AI kopiloti uništavaju učenje: Zašto junior programeri postaju sve lošiji
Oslanjanje na generativne alate stvara generaciju koja ne razumije vlastiti kod
Svi smo vidjeli te impresivne demonstracije: napišete jednu jednostavnu rečenicu u komentaru, a umjetna inteligencija automatski ispiše savršenu funkciju od pedeset linija koda, sa svim potrebnim provjerama i rubnim slučajevima. Za iskusne inženjere koji su godinama gradili sustave iz temelja, to je nevjerojatno koristan alat koji štedi dragocjeno vrijeme. No, za junior programere koji tek ulaze u industriju, ovi alati postaju tiha katastrofa koja dugoročno uništava njihov profesionalni razvoj i stvara potpuno novu vrstu problema u razvoju softvera.
Danas svjedočimo fenomenu gdje novi članovi timova isporučuju naizgled složene funkcionalnosti u rekordnom roku. Na prvi pogled, to izgleda kao ogromna pobjeda za produktivnost. Međutim, ispod površine tog generiranog koda često se krije duboko nerazumijevanje temeljnih principa računalne znanosti, arhitekture sustava i sigurnosnih standarda. Kada se pojavi prva ozbiljna greška, iluzija produktivnosti brzo nestaje.
Prevladavajuća priča
Trenutni narativ tehnološke industrije je kristalno jasan i iznimno optimističan: umjetna inteligencija i pametni asistenti demokratiziraju programiranje. Oni snižavaju barijeru za ulazak u industriju, omogućuju početnicima da odmah stvaraju poslovnu vrijednost i pretvaraju svakog prosječnog radnika u takozvanog inženjera s deset puta većim učinkom. Prema toj priči, klasično učenje napamet, mukotrpno proučavanje dokumentacije i duboko razumijevanje osnova više nisu potrebni, jer će stroj obaviti onaj teški, dosadni i ponavljajući dio posla.
Ovaj narativ agresivno guraju same korporacije koje prodaju te iste alate. U njihovim promotivnim materijalima, programiranje budućnosti svodi se na razgovor na prirodnom jeziku, gdje čovjek samo daje visoke upute, a računalo preuzima implementaciju. U takvom svijetu, poznavanje struktura podataka, algoritamske složenosti ili načina na koji memorija funkcionira postaje zastarjelo znanje, gotovo poput znanja rada s bušenim karticama. Smatra se da će apstrakcija koju nudi umjetna inteligencija riješiti sve probleme niže razine.
Zašto je ta priča pogrešna ili nepotpuna
Ova priča potpuno zanemaruje kako ljudi zapravo uče složene sustave i kako razvijaju stručnost. Programiranje nikada nije bilo samo golo pisanje linija koda; to je složen proces rješavanja problema, razbijanja velikih apstraktnih sustava na manje logičke cjeline i dubokog razumijevanja posljedica svake donesene tehničke odluke. Bol, frustracija i sati provedeni u traženju jedne zaboravljene točke sa zarezom ili logičke pogreške nisu gubljenje vremena – oni su ključni dio izgradnje inženjerske intuicije.
Kada junior programer koristi umjetnu inteligenciju da bi preskočio taj proces borbe s problemom, on preskače i samo učenje. Umjesto da razvijaju duboko arhitektonsko razumijevanje, novi programeri postaju samo urednici i moderatori tuđeg, strojno generiranog koda. Oni znaju kako zatražiti rješenje, znaju kako prilagoditi upit da bi dobili željeni rezultat, i znaju kako to rješenje zalijepiti u svoj projekt. Ali kada taj kod pukne u produkciji – a u složenim sustavima on će neminovno puknuti – oni nemaju izgrađen mentalni model koji im je potreban za brzu dijagnostiku i ispravljanje greške. Stroj im je svakodnevno davao ribu, ali ih nikada nije naučio pecati.
Nadalje, umjetna inteligencija često generira kod koji izgleda površno savršeno. Sintaksa je ispravna, imena varijabli su logična, a komentari su uredni. Zbog te prividne kvalitete, početnici nemaju razloga sumnjati u ispravnost rješenja. Međutim, strojevi često spajaju koncepte na načine koji tehnički rade, ali su dugoročno neodrživi, neoptimizirani za specifičan kontekst aplikacije ili sadrže suptilne sigurnosne ranjivosti koje statički analizatori ne mogu uvijek prepoznati.
Posljedice u stvarnom svijetu
Rezultat ovog opasnog trenda već vrlo jasno vidimo u brojnim tehničkim timovima diljem svijeta. Stvara se sloj programera koji mogu nevjerojatno brzo isporučiti prvu verziju značajke, ali čiji je kod prepun suptilnih logičkih grešaka i skrivenih ovisnosti. Tvrtke se u početku raduju tom ubrzanju razvoja, ali ubrzo shvaćaju da provode tjedne pokušavajući otkloniti pogreške u kodu koji nitko u timu zapravo u potpunosti ne razumije.
Dugoročno, to znači da će tehnološki dug rasti po dosad neviđenim stopama. Iskusni senior inženjeri, umjesto da rade na složenim arhitektonskim izazovima i inovacijama koje donose pravu vrijednost poslovanju, provodit će većinu svog vremena radeći beskonačne revizije koda. Oni će postati svojevrsni čistači koji popravljaju kaos koji su generirali AI alati pod nadzorom neiskusnih kolega. Ovo stvara ogroman pritisak na iskusne stručnjake i dovodi do brzog sagorijevanja.
Također, pojavljuje se problem "slijepe pjege" u održavanju sustava. Ako nitko ne zna kako točno radi određeni modul jer ga je u potpunosti napisala umjetna inteligencija, svaka buduća nadogradnja tog modula postaje rizik. S vremenom, to dovodi do stagnacije, jer se timovi boje dirati dijelove sustava koje ne razumiju.
Završni stav
Umjetna inteligencija u programiranju je iznimno moćan alat i nema povratka na staro. Međutim, ona mora biti pojačalo i produžetak postojećeg inženjerskog znanja, a ne njegova potpuna zamjena. Ako industrija brzo ne promijeni svoj pristup edukaciji, mentorstvu i načinu na koji uvodimo početnike u radni proces, stvorit ćemo cijelu generaciju inženjera koji su nevjerojatno brzi u tipkanju i delegiranju zadataka stroju, ali koji su potpuno izgubljeni kada osnovna tehnologija otkaže. Prava vrijednost softverskog inženjera nije u pisanju koda, već u razumijevanju sustava – a to je vještina koju nam nijedan algoritam ne može usaditi.
Komentar objavljen na portalu Umjetna Inteligencija Blog by ShtefAI, autor: Shtef
