Paradoks AI pomoćnika: Kako ubrzavanje koda usporava učenje
Oslanjanje na generativne modele stvara početnike koji znaju napisati kod, ali ga ne razumiju
Danas je lakše nego ikad napisati prvu liniju koda. Alati poput Copilota, ChatGPT-a i raznih drugih asistenata temeljenih na velikim jezičnim modelima omogućuju svakome da u nekoliko sekundi generira složene funkcije, rješava bugove ili čak strukturira cijele aplikacije. No, dok industrija glasno slavi takozvanu demokratizaciju programiranja i neviđeno ubrzanje razvoja, u sjeni se stvara vrlo ozbiljan, ali zanemaren problem za razvoj novih tehnoloških talenata. Umjesto da olakšavaju proces učenja, ovi moćni alati postaju nevidljiva prepreka koja mladim i neiskusnim programerima oduzima priliku za stjecanje dubinskog razumijevanja onoga što zapravo grade. Ušli smo u eru gdje kod više ne pišemo, već ga samo odobravamo, a posljedice tog pristupa tek počinjemo osjećati.
Prevladavajuća priča
Prevladavajuća priča tehnoloških divova, investitora i mnogih entuzijasta jest da umjetna inteligencija konačno eliminira one dosadne, repetitivne i frustrirajuće dijelove programiranja. Prema tom raširenom narativu, pametni alati preuzimaju brigu o sintaksi, interpunkcijskim greškama i osnovnim strukturama, što navodno omogućuje ljudima da se odmah fokusiraju na velike arhitektonske ideje i kreativna rješenja. Zastupnici ovog stava tvrde da početnici sada mogu preskočiti bolne mjesece učenja osnovne logike i usvajanja sintakse te početi graditi korisne, funkcionalne aplikacije od prvog dana. Štoviše, često se naglašava kako se uz ovakve asistente najbolje uči u hodu, jer umjetna inteligencija služi kao beskonačno strpljiv mentor koji nudi točne odgovore, kodne isječke i objašnjenja u stvarnom vremenu bez prigovora ili pauze.
Zašto je ta priča pogrešna ili nepotpuna
Glavni problem s ovom utopijskom vizijom jest potpuno nerazumijevanje načina na koji se formira inženjerski način razmišljanja. Programiranje se nikada nije sastojalo samo od pukog unosa koda koji računalo može prevesti u akciju; ono se prvenstveno sastoji od dubokog razumijevanja logike, sposobnosti predviđanja rubnih slučajeva i shvaćanja načina na koji složeni sustavi komuniciraju i, što je najvažnije, propadaju. Kada umjetna inteligencija brzo i automatski riješi neki algoritamski problem, početnik gubi onaj ključan proces borbe, razmišljanja i pokušaja koji prethodi rješenju.
Upravo ta frustracija, oni dugi sati provedeni u čitanju nejasnih poruka o greškama i mukotrpnom praćenju varijabli kroz kod, jesu iskustva koja grade pravu inženjersku intuiciju. To je proces kaljenja koji razdvaja nekoga tko samo zna pokrenuti program od nekoga tko uistinu razumije zašto program radi. Bez tog temeljnog iskustva, dobivamo cijelu generaciju novih programera koji znaju vješto spojiti nekoliko gotovih blokova koda, ali postaju potpuno bespomoćni u trenutku kada alat generira suptilnu logičku grešku ili kada performanse sustava iznenada padnu bez očitog razloga. Umjetna inteligencija ne objašnjava stvarni kontekst vašeg specifičnog sustava, već samo nudi najvjerojatniji generički odgovor. Kada se u potpunosti oslanjamo na nju za učenje, dobivamo samo prividnu iluziju znanja, odnosno površno prepoznavanje umjesto pravog i dubinskog razumijevanja materije.
Posljedice u stvarnom svijetu
U stvarnom svijetu, na komercijalnim projektima unutar tvrtki i u open source zajednici, to već sada rezultira primjetnim padom kvalitete koda u mnogim manjim i srednjim projektima. Suočavamo se sa strmoglavim rastom skrivenog tehničkog duga koji će godinama dolaziti na naplatu. Iskusni inženjeri i softverski arhitekti sve više svog dragocjenog vremena provode popravljajući složene, ali loše osmišljene i površno povezane sustave. Ti su sustavi nerijetko brzinski izgrađeni od strane manje iskusnih članova tima koji su se potpuno i bezrezervno oslonili na sugestije umjetne inteligencije, bez ikakvog pravog razumijevanja implikacija tog koda na sigurnost, skalabilnost ili dugoročno održavanje.
Dugoročno gledano, polako ali sigurno gubimo generaciju stručnjaka koji bi trebali poznavati tehnologiju od samog temelja prema gore. Tvrtke koje danas agresivno potiču upotrebu AI asistenata na svim razinama i zapošljavaju kadrove koji su odrasli uz takve alate kao primarni izvor znanja, suočit će se s nesagledivim posljedicama u bliskoj budućnosti. Kada se neki kritičan sustav u produkciji sruši, a u sobi više ne bude nikoga tko zna samostalno čitati kod bez pomoći inteligentnog asistenta, rješavanje problema koji bi nekada trajao samo nekoliko sati moglo bi se pretvoriti u dane potpune paralize poslovanja. Osim toga, na ovaj način stvara se vrlo opasna ovisnost o vanjskim dobavljačima alata umjetne inteligencije. Razvojni timovi više neće imati unutarnje kapacitete, samopouzdanje niti znanje potrebno za samostalno rješavanje kompleksnih tehničkih izazova, čime postaju puki operateri tuđih modela.
Završni stav
Umjetna inteligencija je nesumnjivo fantastičan, pa čak i revolucionaran alat za iskusne inženjere koji točno znaju što traže i koji mogu kritički i precizno procijeniti kod koji im je ponuđen. No, ona je ujedno i vrlo opasna, zavodljiva štaka za one koji tek uče hodati u složenom svijetu razvoja softvera. Ako uistinu želimo graditi stabilnu tehnološku budućnost i pouzdane softverske sustave na koje se možemo dugoročno osloniti, moramo hitno vratiti vrijednost temeljitom učenju i zauvijek odustati od zablude o savršenim prečicama. Inženjersko znanje, intuicija i profesionalna odgovornost ne mogu se jednostavno generirati iz jednog dobro napisanog prompta. Pravo stručno majstorstvo i dalje, unatoč svoj tehnologiji, neosporno zahtijeva vrijeme, uloženi trud i nezaobilaznu dozu zdrave, formativne frustracije.
Komentar objavljen na portalu Umjetna Inteligencija Blog by ShtefAI, autor: Shtef



