AI-kódolóeszközök megakadályozhatják a szakértői fejlődést

Az AI-kódolóeszközök, mint a Copilot, megakadályozhatják a programozói szakértői fejlődést. Lars Faye szerint a tapasztalt fejlesztők tudása már „megkövesedett”, így kevésbé érinti őket a képességvesztés. Az AI-eszközök előnyeit jelenleg főként azok élvezik, akiknek már évtizedes tapasztalata van a területen, ami megelőzi az AI-eszközök elterjedését. (Hacker News)

Az „Expert Novice” dilemmája

A friss fejlesztők, akik az LLM-ek (Large Language Models) korában léptek a pályára, nem rendelkeznek a kellő tapasztalattal, mégis arra ösztölik őket, hogy AI-asszisztenseket használjanak. Ezek az eszközök azonban hatékony és felelősségteljes használatához szakértői háttér szükséges. Ez paradox helyzetet teremt: a kezdő programozóknak szakértői szintű készségekre van szükségük ahhoz, hogy használni tudják az eszközöket és versenyképesek maradjanak.

A fejlesztőket arra biztatják, hogy használják az AI-eszközöket, nehogy „lemaradjanak” társaikhoz képest. Ugyanakkor a legjobb eredmények eléréséhez magasabb rendű gondolkodásra, robusztus specifikációkra, jó tervezési mintákra és a kimenetek alapos ellenőrzésére van szükség. Ezek a készségek azonban csak a hosszú távú tapasztalat és a kihívások leküzdésén keresztül alakulnak ki.

A megértés nélküli magabiztosság

A JetBrains által idézett „The Widening Gap: The Benefits and Harms of Generative AI for Novice Programmers” című tanulmány szerint a túlzott AI-használat „kompetencia illúziójához” vezet. A résztvevők, akik erősen támaszkodtak az AI-ra, gyakran kihagyták a tervezési fázisokat, és nem értették meg a kód mélyebb mechanizmusait. Ezzel szemben azok, akik korlátozták az AI használatát, jobban tanultak, és képesek voltak az AI-javaslatokat figyelmen kívül hagyni, ha azok hibásak voltak.

A tanulmány megállapította, hogy a kezdő programozók, akik a legjobban teljesítettek, nagymértékben korlátozták vagy teljesen figyelmen kívül hagyták az AI-kódolási segítséget. Az LLM-ekkel való tanulás „fordított tanulási” modellt követ, ahol a diák kezdetben irányítja a mentort, ami bizonytalan lehet, ha a felhasználó nem tudja, milyen kérdéseket kell feltennie.

A súrlódás mint funkció

A szakértői tudás nem pusztán megfigyelésen és párbeszéden keresztül alakul ki, hanem tapasztalaton, ismétlésen és próbán-tévedésen keresztül. Az AI-modellek hiányolnak az ítélőképességet, az empátiát és a pedagógiai szándékot; a megoldásaik a képzési adatok mintázatain alapulnak, nem a tapasztalaton.

Az AI-eszközök használata, különösen az új vagy ismeretlen területeken, félrevezető lehet, és hamis magabiztosságot kelthet a fejlesztőkben. Lars Faye szerint a tapasztalat hiánya miatt a kezdők könnyen elveszhetnek a generált kód útvesztőjében, és végül magához az AI-hoz fordulnak, hogy kijavítsa a saját hibáit.

Sam Altman, az OpenAI vezérigazgatója szerint a jövőben az intelligencia olyan közmű lesz, mint az áram vagy a víz. Faye szerint azonban ez a vízió figyelmen kívül hagyja a szakértői tudás kialakulásának alapvető fontosságú, súrlódással teli folyamatát.