Datasette 創(chuàng)始人西蒙·威利森宣稱說："現(xiàn)在是學(xué)習(xí)編程的最佳時機(jī)。"這并不是因?yàn)槿斯ぶ悄軙湍阃瓿删幋a工作。事實(shí)上，情況恰恰相反。威利森認(rèn)為，"大型語言模型拉平了學(xué)習(xí)曲線"，讓年輕的開發(fā)者更容易上手。但我們絕對不能也絕不能忘記如何編碼。相反，我們可以使用生成式人工智能來增強(qiáng)開發(fā)人員的經(jīng)驗(yàn)，無論他們的經(jīng)驗(yàn)水平如何。

頌揚(yáng)”學(xué)習(xí)意志“

我喜歡讀威利森關(guān)于生成式人工智能的想法。他是這方面最有思想的開發(fā)者之一。另一位偉大的讀者是 O'Reilly Media 的 Mike Loukides。關(guān)于生成式人工智能和編碼、 Loukides 提醒我們寫出真正好的提示比想象中更難。他認(rèn)為："要想成為真正優(yōu)秀的提示者，你需要發(fā)展提示內(nèi)容方面的專業(yè)知識"。

換句話說，你需要成為一名優(yōu)秀的程序員。

"如果你屈服于誘惑，認(rèn)為人工智能是人類不可能獲得的專業(yè)知識和智慧的寶庫，那么你將永遠(yuǎn)無法有效地使用人工智能，"Loukides 建議道。要想有效地使用 AWS CodeWhisperer 或 Google Codey 等編碼工具，你真的需要指導(dǎo)它們實(shí)現(xiàn)你所期望的輸出。要一步步告訴人工智能如何解決你的開發(fā)問題，你首先需要深入了解問題，以及如何促使人工智能做出反應(yīng)。

開發(fā)人員還需要能夠評估人工智能何時出錯。同樣，這也需要一定水平的專業(yè)知識。是的，我們希望編碼助手能幫助我們在所承擔(dān)的項目中變得更加雄心勃勃，但是，它們根本無法讓開發(fā)人員不再需要琢磨代碼。我們也不應(yīng)該希望他們這樣做，這又回到了威利森的第一點(diǎn)。

利用人工智能學(xué)習(xí)編碼

對于許多新開發(fā)人員或剛剛接觸特定語言、框架、數(shù)據(jù)庫等的資深開發(fā)人員來說，學(xué)習(xí)曲線可能非常陡峭。例如，“他們可能會漏掉一個分號，從而得到一個奇怪的錯誤信息，他們需要花兩個小時才能重新找到正確的方法，”Willison說。毫不奇怪，這可能會導(dǎo)致他們放棄，認(rèn)為自己不夠聰明，學(xué)不會編程。

這就是人工智能助手可以發(fā)揮作用的地方。威利森說：“你沒必要讓計算機(jī)科學(xué)學(xué)位的人來用計算機(jī)做一些你需要完成的繁瑣事情。ChatGPT和其他由LLM支持的助手可以自動完成這些乏味的工作。”GitHub工程師Jaana Dogan強(qiáng)調(diào)說人們太專注于代碼生成，完全忽視了LLM在代碼分析等方面的作用。我們不需要人工智能來完成所有工作。根據(jù)威利森的論點(diǎn)，我們只需要它來自動完成離散、枯燥的任務(wù)，這些任務(wù)不會影響應(yīng)用程序的成敗，但如果開發(fā)人員被迫學(xué)習(xí)并完成編程的所有方面，而編碼助手卻可以解決這些乏味的垃圾工作，那么開發(fā)人員的信心就會受到打擊。

與以往一樣，開始使用生成式人工智能和軟件開發(fā)的方法就是入門！從小處著手，自動完成那些你能理解但不一定想反復(fù)編寫的簡單任務(wù)。由于節(jié)省了時間，您就能專注于學(xué)習(xí)如何解決代碼中更棘手的難題，這樣隨著專業(yè)知識的增長，您也能更好地實(shí)現(xiàn)自動化。

原文作者：Matt Asay

原文標(biāo)題：What AI won’t replace in your programming