تحول آموزش برنامه نویسی با هوش مصنوعی مولد
آثار ابزارهای مدرن هوش مصنوعی بر کسی پوشیده نیست. امروزه آموزش برنامه نویسی با هوش مصنوعی یکی از الزامات تمام دروس دانشگاهی است و نیاز صنعت نیز به همین سو می رود.
ابزار های برنامه نویسی مبتنی بر هوش مصنوعی به برنامه نویسان در گذراندن چالش ها و حذف باگها کمک می کنند. در همین حال مشاغل هوش مصنوعی همچنان در حال افزایش هستند. اما این تغییرات در دانشگاه ها بیشتر قابل روئیت است. کوپایلوت یکی از اصلی ترین راه هاییست که نسل جدیدی از مهندسین نرم افزار برای آموزش استفاده می کنند.
دانشجویان رشته علوم رایانه از این فناوری استقبال زیادی کرده اند. آن‌ها از هوش مصنوعی مولد برای کمک به درک آسان مفاهیم پیچیده، خلاصه کردن مقالات تحقیقاتی، طوفان فکری، ارائه مسیر تحقیقاتی، یادگیری برنامه نویسی استفاده می کنند.
جانی چنگ، دستیار آموزشی در دانشگاه استنفورد که کارشناسی ارشد علم کامپیوتر دارد می گوید:« دانشجویان اولین استفاده کننده های این فناوری ها هستند و قابلیت‌های این ابزارها را آزمایش می کنند.»
او همچنین کنفرانس مجازی AIx را در سال 2023 راه اندازی کرد. در این کنفرانس دانشجویان و استادان در حوزه تأثیرات هوش مصنوعی به بحث می پردازند. اساتید برای آنکه از دانشجویان خود عقب نمانند، به صورت فعالانه به کار با این ابزارها برای اهداف آموزشی خود می پردازند.
او وِی تانگ، استاد مدرسه محاسبات در دانشگاه بین المللی سنگاپور می گوید:« این نوع تعادل سازی بسیار دشوار هست. با توجه به اینکه مدل های زبان بزرگ به سرعت در حال تکامل هستند، ما همچنان در حال یادگیری نحوه استفاده از آن‌ها در آموزش هستیم.»
آموزش برنامه نویسی با هوش مصنوعی: تمرکز بر حل مسئله
اصول و مهارت ها در حال تکامل هستند و بیشتر دوره های ابتدایی علوم کامپیوتر بر روی صرف و نحو زبان برنامه نویسی و اجرای برنامه تمرکز می کنند. و در حالی که دانستن نحوه نوشتن کد ضروری است؛ اما اکنون باید به طور واضح تر نحوه ی عیب یابی کد ها آموزش داده شود.»
جنا متیوز، استاد علوم کامپیوتر در دانشگاه کلارسون در نیویورک می گوید:« ما شاهد افزایش این مهارت هستیم. یکی دیگر از تخصص های مهم، تحلیل مسائل است.»
لئو پورتر، استادیار در دانشگاه سن دیگو واقع در کالیفرنیا می گوید:« این مهارتی است که باید در مراحل ابتدایی بدانیم، چرا که باید یک مشکل بزرگ را به اجزای کوچکتر تقسیم کرده تا یک LLM بتواند آن را حل کند. یافتن این این موضوع در برنامه‌های درسی سخت است. شاید در کلاس الگوریتم‌ها یا مهندسی نرم‌افزار این مسائل تدریس شوند؛ اما اینها کلاس‌های پیشرفته هستند. این موضوع باید در کلاس‌های مقدماتی مورد توجه قرار گیرد.»
در نتیجه، اساتید راهبردهای آموزش برنامه نویسی با هوش مصنوعی را اصلاح می کنند. دنیل زینگارو، دانشیار علوم کامپیوتر در دانشگاه تورنتو میسیساگا، گفت:« قبلا تمرکز من بر کد نویسی و تحویل کد از سوی دانش جویان بود تا موارد آزمایشی را روی کد اجرا کنند تا مشخص شود نمره شان چند است. ولی این دیدگاه بسیار محدود است و تمام جنبه مهندسی نرم‌افزار را در خود ندارد. من احساس کردم که با هوش مصنوعی مولد توانسته بودم بر این دیدگاه محدود غلبه کنم.»
زینگارو و پورتر با همکاری هم کتابی نوشتند در زمینه برنامه نویسی پایتون به کمک هوش مصنوعی، که اکنون از دانشجویان می خواهد به صورت گروهی کار کنند و ویدیو را ارسال کند که توضیح دهد، کدشان چگونه کار می کنند. از این طریق، آن‌ها متوجه می‌شوند دانش جویان چگونه از هوش مصنوعی برای طراحی، آزمایش و تولید کد استفاده می کنند و چگونه کار گروهی انجام می دهند.
زینگاور می گوید:« این فرصتی برای من است تا فرایند یادگیری دانشجویان از چرخه عمر توسعه نرم‌افزار را ارزیابی کنم. من احساس می کنم که دوره های من بیشتر باز شده اند و بسیار گسترده تر از گذشته هستند. من حتی می تونم دانشجویان را وادار کنم که روی پروژه های بزرگتر و پیشرفته کار کنند.»
او وِی تانگ این احساس را تکرار می کند و خاطرنشان می کند که ابزارهای مولد هوش مصنوعی زمان را برای آموزش تفکر سطح بالاتر به دانشجویان آزاد می کند. سؤالاتی از قبیل چگونه نرم افزار طراحی کنیم، مسأله صحیح و مناسب برای حل شدن چیست و چه راه حل هایی وجود دارد. دانشجو می‌توانند زمان بیشتری را صرف بهینه‌سازی مسائل اخلاقی و کاربرپسندی یک سیستم کنند تا اینکه روی نحوه کدزنی تمرکز کنند.
فرار کردن از خطرات کدزنی با هوش مصنوعی
مربیان نسبت به احتمال توهم زدن هوش مصنوعی محتاط هستند. متیوز گفت:« ما باید به دانشجویان بیاموزیم که نسبت به نتایج بدبین باشند و صحت سنجی و ارزیابی کدها را به عهده بگیرند.»
متیوز می‌افزاید که هوش مصنوعی مولد می‌تواند فرآیند یادگیری دانشجویانی را که بیش از حد به آن متکی هستند، با مشکل مواجه کند چانگ موافق است که این اتکای بیش از حد می‌تواند یک دام باشد و به دانشجویان توصیه می‌کند که راه‌حل‌های ممکن برای مشکلات را خودشان کشف کنند تا تفکر انتقادی یا فرآیند یادگیری مؤثر را از دست ندهند. او گفت:«ما باید هوش مصنوعی را مثل یک دستیار ببینیم، نه یک خلبان خودکار برای یادگیری.»
سایر معضلات هوش مصنوعی، سوگیری و حق کپی است. پورتر گفت:« من به دانشجویانم محدودیت‌های اخلاقی مثل مالکیت اصلی کد و مدل ها و استناد به زحمات دیگران را یاد می دهم. ما باید حواسمان را به سوگیری های مدل ها که از قبل در اجتماع وجود دارد نیز جمع کنیم.»
با رشد هوش مصنوعی، دانشجویان و اساتید همراه با یکدیگر یاد می‌گیرند و رشد می کنند. پیشنهاد متیو این است که:« محیطی با هدف تشویق دانشجویان برای صحبت پیرامون نحوه استفادهشان از این مدلها است. نهایتاً هدف ما آماده کردن دانشجویان برای دنیای واقعی است. دنیای واقعی هم دائماً متغیر است. به همین دلیل هم چسبیدن به همان راه قدیمی، بهترین روش برای آموزش به دانشجویان نیست.»
پورتر نسبت به تغییراتی که اعمال کرده‌اند خوشبین است. او گفت:« فاصله ی تاریخی زیادی میان محتوای آموزشی در دانشگاه‌ها و نیازهای واقعی صنایع وجود دارد. امیدوارم که به اندازه ی خودم این فاصله را با استفاده از مدلهای زبانی کوچک کرده باشم.»
