐛 |
| Алгоритми | Да | Не | Вештачката интелигенција може да ги објасни, но треба да знаете кога се вклопуваат |
| Дизајн на системот | Донекаде | Не целосно | Компромисите не се само код - тие се бизнис, обем, ризик |
| Кибербезбедност | Многу помага | Не | Напаѓачите се адаптираат. На бранителите им е потребна сомнежот како начин на живот 🔐 |
| Истражување и теорија | Донекаде | Не | Новите идеи бараат формулирање на проблеми, а не само одговарање на прашања |
| Софтверска архитектура | Да, како асистент | Ретко | Архитектурата е местото каде што „зависи“ станува работа со полно работно време |
| Задачи за кодирање на почетно ниво | Да, силно | Делумно | Тука е најочигледен притисокот, за жал |
| Размислување за производот | Малку | Не | Корисниците не се грижат дека вашиот модел имал убави токени |
| Учење на компјутерски науки побрзо | Апсолутно | Не го заменува учењето | Вештачката интелигенција може да подучува, но не може да разбере наместо вас |
3. Зошто луѓето мислат дека вештачката интелигенција ќе ја замени компјутерската наука 😬
Луѓето не го измислуваат овој страв од ништо. Алатките за кодирање со вештачка интелигенција се навистина импресивни. Тие можат да генерираат функции, да објаснуваат грешки, да препишуваат код на друг јазик, да креираат примери на API, па дури и да создадат пристоен прв нацрт на апликација.
Тоа не е ништо.
За почетник, може да се почувствува како магија. Пишувате: „изгради ми формулар за најавување со валидација“ и се појавува бум - код. Потоа барате стилизирање и се појавува уште код. Потоа барате тестови и ви дава нешто што изгледа како тест. Одеднаш почетникот се прашува: „Чекај, зошто учам јамки?“
Во ред прашање. Но, исто така, не целата приказна.
Вештачката интелигенција е најсилна кога:
-
Задачата е добро дефинирана.
-
Моделот веќе постои во податоците за обука.
-
Околината е конвенционална.
-
Влоговите се ниски или лесно се тестираат.
-
Корисникот може да го потврди излезот.
Вештачката интелигенција станува понесигурна кога:
-
Барањата се двосмислени.
-
Системот е голем и непослушен.
-
Безбедноста е важна.
-
Перформансите се важни.
-
Грешката е предизвикана од скриен контекст.
-
Точниот одговор зависи од деловната логика што никој не ја запишал.
И тоа последното? Тоа е најголемиот дел од продукцискиот софтвер.
Значи да, вештачката интелигенција може да замени одредени задачи за кодирање. Но, замената на задачите не е исто што и замената на компјутерските науки. Лопатата може да копа побрзо од рака, но не ја заменува геологијата. Во ред, можеби таа метафора е малку нестабилна - но разбирате.
4. Реалноста на пазарот на трудот: Ни пропаст, ни удобност 📊
Тука е местото каде што разговорот станува необично емотивен.
Од една страна, проекциите на пазарот на трудот сè уште покажуваат силна побарувачка за работа поврзана со компјутери. Бирото за статистика на трудот на САД предвидува дека улогите на развивачи на софтвер, аналитичари за обезбедување квалитет и тестер ќе растат многу побрзо од просечната професија, со многу отворени работни места што се очекуваат секоја година во текот на периодот на проекција. Исто така, се предвидува дека професиите во компјутерската и информатичката технологија генерално ќе растат многу побрзо од просекот.
Од друга страна, вештачката интелигенција врши притисок врз некои задачи на почетно ниво. Неодамнешните извештаи за изложеноста на работната сила поврзана со вештачката интелигенција истакнуваат дека програмирањето и работата поврзана со компјутери се меѓу областите најизложени на автоматизација на задачите со вештачката интелигенција, особено кога работата вклучува рутинско кодирање, анализа или пишување.
И двете работи можат да бидат вистинити. Досадно, но вистинито.
Областа може да расте, додека одредени почетнички работни места стануваат сè потешки за добивање. Компаниите можеби сè уште ќе имаат потреба од софтверски инженери, инженери за податоци, аналитичари за безбедност, инженери за вештачка интелигенција, специјалисти за инфраструктура и компјутерски научници со истражувачки ориентации. Но, тие може да очекуваат помладите луѓе да работат повеќе, побрзо, со алатки за вештачка интелигенција уште од првиот ден.
Тоа значи дека новата лента за почетно ниво може да се промени од:
„Дали можеш да напишеш код?“
до:
„Можете ли да користите вештачка интелигенција, да го разберете кодот, да ги забележите грешките, да ја подобрите архитектурата, да објасните компромиси и случајно да не предизвикате безбедносна катастрофа?“
Тоа е многу. Дури и малку грубо.
5. Дали компјутерските науки ќе бидат заменети со вештачка интелигенција на универзитетите? 🎓
Не, но образованието по компјутерски науки мора да се промени. На некои места, тоа веќе се случува.
Традиционалниот пат по компјутерски науки често вклучува програмирање, структури на податоци, алгоритми, компјутерска архитектура, оперативни системи, бази на податоци, теорија, софтверско инженерство и изборни предмети како вештачка интелигенција, графика, сајбер безбедност или интеракција човек-компјутер. Вештачката интелигенција не ги брише тие теми. Таа ги прави многу од нив поитни.
Зошто?
Бидејќи ако вештачката интелигенција пишува код, некој сепак треба да праша:
-
Дали овој алгоритам е ефикасен?
-
Дали ова е безбедно за меморијата?
-
Дали ова барање во базата на податоци се скалира?
-
Дали овој модел е пристрасен?
-
Може ли овој систем да биде нападнат?
-
Што се случува кога API-то ќе откаже?
-
Кој е одговорен кога резултатот е погрешен?
-
Како правилно да го тестираме ова нешто?
Најновата голема работа во наставната програма за додипломски студии по компјутерски науки ја интегрира вештачката интелигенција пошироко во образованието по компјутерски науки, третирајќи ја како нешто што студентите треба да го разберат низ целата област, а не како мал изолиран изборен предмет.
Тоа е разумната насока. Не „престанете да предавате компјутерски науки затоа што вештачката интелигенција постои“. Повеќе како: „предавајте компјутерски науки со вештачка интелигенција во училницата“
Вештачката интелигенција може да стане тутор, лабораториски асистент, прегледувач на код, партнер за дебагирање и генератор на идеи. Но, студентот сè уште треба да учи. Во спротивно, тој станува патник во автомобил што се вози самостојно, без волан, без мапа и со опасна количина на самодоверба.
6. Што вештачката интелигенција го заменува во работата по компјутерски науки 🧰
Да бидеме искрени: вештачката интелигенција апсолутно ги заменува некои досадни делови од програмирањето. И фала му на Бога, во некои случаи.
Вештачката интелигенција е добра во замена или намалување на:
-
Повторувачки стандарден стил.
-
Едноставни скрипти.
-
Прва нацрт-документација.
-
Основни единечни тестови.
-
Помош за регуларни изрази.
-
Брз синтаксен превод.
-
Делови од предниот дел со многу шаблони.
-
Едноставни фрагменти за чистење на податоци.
-
Моменти „Објаснете ја оваа порака за грешка пред да го фрлам лаптопот“.
Ова е корисно. Не е измама, под услов да го разберете резултатот.
Но, вештачката интелигенција не може сигурно да замени:
-
Длабинско дебагирање.
-
Одговорност за производство.
-
Архитектонска сопственост.
-
Долгорочна одржливост.
-
Безбедносен преглед.
-
Подесување на перформансите во необични системи.
-
Разбирање на потребите на корисниците.
-
Етичко и правно расудување.
-
Формулација на проблем на ниво на истражување.
-
Координација на тимот и техничко лидерство.
Важната промена е што компјутерските научници и програмерите можат да трошат помалку време рачно пишувајќи сè, а повеќе време разгледувајќи, дизајнирајќи, оркестрирајќи, тестирајќи и одлучувајќи. Тоа звучи фантастично. Исто така, значи дека грешките можат да бидат поголеми ако никој не знае што се случува.
Вештачката интелигенција им овозможува на луѓето побрзо да создаваат код. Таа не го прави тој код автоматски точен.
Таа реченица треба да биде испечатена на шолја. ☕
7. Проблемот за почетници: Најтешкиот дел за кој никој не сака да зборува 🚪
Најкревкиот дел од целиот систем е почетниот цевковод.
Традиционално, помладите програмери учеа со извршување мали задачи. Исправете го овој баг. Напишете ја оваа крајна точка. Додадете ја оваа форма. Рефакторирајте го овој мал модул. Направете ја малку досадната работа, а потоа постепено заработете поголеми проблеми.
Но, ако вештачката интелигенција може да извршува многу мали задачи, компаниите може да вработат помалку помлади кадри или да очекуваат помладите да работат како програмери од средно ниво со помошник на вештачката интелигенција. Тоа создава еден мал, гаден парадокс:
Потребно ви е искуство за добро да надгледувате вештачка интелигенција, но потребни ви се задачи за почетници за да стекнете искуство.
Ова не значи дека почетниците се осудени на пропаст. Тоа значи дека почетниците треба да учат поинаку.
Почетник кој само поттикнува вештачка интелигенција и лепи код е во неволја. Почетник кој користи вештачка интелигенција за да забрза намерна практика може да стане многу силен.
Подобрите навики за почетници сега вклучуваат:
-
Побарајте од вештачката интелигенција објаснувања, а не само одговори.
-
Препишете го генерираниот код рачно.
-
Намерно пробиј го кодот и поправи го.
-
Споредете ги двете решенија и објаснете ги компромисите.
-
Изградете проекти што се малку над нивото на туторијали.
-
Научете ги алатките за дебагирање рано.
-
Прочитајте ја документацијата, да, иако боли.
-
Понекогаш вежбајте без вештачка интелигенција, како тренинг со тегови за глуждови.
-
Водете „дневник за грешки“ за грешките и што ги предизвикало.
Најдобрите почетници нема да бидат оние кои ја избегнуваат вештачката интелигенција. Тие ќе бидат оние кои ја користат без да станат зависни од неа, што е досадно возрасно, но точно.
8. Зошто основите на компјутерските науки стануваат повредни, а не помалку 🧠
Еве го пресвртот: вештачката интелигенција може да ги направи основите на компјутерските науки поважни.
Кога генерирањето код станува евтино, проценката станува оскудна вештина.
Замислете двајца луѓе кои го користат истиот асистент за кодирање со вештачка интелигенција.
Лицето А вели: „Направи ми апликација.“
Лицето Б вели: „Создадете минимален API со јасна поделба помеѓу автентикација, деловна логика и перзистентност. Користете валидација на влез, додајте тестови околу рабните случаи, избегнувајте складирање тајни во код и објаснете ја сложеноста на функцијата за пребарување.“
Иста алатка. Многу различен резултат.
Разликата не е брзината на пишување. Разликата е во разбирањето.
Основите на компјутерските науки ви помагаат:
-
Поставувајте подобри прашања.
-
Забележи глупости побрзо.
-
Проценете го резултатот од моделот.
-
Дизајнирајте побезбедни системи.
-
Направете компромиси во перформансите.
-
Избегнувајте прекумерно градење.
-
Знајте кога едноставниот код е подобар.
-
Разберете што апстрахира алатката.
Вештачката интелигенција е како многу брз практикант кој прочитал сè, не заборава ништо, понекогаш лаже и никогаш не изгледа засрамено. Корисно? Апсолутно. Безбедно без надзор? Не баш.
Тој надзор е местото каде што живее компјутерската наука.
9. Новата кариерна мапа во компјутерските науки 🗺️
Старата кариерна мапа беше нешто како:
Научи кодирање → најди помлада работа → стекни искуство → специјализирај се.
Новата мапа повеќе изгледа како:
Научете ги основите на компјутерската технологија → научете да програмирате со и без вештачка интелигенција → градете реални проекти → разбирајте системи → специјализирајте се → продолжете да се прилагодувате засекогаш.
Некои области може да станат особено вредни:
Инженерство на вештачка интелигенција и применето машинско учење 🤖
Не само обука на модели, туку и интегрирање на вештачка интелигенција во производи, евалуација на резултатите, управување со системи за пребарување, работа со вградувања, справување со ограничувања на моделите и градење ефективни работни процеси.
Кибербезбедност 🔐
Вештачката интелигенција може брзо да напише небезбеден код. Напаѓачите исто така можат да користат вештачка интелигенција. Тоа го прави знаењето за безбедност поважно, а не помалку важно.
Инженерство на податоци и бази на податоци 🗄️
Вештачката интелигенција работи на податоци, но повеќето организациски податоци се заплеткани, дуплирани, неконзистентни и духовно опседнати. Луѓето кои можат да изградат сигурни канали за пренос на податоци ќе останат вредни.
Системи и инфраструктура ⚙️
Облачни системи, дистрибуирано пресметување, набљудување, латентност, скалирање, сигурност - вештачката интелигенција може да помогне, но производствените системи сè уште имаат потреба од луѓе кои го разбираат неуспехот.
Интеракција човек-компјутер 🧑💻
Бидејќи вештачката интелигенција станува дел од софтверските интерфејси, дизајнирањето разбирливи, доверливи и пријателски настроени кон луѓето системи станува сериозна вештина.
Софтверско инженерство насочено кон производот 🧭
Најдобрите инженери не прашуваат само: „Можеме ли да го изградиме?“ Тие прашуваат: „Дали треба да го изградиме, за кого и што би се расипало ако го направиме тоа?“
Тоа не исчезнува.
10. Дали студентите сè уште треба да учат компјутерски науки? 📚
Да - но тие треба да го проучуваат со отворени очи.
Компјутерските науки се сè уште моќен степен и вештина бидејќи компјутерството се шири во речиси секоја област: медицина, финансии, логистика, забава, климатска работа, образование, производство, роботика, безбедност и обичен корпоративен софтвер кој тивко го управува светот. Патем, ненаметливиот софтвер плаќа многу сметки.
Но, студентите не треба да се однесуваат кон компјутерските науки како кон загарантиран златен билет. Не станува збор за „научи јазик, земај плата“. Можеби никогаш не било така, но митот имал долг одмор.
Студентите треба да се фокусираат на:
-
Градење вистински проекти, а не само задачи од час.
-
Длабинско учење на еден јазик, а потоа прагматично учење на другите.
-
Разбирање на структурите на податоци и алгоритмите надвор од триковите за интервјуирање.
-
Навикнување со Linux, Git, API-ја, бази на податоци и тестирање.
-
Користење на алатки за вештачка интелигенција секојдневно, но критички.
-
Читање на генериран код ред по ред.
-
Вежбање комуникација.
-
Научете доволно математика за да не паничите.
-
Развивање портфолио кое покажува проценка, а не само снимки на екранот.
Студент по компјутерски науки кој може јасно да ги објасни своите одлуки ќе се истакне. Студент кој вели „вештачката интелигенција го напишала тоа“ и ги крева рамењата? Помалку идеален.
11. Што ќе сакаат компаниите 🏢
Компаниите не сакаат толку „кодери“ колку резултати.
Тие сакаат системи што функционираат, се прошируваат, остануваат безбедни, ги задоволуваат клиентите, ги намалуваат трошоците, создаваат приходи, избегнуваат тужби и не колабираат во точниот момент кога ќе започне демонстрацијата. За жал, класично однесување на демо.
Вештачката интелигенција го менува начинот на кој се произведуваат тие резултати. Може да ја намали потребата за одредена рачна работа за имплементација. Но, ја зголемува потребата за луѓе кои можат да комбинираат:
-
Техничка длабочина.
-
Разбирање на доменот.
-
Флуентност на вештачката интелигенција.
-
Свест за ризик.
-
Комуникација.
-
Вкус.
Вкусот е потценет. Добрите инженери развиваат чувство кога кодот е премногу паметен, кога системот е премногу кршлив, кога дизајнот е премногу комплициран или кога брзото решение е идна катастрофа, носејќи мала шапка. 🎩
Вештачката интелигенција може да генерира опции. Луѓето сè уште имаат потреба од вкус.
12. Значи, дали компјутерските науки ќе бидат заменети со вештачка интелигенција? Заклучок 🧾
Значи, дали компјутерските науки ќе бидат заменети со вештачка интелигенција? Не - не како дисциплина, не како начин на размислување и не како основа зад модерното компјутерство.
Но, некои делови од програмирањето ќе бидат автоматизирани. Дел од работата на почетници ќе се промени. Некои луѓе кои се потпираат само на плитки вештини за кодирање ќе се чувствуваат притиснати. Тоа е непријатниот дел.
Подобрата иднина им припаѓа на луѓето кои ја разбираат компјутерската наука доволно длабоко за добро да ја користат вештачката интелигенција.
Вештачката интелигенција може да замени:
-
Некое повторувачко кодирање.
-
Некои основни задачи за имплементација.
-
Малку дебагирање со низок контекст.
-
Некоја работа на ниво на туторијал.
-
Некои вештини од типот „Јас знам само синтакса“.
Вештачката интелигенција нема да замени:
-
Компјутерски размислување.
-
Дизајн на системот.
-
Безбедносна пресуда.
-
Истражувај ја креативноста.
-
Расудување на производот.
-
Човечка одговорност.
-
Потребата да се разбере што треба да прави софтверот и зошто.
Вистинскиот одговор на прашањето „Дали компјутерската наука ќе биде заменета со вештачка интелигенција?“ е следново:
Информативната интелигенција ќе ја промени компјутерската наука. Слабата, плитка, копирана и леплива верзија може да исчезне. Подлабоката верзија - онаа изградена врз расудување, системи, апстракција и проценка - станува поважна од кога било.
Со други зборови, не се откажувајте од компјутерските науки затоа што вештачката интелигенција може да напише функција.
Научи информатика за да можеш да кажеш дали таа функција е ѓубре. 🚀
Брзо преземање ✅
Вештачката интелигенција нема да ја замени компјутерската наука. Таа ќе замени некои рутински задачи за кодирање и ќе ја подигне летвата за вештини за студентите и програмерите. Најбезбедниот пат е да се научат основите, да се изградат реални проекти, да се користи вештачката интелигенција како алатка и да се развие проценка за да се потврди, подобри и поседува она што вештачката интелигенција го произведува.
Пример од реалниот свет: Користење на вештачка интелигенција за изградба на мала апликација за планирање ревизии 🛠️
Сценарио
Замислете студент на втора година по компјутерски науки кој сака да изгради едноставен планер за повторувања за испити. Ништо огромно. Само мала веб-апликација каде што корисникот може да додава модули, рокови, теми и достапни часови за учење, а потоа да добива неделен план.
Студентот би можел да побара од вештачката интелигенција да генерира сè во еден налог. Тоа би можело да произведе нешто што изгледа импресивно пет минути, а потоа да се распадне кога роковите се преклопуваат, податоците исчезнуваат по освежувањето или распоредот тивко доделува 19 часа учење за вторник.
Посилен пристап е да се користи вештачката интелигенција како асистент за кодирање, а сепак да се применува проценка на компјутерските науки. Целта не е „направете вештачката интелигенција да ја изгради мојата апликација“. Целта е: „да ја користам вештачката интелигенција за да се движам побрзо додека разбирам секој избор на дизајн“
Што е потребно за проектот
Пред да поттикне, ученикот треба да дефинира неколку основи:
-
Основни карактеристики: додавање модули, додавање теми, поставување датуми за испити, внесување достапни часови за учење, генерирање неделен план.
-
Моделот на податоци: модули, теми, рокови, приоритети, завршени задачи.
-
Ограничувањата: без сесии за учење по полноќ, без дупликати теми, избегнување на планирање повеќе часови отколку што корисникот внел.
-
Технолошкиот стек: на пример, React за интерфејсот, мал Node/Express API и SQLite или локално складирање за првата верзија.
-
Планот за тестирање: проверка на празни влезни податоци, невозможни распореди, дупликати модули и случаи на рабови на датуми.
-
Безбедносно правило: никакви лични податоци на студентите не треба да се испраќаат до јавна алатка за вештачка интелигенција, освен ако не се анонимизирани.
Пример за упатство
Слаб поттик би бил:
Создај ми апликација за планирање на ревизии.
Тоа ѝ дава на вештачката интелигенција премногу простор да измислува, пренадополнува или да пропушта важни детали.
Посилна потсетник би бил:
Градам мала апликација за планирање ревизии за проект за портфолио по компјутерски науки.
Користете React за интерфејсот и оставете ја првата верзија едноставна.
Корисникот треба да може да додаде модул, да додава теми под тој модул, да постави датум за испит, да внесува достапни часови за учење дневно и да генерира неделен план за ревизија.Не градете автентикација сè уште.
Чувајте ги податоците во локалното складирање за првата верзија.
Вклучете валидација на влезот за празни имиња на модули, датуми на минати испити, дупликати теми и часови за учење над 12 дневно.Прво, предложете го моделот на податоци и структурата на компонентите.
Не го пишувајте целиот код сè додека не ја одобрам структурата.
Објаснете ги компромисите на јасен и едноставен јазик.
Овај поттик функционира подобро бидејќи ја забавува вештачката интелигенција. Бара дизајн пред код. Тука почнува да биде важна проценката на компјутерските науки.
Како да го тестирате
Студентот не треба да ѝ верува на првата функционална демо верзија. Треба да ја тестира како некој што се обидува да ја „пробие“, бидејќи корисниците апсолутно ќе го сторат тоа.
Добрите тест случаи вклучуваат:
-
Додај модул без име.
-
Додајте ја истата тема двапати.
-
Поставете датум на испит во минатото.
-
Внесете нула достапни часови за учење за секој ден.
-
Внесете 20 часа учење за еден ден.
-
Додај пет теми што треба да се достават утре и провери дали апликацијата креира невозможен план.
-
Освежете ја страницата и проверете дали зачуваните податоци сè уште се прикажуваат.
-
Означете ја темата како завршена и проверете дали распоредот се ажурира правилно.
Тие исто така би можеле да побараат од вештачката интелигенција да ја разгледа логиката:
Еве ја мојата функција за закажување. Пронајдете екстремни случаи каде што може да создаде нереален или неточен план за ревизија. Не го препишувајте сè уште. Прво објаснете го проблемот, а потоа предложете тестови што треба да ги додадам.
Тоа ја претвора вештачката интелигенција во рецензент, а не во замена за размислување.
Што може да тргне наопаку
Најочигледната грешка е копирањето на генерираниот код без да се разбере. Апликацијата може да изгледа дека работи, но студентот можеби нема да може да ја објасни структурата на податоците, да поправи грешка или да ги одбрани своите дизајнерски избори на интервју.
Други реални проблеми вклучуваат:
-
Вештачката интелигенција пишува алгоритам за закажување што ги игнорира достапните часови.
-
Апликацијата складира сè во еден неуреден предмет што станува тежок за одржување.
-
Валидацијата на влезот се случува само во интерфејсот, а не во основната логика.
-
Генерираниот код користи библиотеки што ученикот не ги разбира.
-
Вештачката интелигенција измислува функции што никогаш не биле побарани.
-
Студентот бара „подобар код“ и добива нешто покомплицирано, не навистина подобро.
-
Апликацијата нема тестови, па секоја промена ризикува да го наруши планерот.
Едно вредно правило е следново: ако студентот не може да објасни функција ред по ред, тоа сè уште не е целосно негов проект.
Практичен оброк за носење
Ова е разликата помеѓу лошото и доброто користење на вештачката интелигенција.
Лошата употреба на вештачка интелигенција значи барање за готова апликација, лепење на резултатот и надевање дека никој нема да погледне премногу внимателно.
Добрата употреба на вештачката интелигенција значи нејзино користење за дискутирање на структурата, споредување на компромиси, генерирање нацрти, предлагање тестови и преглед на најспортски случаи - додека студентот сè уште го поседува конечниот код.
Затоа компјутерските науки се уште се важни. Вештачката интелигенција може да помогне побрзо да се изгради планерот за ревизии, но на студентот му е потребно знаење за компјутерски науки за да одлучи дали планерот е точен, одржлив, тестиран и вреден за прикажување на некого.
Најчесто поставувани прашања
Дали компјутерската наука ќе биде заменета со вештачка интелигенција во иднина?
Компјутерската наука нема да биде заменета со вештачка интелигенција како дисциплина. Вештачката интелигенција може да автоматизира некои задачи за кодирање, да генерира нацрти, да објаснува грешки и да ја забрзува рутинската работа. Но, компјутерската наука вклучува и системи, алгоритми, безбедност, податоци, архитектура, теорија и проценка. На тие области сè уште им се потребни луѓе кои можат јасно да расудуваат, да ги потврдуваат резултатите и да разбираат што треба да прави софтверот.
Кои делови од компјутерската наука може да ги автоматизира вештачката интелигенција?
Вештачката интелигенција е најефикасна со повторувачки, добро дефинирани задачи. Може да помогне со стандарден код, едноставни скрипти, основни тестови, нацрти на документација, синтаксички превод, регуларни изрази и брзи прототипови. Ова се вистински зголемувања на продуктивноста. Сепак, автоматизацијата најдобро функционира кога човек може да го прегледа резултатот, да го разбере контекстот и да одлучи дали генерираното решение е безбедно и соодветно.
Зошто вештачката интелигенција нема целосно да ги замени работните места во компјутерските науки?
Вештачката интелигенција може да создава код, но не ги поседува сигурно резултатите. Работата со софтвер вклучува двосмислени барања, деловни правила, корисници, безбедносни ризици, производствени грешки, компромиси во перформансите и долгорочно одржување. На компаниите сè уште им се потребни луѓе кои можат да дизајнираат системи, да дебагираат заплеткани проблеми, јасно да комуницираат и да преземат одговорност кога нешто ќе се расипе. Вештачката интелигенција помага со задачите, а не целосна професионална проценка.
Како вештачката интелигенција ги менува работните места во компјутерските науки на почетно ниво?
Вештачката интелигенција може да ги направи некои задачи за кодирање за почетници полесни за автоматизирање, што може да ја подигне летвата за помладите улоги. Наместо само да прашуваат дали некој може да пишува код, работодавците може да очекуваат почетниците да користат алатки за вештачка интелигенција, да го прегледуваат генерираниот код, да ги откриваат грешките, да ги објаснуваат компромисите и правилно да тестираат. Ова ги прави основите и намерната практика поважни за студентите и новите програмери.
Дали студентите треба сè уште да учат компјутерски науки поради вештачката интелигенција?
Да, студентите сè уште треба да учат компјутерски науки, но со реални очекувања. Не треба да се третира како загарантиран краток пат до работа. Студентите имаат потреба од основи, реални проекти, вештини за дебагирање, Git, бази на податоци, тестирање, комуникација и писменост со вештачка интелигенција. Целта не е само побрзо да се создаде код, туку и доволно длабоко да се разбере кодот за да се подобри и одбрани.
Како почетниците можат да користат вештачка интелигенција без да станат зависни од неа?
Почетниците треба да ја користат вештачката интелигенција како тутор и партнер за вежбање, а не само како телефонска секретарка. Добар пристап е да се бараат објаснувања, рачно да се препишува генерираниот код, намерно да се прекинуваат програмите, да се споредуваат решенијата и понекогаш да се дебагираат без вештачка интелигенција. Читањето документација и евидентирањето на грешките исто така помагаат. Клучот е да се изгради разбирање, а не само да се соберат работни фрагменти.
Зошто основите на компјутерските науки се поважни со вештачката интелигенција?
Кога вештачката интелигенција го олеснува генерирањето код, проценката станува повредна. Основите им помагаат на луѓето да поставуваат подобри прашања, да забележуваат слаби решенија, да ги разбираат перформансите, да ја оценуваат архитектурата и да забележуваат безбедносни проблеми. Две лица можат да ја користат истата алатка за вештачка интелигенција и да добијат многу различни резултати во зависност од нивното знаење. Силните основи на компјутерските науки ја прават алатката поефикасна и помалку ризична.
Дали компјутерските науки ќе бидат заменети со вештачка интелигенција на универзитетите?
Компјутерските науки нема да исчезнат од универзитетите затоа што вештачката интелигенција постои. Наместо тоа, образованието треба подиректно да ја вклучи вештачката интелигенција, а воедно да предава програмирање, алгоритми, структури на податоци, системи, бази на податоци, теорија и софтверско инженерство. Вештачката интелигенција може да дејствува како тутор или асистент за кодирање, но студентите сè уште треба да научат како функционираат системите и како да ги оценуваат генерираните одговори.
Кои вештини за компјутерски науки се најбезбедни од автоматизацијата на вештачката интелигенција?
Вештините што вклучуваат контекст, проценка и одговорност се потешки за целосно автоматизирање. Тие вклучуваат дизајн на систем, сајбер безбедност, дебагирање на производството, архитектура, прилагодување на перформансите, расудување на производот, интеракција човек-компјутер, инженерство на податоци, инфраструктура и формулирање проблеми на ниво на истражување. Вештачката интелигенција може да помогне во овие области, но обично не може да ја замени човечката способност за мерење на компромиси и сопствени одлуки.
Кој е најдобриот начин да се подготвите за кариера во компјутерските науки со вештачка интелигенција?
Најсилниот пат е да се комбинираат основите со практична течност во вештачката интелигенција. Длабински научете еден програмски јазик, градете реални проекти, разбирајте алгоритми и системи, вежбајте тестирање и дебагирање и критички користете алатки за вештачка интелигенција. Читајте го генерираниот код ред по ред и бидете подготвени да ги објасните изборите за дизајн. Работодавците ќе ги ценат луѓето кои можат да дадат резултати и да ги разберат ризиците.
Референци
-
Биро за статистика на трудот на САД - занимања во компјутерската и информатичката технологија - bls.gov
-
Здружение за компјутерска машинерија - Насоки за наставна програма CS2023 - acm.org
-
CSET, Универзитет Џорџтаун - Ризици од сајбер-безбедност од код генериран од вештачка интелигенција - cset.georgetown.edu
-
Anthropic - Изложеност на трудот со вештачка интелигенција - anthropic.com
-
Stack Overflow - Алатки за кодирање со вештачка интелигенција - survey.stackoverflow.co
-
AAAI - Интегрирана вештачка интелигенција во поширока смисла - ojs.aaai.org
-
Серија на OWASP Cheat Sheets - Cheat Sheet за безбедност на агенти со вештачка интелигенција - cheatsheetseries.owasp.org