Programozás és programozás a GenerativeAI korában: mélydokumentáció

A generatív mesterséges intelligencia, a mesterséges intelligencia egyik tudományága az olyan alkalmazásokra vonatkozik, amelyek esetében a számítógép szimulálja az ember alkotási és gyártási képességét – legyen szó akár emberi nyelvről, akár emberi kreatív kifejezésmódokról (például rajzolás, zene összeállítása stb.). A közelmúltban hullámokat generáló Generatív MI legjobb példája a ChatGPT, egy nagynyelvű nyelvmodell (LLM), amellyel a felhasználók természetes nyelven kommunikálhatnak. Egy olyan terület, ahol a mesterséges intelligencia különösen ígéretes a szoftverkódunk megírásában. Ez a cikk kitér azokra a lehetőségekre, amelyeket a Generatív mesterséges intelligencia teremt e szoftverfejlesztési folyamat támogatására, valamint annak lehetőségére, hogy a szoftverkódokat minden eddiginél több ember számára írhassák meg. A megnyíló lehetőségekkel együtt ez a dokumentum a GenAI által támogatott eszközök használatának kockázatait is vizsgálja az emberi felügyelet csökkenése mellett, és rámutat a lehetséges kilátásokra, amelyeket fel kell tárni, hogy sikerül-e olyan kiegyensúlyozottabb felhasználást elérni, amely figyelembe veszi alapvető uniós értékeinket. 

Bevezetés

A generatív mesterséges intelligencia – a mesterséges intelligencia (MI) egyik tudományága – olyan alkalmazásokra vonatkozik, amelyekben a számítógép az emberi nyelven történő létrehozásra és előállításra való emberi képességet szimulálja vagy utánozni próbálja –, mint például zene rajzolása vagy összeállítása (Stokel-Walker & Van Noorden, 2023). A közelmúltban hullámokat generáló Generatív MI egyik példája a ChatGPT, egy nagynyelvű nyelvmodell (LLM), amellyel a felhasználók gépeléssel kapcsolatba léphetnek. Ennek az LLM-nek a teljesítménye sok kutatót és a nyilvánosságot megdöbbentővé tette azt illetően, hogy az interakciók hogyan lehetnek „valósak” (Maslejet al., 2023).

A mesterséges intelligencia e formája iránti érdeklődés már évtizedek óta növekszik, az alapkutatás fejlettségével (Reiter & Dale, 1997; Kandhasamy & Xie, 2004). Az alkalmazások azonban továbbra is korlátozottak maradtak, a kis koncepcióigazolási algoritmus elsősorban a kutatásban – nagyrészt a számítási teljesítmény hiánya vagy a képzési adatok elégtelen mennyisége miatt, amelyek a minőségi technológiák bevezetéséhez szükségesek (Maslejet al., 2023). Ez az elmúlt években megváltozott. A 2015 és 2016 közötti időszakban mozgások történtek az erőforrások egyesítése, valamint a szisztematikus nagy adathalmazok és modellek létrehozása érdekében, olyan összehangolt ipari erőfeszítésekkel, mint az OpenAI (2015-ben alapított) és a HuggingFace (2016-ban megalapozott). 2022 vége óta e technológiák kiforrottsága hatalmas fejlődésen ment keresztül a számítási teljesítmény, az érett algoritmusok és az elegendő adat összehangolása miatt.

Az egyik olyan terület, ahol a mesterséges intelligencia nagyon ígéretes, a szoftverkódok megírása. A GenAI-t már számos mérnök alkalmazza, hogy segítse őket kódolásában (Sharma, 2021). Az egyszerű emberi szöveg lehetővé teszi számukra, hogy másodpercekben összetett kódot írjanak, ami felgyorsíthatja kódolásukat és programozásukat (Brady, 2023). A Generatív MI-eszközökben szöveges utasítások (promptok) adhatók arra, hogy a mesterséges intelligenciát bizonyos funkciók létrehozása érdekében kódírására utasítsák. Ennek eredményeként az ilyen eszköz felhasználója konkrétabb természetes nyelven is kommunikálhat anélkül, hogy ismernie kellene a kódolási nyelv részleteit. Korlátozott módon és releváns gyorsasággal a Generatív MI – létrehozhatja az alkalmazás mögött meghúzódó logika lépéseit is, meghatározva az algoritmus általános szerkezetét.

Ez természetesen számos kérdést vet fel azzal kapcsolatban, hogy a jövőben hogyan írjuk meg szoftverünket, és melyek lesznek az ehhez szükséges készségek. E cikk következő szakasza mélyebben foglalkozik ezzel a kérdéssel.

Szoftverfejlesztők az EU munkaerőpiacán

A digitális iparban már évek óta hiány mutatkozik a szakképzett munkaerőből. Az Európai Szoftverkészség -fejlesztési Szövetség (European Software Skills Alliance) 2021. évi tanulmánya a „fejlesztő” szerepét a legigényesebb szoftverfunkcióként határozza meg, és e szerep folyamatosan változó jellegét jelöli meg a hiány okaként. A fejlesztők kulcsfontosságú készségei a programozás és a programozás, két olyan tudományág, amelyben a munkaköri tartalom folyamatosan változik, problémát jelent a szervezetek számára, és megnehezíti a munkavállalók készségeinek naprakészen tartását. Az IKT-szakértők ágazatokon átívelő növekvő igénye kockázatot jelent az európai digitális évtized azon célkitűzésére nézve, hogy 2030-ra 20 millió IKT-szakembert érjenek el Európában. 

Kód, kód, kód: néhány terminológia és alapfogalmak

Itt hasznos néhány magyarázó terminológia. A szoftverfejlesztés a számítógépes tudományon alapuló tevékenységeket, azaz a szoftverek létrehozásának, tervezésének, telepítésének és támogatásának folyamatát jelenti (IBM, 2023). A szoftverfejlesztés fejlesztési szakaszára akkor kerül sor, amikor a programozó megkezdi a számítógép által követendő utasítások meghatározását és megírását a kívánt számítógépes nyelven.

Mit jelent tehát a programozás? A programozás arra a tevékenységre utal, amelyet a fejlesztők végeznek a számítógépi program logikájának meghatározása érdekében, beleértve azokat a szervezeteket, amelyeket a programnak manipulálnia kell, és azokat az algoritmusokat, amelyeket végre kell hajtania. A programozási készségek tehát szorosan kapcsolódnak a logikai és elemzési, fogalmi és absztrakt gondolkodáshoz, valamint a számítástechnikai gondolkodáshoz. A fejlesztők kódolásakor megírják a számítógép számára bizonyos, a számítógép által elvégzendő műveletek végrehajtásához szükséges utasításokat. A fejlesztők különböző számítógépes nyelveken írnak, amelyek struktúrájuktól vagy céljuktól függően különböző képességeket biztosítanak számukra. Ráadásul a számítógépes nyelvek folyamatosan fejlődnek, ami összetett feladattá teszi a fejlesztők számára, hogy lépést tartsanak a legújabb stílusokkal és tendenciákkal. Amikor a munkaerőpiacon tapasztalható szakemberhiányról beszélünk, mind a programozással kapcsolatos készségekre, mind a programozással kapcsolatos készségekre utalhatunk. 

Az uniós munkaerőpiac támogatása 

Mivel ezek a szakemberhiány évek óta aggodalomra ad okot, a politikai döntéshozók és a kutatók sok energiát fektettek be a munkaerőpiaci szereplők e készségek (potenciális) alkalmazottaik körében történő azonosításához és fejlesztéséhez nyújtott támogatás fejlesztésébe. Egyes kulcsfontosságú kezdeményezések közé tartoznak a kifejezetten a digitális kontextusra vonatkozó szabványosított kompetenciakeretek. A polgárok digitális kompetenciakerete ( DigComp 2.2) (Vuorikari, Kluzer és Punie, 2022) az EU-ban a fő, általánosan elfogadott keret, amely azonosítja és felépíti a polgárok számára a modern digitális társadalomban való részvételhez szükséges digitális készségeket. Az európai e-kompetencia keretrendszer (e-CF) 41 kompetenciából álló szabványosított referenciakeret, amely releváns és szükséges az informatikai szakmai munkakörnyezetben. A keret 30 IKT-szakmai munkaköri profilt is meghatároz, amelyek a digitális ágazat különböző aspektusait ölelik fel. Az EU-ban ez egy kiemelt keret, amely közös nyelvet kínál az informatikai toborzók és az informatikai szakértők számára.

A releváns profilokkal rendelkező általánosabb keretek is léteznek. A készségfejlesztési paktumon keresztül az ágazatspecifikus készségfejlesztési keretek különböző ágazati szövetségekben egyesítik a különböző ipari szereplőket, hogy azonosítsák és strukturálják az ágazatuk továbbfejlesztéséhez szükséges készségeket. Ezek nagy része összetett digitális készségeket is magában foglal, mivel a digitális ipar minden ágazatot érint. Ami a vállalkozói szellemet illeti, az EntreComp keretrendszer (McCallum, Weicht, McMullan and Price, 2018) olyan kompetenciákat tartalmaz, amelyek figyelembe veszik az erőforrások hatékony felhasználását, beleértve a digitális erőforrások iránti igények értékelését és az abba való betekintést, valamint a digitális eredmények kidolgozását. A változó technológiai környezet folyamatosan beépül ezekbe a keretekbe, azok legújabb változataival, többek között az MI-technológiával való munkavégzéshez szükséges készségekkel. Például a DigComp legutóbbi kiadásában, 2.2. pont már tartalmazza a mesterséges intelligenciával kapcsolatos rendszerekkel kapcsolatos ismereteket is.  

A programozási/kódolási készségek előmozdítását célzó uniós intézkedések 

Amellett, hogy támogatást nyújtanak a szoftverfejlesztéshez kapcsolódó készségek elnevezéséhez, azonosításához és fejlesztéséhez, a szakpolitikai kezdeményezések arra is összpontosítanak, hogy a digitális ágazat karrierjeit népszerűbbé és ismertebbé tegyék. A programozás és a programozás iránti érdeklődés fokozása érdekében számos ismétlődő uniós fellépés létezik. Az európai programozási hét olyan alulról szerveződő kezdeményezéseket támogat, amelyek arra ösztönzik a polgárokat, hogy használják és fejlesszék programozási készségeiket. Az önkéntesekkel való együttműködés keretében a tevékenységek figyelemfelkeltő kampányokat, workshopokat, konferenciákat stb. foglalnak magukban Európa-szerte, helyi nyelveken, valamint a regionális igényeknek és körülményeknek megfelelően. 2021-ben a világ több mint 80 országából több mint 4 millió ember vett részt a kezdeményezésben, és a tevékenységek többsége iskolákban zajlott (Európai Bizottság, 2023).

Az Európai Technológiai és Innovációs Intézet (EIT) platformot kínál az ipari szereplők számára, hogy biztonságos és nyitott környezetben találkozzanak az érintett iparágakban történő innováció érdekében. Az EIT Digital kifejezetten az innováció és a vállalkozói készség támogatására összpontosít a digitális iparban (EIT Digital, 2020). Emellett számos uniós finanszírozású program összpontosít az európai munkaerő digitális iparhoz szükséges digitális készségeinek fejlesztésére: csak a DIGITAL Európa program mögött meghúzódó hatalmas beruházásokat vizsgáljuk meg (7,5 milliárd euró az európai gazdaság és társadalom digitális átalakulására irányul). További segítség az uniós tagállamok helyreállítási és rezilienciaépítési terveibe történő digitális beruházások 20%-os küszöbértéke, amely túllépte a határt. 

Javítani fogja-e a GenAI a munkaerőhiányt a munkaerőpiacon? 

A mesterséges intelligencia érkezése lehetőséget teremt a programozásra és a programozásra a munkaerőpiac összefüggésében. A GenAI egyrészt könnyebben hozzáférhetővé tehetné az emberek számára a fejlettebb készségeket (például a kódolást): és 2023 a vízválasztó pillanatnak bizonyulhat: a mesterséges intelligencia gyorsan fejleszti az emberek programozási készségeit, lehetővé téve számunkra, hogy hatékonyabb és eredményesebb módon hozzunk létre digitális eszközöket. Másrészt a GenAI csökkentheti a kódolási készségek terén szerzett jártasságot is, mivel csökkenti az ezzel kapcsolatos mélyreható tudásépítést és szakértelmet. Az alábbi bekezdések azt a kontextust vizsgálják, amelyben a GenAI hatással lehet a szoftverfejlesztésre, és milyen következményekkel jár a készségfejlesztésre nézve. 

Bizonyos összefüggések

Mielőtt megvizsgálnánk, hogy mely készségek lesznek relevánsak ebben az új térben, érdemes megvizsgálni, hogy a programozás mely aspektusait érintheti a mesterséges intelligencia.

A kódolás helye a szoftvermérnöki folyamatban

A szoftvermérnöki tevékenység – más mérnöki formákhoz hasonlóan – tervezéstudomány, és nagyjából egy kutatási, ideációs, tervezési, fejlesztési és tesztelési szakaszból álló folyamatot követ, hogy a fogalmi elképzelésről áttérjen a materiális termékekre (Davis, Bersoff & Comer, 1988). E folyamat során az ismeretek és a know-how gyarapodnak, és az iteráció révén – több alkalommal – finomítani lehet a problémameghatározást és a követelményeket, további háttérkutatást lehet végezni stb. Bár, amint azt a Despa, 2014 is felvázolja, különböző megközelítések (növekményes, vízesés, spirál, prototípus-készítés stb.) lehetnek e szakaszok formálására (pl. a szakaszok időtartamának különbségei, vagy a várható köztes eredmények stb.). Minden tervezési folyamatnak alapvető elemei vannak. A szoftvertervezési folyamat fő összetevőit az alábbi 1. ábra szemlélteti. 

 

Ebben a folyamatban a kódolás – a tényleges szoftverkód megírásának folyamata – elsősorban a fejlesztési és tesztelési szakaszban történik. A tervezési folyamat ezen pontján már meghatározták a problémát és a lehetséges megoldást, és magas szintű tervezési döntéseket hoztak. A szoftvert ezután a fejlesztési szakaszban gyártják, majd a tesztelési szakaszban tesztelik. Más mérnöki tudományágakhoz képest a szoftverek gyártási költségei viszonylag alacsonyak. Itt is van a szoftvergyártás „iparosítása”, ahol folyamatosan erőfeszítéseket teszünk annak érdekében, hogy a fejlesztés még gyorsabb és időtakarékosabb legyen, miközben az előállított anyagok bizonyos minőségűek legyenek (Humphrey, 1988). Ennek egyik módja például a kódblokkok hatékony megosztása (pl. GitHub adattártípusú platformok), valamint újabban az alacsony kódú/kód nélküli platformok, ahol újrafelhasználható építőelemeket használnak kiindulópontként a tervezés elvontabb megközelítéséhez, felgyorsítva az egész folyamatot (No-Code.tech, 2023; Adalo, 2023). Ez lényegében megnyitja a kódolást olyan emberek előtt, akik nem rendelkeznek szakképzettséggel (és esetleg nem is érdeklődnek a szakképzettség iránt) a kódírás mechanizmusában.

Ennek a dimenziónak az ellenkező oldalán a „szoftverművészet”szerepel, ahol ismét fontossá válik a kód létrehozásának műszaki ismerete vagy mestersége. A szoftveralkotás tanulószerződéses tanuló szemén keresztül közeledve ez a mozgalom büszkeséget kelt a szoftverek létrehozásában, nagyra értékeli a szoftveralkotás hagyományát, és az egyéni géniusra helyezi a hangsúlyt (szoftverkézművés-kiáltvány, 2009). Akár azt is összehasonlíthatja, hogyan közelítünk otthoni főzéshez és professzionális konyhához. Otthonainkban elsősorban a főzést tekintjük a jó élelmiszer-előállítás folyamatának. Amikor a főzés „kézművé” válik, az magában foglalja a fegyelmet, a minőséget, az időhatékonyságot és a minőségi termékek magasságának elérésére irányuló célzott erőfeszítéseket. A főzés során a „kézművészet” magában foglalja az e kiválósági szint eléréséhez rendelkezésre álló termelési készségek és erőforrások felkeltését (mint például a főzési készséget – minőségi összetevők felhasználásával, a kési készségek tökéletesítésével, a különböző ízesítések és tapasztalatok eléréséhez szükséges új technikák kialakításával stb.)

Ezeket az elképzeléseket magunk elé állíthatjuk, és extrapolálhatjuk a minőségi kódex megírásában és elkészítésében részt vevő kézművességre.

A kódolás elterjedése a tudásintenzív munkahelyeken  

A kódolás nem korlátozódik a professzionális szoftver- vagy IKT-ágazat tereire, olyan összetett, mint a hangja. Az egyik alulbecsült tény, hogy a tudásmunkához számos speciális szakmai technológiához szükség van a kódolás valamilyen formájára. Ha például statisztikai elemzést végez, vagy akár alapvető Excel-funkciókat is használ, már legalább minimális formában meg kell értenie az írási kódot. Ebben az összefüggésben a programozás más kompetenciákhoz és ismeretekhez hasonlóvá vált (gondolkozz: emberi nyelv és matematika), ahol mindenkinek alapvető ismeretekkel és termelési hatékonysággal kell rendelkeznie a társadalomban való részvételhez (Burke, O’Byrne és Kafai, 2016). A különbség abban rejlik, hogy a programozást mint írástudást még nem értjük el olyan fejlettségi szinten, mint a többi műveltség (Rea, 2022). Az általános iskoláztatási rendszer ezen ismeretek köré épül, és elengedhetetlen ahhoz, hogy a későbbi években tovább építsünk. A digitális átállás azonban gyorsan változik, és már fiatal kortól kezdve ugyanolyan szükségessé teszi a kódolást és a számítási gondolkodást, mint a többi műveltség.

Technológiai támogatás és általános értelmezésünk

Ez tehát meg nem felelést eredményez: egyrészt még nem értettük meg a kódolás mint műveltség kezelésének bonyolultságát, és nem is építettük be teljes mértékben oktatási rendszereinkbe (Vee, 2017). Másrészről most nagyon kifinomult eszközök állnak rendelkezésünkre, amelyek lehetővé teszik számunkra, hogy kódexet hozzunk létre, tervezzünk és írjunk. Emellett a digitális tér jellege miatt ezek az eszközök többnyire (díj ellenében) széles nyilvánosság számára hozzáférhetők. 
Ennek az eltérésnek az illusztrálására vegye figyelembe a ChatGPT alkalmazásait és azt, hogy az emberek hogyan érzékelik azokat:

Amikor Ön arra kéri a ChatGPT- t, hogy írjon egy szöveget, szinte mindenki megmondhatja, hogy egy jól írott szövegről van -e szó (jelenleg nem annak tartalmát, hanem pusztán a természetes emberi nyelven készült szöveg formáját).  

Amikor matematikai számítás elvégzésére kéri a ChatGPT-t, sokan nyilatkozhatnak arról, hogy azt helyesen végezték-e el, vagy legalábbis a kérdés megoldásához a helyes megközelítést választották-e.

Ha azonban Ön arra kéri a ChatGPT- t, hogy írjon egy kódot, a nagyközönség (még) nem tud majd nyilatkozni arról, hogy helyes-e.  

Hogyan tudja a GenAI enyhíteni a munkaerőhiányt a munkaerőpiacon?

A fenti bekezdés bemutatja az egyik olyan területet, ahol a mesterséges intelligencia gyökeres változásnak bizonyulhat. Most mélyebben foglalkozunk majd a készséghiány jelenlegi problémáival, és megvizsgáljuk a GenAI enyhülési potenciálját.

Az első kérdés az emberek között a kódolási készségek terén meglévő jártassági szintek közötti jelentős különbségekkel kapcsolatos. A különböző emberek eltérő szintű íráskódokkal rendelkeznek, és a kódolási jártasságnak nincs általánosan elfogadott alapszintje. Ennek több oka van:

1. Mivel a programozás és a programozás nem tekinthető írástudásnak, a tanterv egészében nincs beágyazva a formális oktatásba. Ez azt jelenti, hogy nincs általános hozzáférés a kódolási és programozási lehetőségekhez, és nem várható el minden egyéntől, hogy alapfokú jártassági szintet alakítson ki.
2. A készség fejlődése nagyban függ az egyéni érdeklődéstől és a személyes tudományágtól. Ha fejleszteni szeretné készségeit ezen a területen, a formális és nem formális lehetőségeket kell keresnie online és offline workshopok, bizományosok stb. révén. Mivel ez nagyrészt kívül esik a formális oktatáson, további erőfeszítésekre és időre van szükség ahhoz, hogy beruházz a készségfejlesztés e formájába.  
3. Az alsó vonal itt a következő: a programozással kapcsolatos készségfejlesztés attól függ, hogy időt és pénzt fektessenek be a programozási készségek fejlesztésére irányuló releváns lehetőségekbe. Előfordulhat, hogy ez a beruházás általában nem lehetséges a társadalom minden tagja számára, mivel szükség van infrastruktúrára (hardver és internet), időre (a formális oktatási időn kívül) és a vonatkozó szoftverek vagy licencek potenciális többletköltségeire.

Csakúgy, mint a digitális befogadással kapcsolatos számos kérdésben, a társadalom jelentős szakadékot mutat e területen a tagállamok és az ott élők között, mivel a kiszolgáltatott személyek, a nők, az idősek és az alacsonyabb társadalmi-gazdasági háttérrel rendelkezők nagymértékben érintettek (ENSZ, 2023).

A programozáshoz használt generatív mesterséges intelligencia nagymértékben csökkentheti azt a küszöbértéket, amely az emberek számára lehetővé teszi, hogy befektessenek a kódolásra való tanulásba. Mivel lehetővé teszi a számítógéppel való, természetes nyelven történő interakciót, bárki, aki emberi nyelven fogalmazhatja meg a szoftverrel kapcsolatos ötleteit, elméletileg írhatja a szoftver készítéséhez szükséges kódot. Az akadálymentesítéssel kapcsolatos kérdések (időben és erőfeszítésekben) azonban továbbra is fennállnak: ebben az esetben is fennáll annak a lehetősége, hogy a GenAI szélesíti a szakadékot azok között, akik kódolhatnak, illetve akik nem tudnak kódolni.

A második kérdés a foglalkoztatottak számára szükséges készségek azonnali meglétére vonatkozik. A munkaerőpiacnak ma és a közeljövőben szüksége van ezekre a digitális készségekre. ACedefop szerint a 2022–2035 közötti időszakban közel 979,600 IKT-technikusra és további 2,977,600 IKT-szakemberre lesz szükség (Cedefop, 2023). A mélyreható ismeretek kiépítése és e készségek magasabb szintű jártasságra való fejlesztése azonban időbe telik, ami eleve akadályt jelenthet a programozás megkezdése előtt. A bootcampok és más rövid távú, de intenzív tanulási formák hatékonyak, de olyan időt és erőforrásokat igényelnek, amelyekkel nem feltétlenül mindenki rendelkezik (Tayer & Ko, 2017). Ezen túlmenően a munkavállalóknak nemcsak alapszintű jártassági szintet kell elérniük, hanem maguktól is függniük kell, hogy folyamatosan fejlődjenek e készségek fejlesztése terén.

A GenAI képes bizonyos mértékig enyhíteni ezt a problémát. A technológia természetes nyelven való hozzáférhetősége sokak számára csökkentheti a küszöbértéket, és igazságos időben támogatást nyújthat a szükségesség megtalálásához, ezáltal hatékonyabbá téve a kódolást és a kód-előállítást, és adott esetben arra ösztönözve az embereket, hogy használják azokat. A technológia támogathatja az önhatékonyságot, megkönnyítheti és felgyorsíthatja a válaszok megtalálását, ha megrekednek, és olyan környezetet teremt, amelyben a tanulók folyamatosan fejleszteni akarják a programozással és programozással kapcsolatos készségeiket. Ugyanakkor itt is fennáll annak a lehetősége, hogy ezek a technológiák tovább mélyítik a szakadékot azok között, akik már képesek és akik erre nem képesek. Emellett ebben az összefüggésben a GenAI-n alapuló támogatási eszköz hatékonyan működik egy szakértői rendszerként (azaz az emberi kérések esetében a GenAI hoz létre). Fontos itt megvizsgálni, hogy milyen szintű emberi felügyeletre van szükség.  

A harmadik kérdés arra vonatkozik, hogy jelenleg hogyan szervezik meg a programozással és programozással kapcsolatos készségfejlesztést. Formális keretek között a kódolási készségek műhelyfoglalkozások vagy bizotcampok formájában jelennek meg – adott esetben konkrét kódolási nyelvek vagy általánosabb, problémaalapú tevékenységek köré szerveződnek. A nem formális környezetek attól függnek, hogy az egyének különböző online forrásokon keresztül saját tanulási útvonalaikat alakítják-e ki, alternatív offline tapasztalatokkal keverve.  

A GenAI-eszközök az alacsony küszöbértékű időben nyújtott támogatással bővíthetik ezeket a tevékenységeket annak érdekében, hogy megtalálják a szükséges intézkedéseket, ezáltal hatékonyabbá és eredményesebbé téve a kódexek létrehozását. Ezen eszközök használata azonban továbbra is a válaszok emberi meghatározó helytállóságán és a szoftverkimenet elfogadhatóságán alapul. Itt fennáll a veszélye annak, hogy a GenAI-eszközök célrendszersé válhatnak, ahol az emberi tanuló csak egy közvetlen cél elérésére használja azt, anélkül, hogy mélyreható ismereteket szerezne a programozásról.

A programozással és programozással kapcsolatos készségfejlesztésre gyakorolt hatások a GenAI korában

Egyértelmű, hogy a GenAI számos lehetőséget kínál a küszöb csökkentésére a nagyközönség körében, hogy ne csak a szoftvertervezést kezdje meg, hanem azt is, hogy a szoftvereket a mindennapi környezetben ténylegesen használják. Sok tanuló számára valójában az alacsony küszöbérték is motiváló tényező lehet a programozásban való részvételre. Annak biztosítása érdekében azonban, hogy az emberek még mindig mélyreható ismereteket szerezzenek a programozásról – és nem csupán a GenAI-t olyan eszköznek tekintsék, amely képes átvenni a programozással kapcsolatos kényes munkát –, néhány óvintézkedést még meg kell tenni. 

Először is a programozást olyan írástudásként kell megközelíteni, amely beágyazható a formális oktatási rendszerbe. Bár már történtek erőfeszítések annak érdekében, hogy a programozást beépítsék a tanulságokra vonatkozó tervekbe és tantervekbe, rendszerszintűbb változásra van szükség (Rea, 2022; Vee, 2017). A digitális készségekre vonatkozó, fent felsorolt kulcsfontosságú keretek nagyobb betekintést nyújtanak e készségek összetettségébe, és árnyaltabb megközelítést kínálnak a fejlesztésükhöz.  

Másodszor, az embereknek tisztában kell lenniük a mesterséges intelligencia korlátaival is: mit tehet és mit nem tehet, és mit sem tehet, és mit nem kellene tennie. A mesterségesintelligencia-technológia természeténél fogva átveszi az emberek bizonyos döntéshozatali tevékenységeit. Bár ez a kreatív számos pozitív lehetőség (például sokkal több adatot tud kezelni, mint egy embert), komoly kockázatokkal is jár, amelyeket az embereknek tisztában kell lenniük e rendszerek használata során. Politikai szinten ezt az utat emeljük ki. A DigComp legújabb változata magában foglalja az MI-rendszerek ismeretét mint minden polgár kompetenciáját. A mesterséges intelligenciáról szóló uniós jogszabály elhelyezi a védőkorlátokat ebben a környezetben, és tisztázza, hogy mik az alacsony, magas és elfogadhatatlan kockázatok a mesterségesintelligencia-eszközökkel való munkavégzés során.  

Harmadszor, kifejezetten a kódoláshoz hasznos néhány bevált gyakorlatot és iránymutatást feltárni. A GenAI kétségtelenül jelentős hatással lesz a programozás gyakorlatára. Elméletben ez csökkenti a küszöbértéket, és több ember számára nyit lehetőséget a kódolás elsajátítására, különösen azok számára, akik a technikai részletek és a írókód körüli gépészek miatt elvesztették motivációjukat. Ahhoz, hogy ezeket a GenAI-eszközöket hatékonyan használjuk, először is megfelelő útmutatókat és megállapodásokat kell kialakítanunk arra vonatkozóan, hogy ezeket az eszközöket hogyan és mikor lehet felhasználni.

A GenAI kódolásra történő használata során egyértelmű, hogy a számítógép olyan kódot ír, amelyet az emberek használni fognak. De hogyan gondoskodunk arról, hogy megbízhassunk ebben a kódexben? Ebben a forgatókönyvben már nincs abszolút emberi felügyelet. Milyen minőség-ellenőrzési és minőségügyi eljárásokat vezettek be annak biztosítása érdekében, hogy a GenAI-kódex továbbra is megbízható maradjon? Szükség van-e új tesztelési eljárásokra ebben az új kontextusban, és mik lennének azok? Ugyanilyen hasznos vitát nyitni arról, hogy mit jelent a bizalom, és melyek azok a mutatók, amelyek jelzik a mesterséges intelligencia megbízhatóságát. Az egyik lehetőség az új minőségi címkék használata vagy a mesterséges intelligencia használatának meghatározása az etikai kódexekben, például az újságírás ágazatában, ahol a GenAI íróeszközeinek használata növekszik (Raad van Journalistiek, 2023).

Végezetül fontos, hogy a szoftverkódolás és -programozás terén továbbra is elismerjük és értékeljük a kézművességet. Sok alkotó számára a kódolás a kézművesség nyelve, ami értelmi kihívásokat és kognitív elégedettséget biztosít számukra a formatervezési minták elérésekor, de eredményeik nagyrészt elrejtve vannak. Hogyan lehet ezeket láthatóbbá tenni és elismerni eredményeiket? Ezekben az esetekben nem korlátozhatjuk jövőképünket a programozás hasznosító értékére, hanem az abban rejlő készségeket és kézművességet is értékelnünk kell. Emellett az emberek a kódírás gyakorlatával való együttműködés révén fejlesztik a programozás alapos ismeretét, ami alapot ad számukra a kódolás nyelvének javításához, valamint a programozás új és továbbfejlesztett nyelveinek létrehozásához. Más szóval, ha tovább akarjuk javítani a szoftverkódolást, elegendő emberre van szükségünk, akik maguk írják a kódot. Fontos az emberi készségek újraértékelése.

A jövő útjai  

A generatív mesterséges intelligencia számos lehetőséget kínál a szoftverkódolás és -programozás területén, ami potenciálisan megkönnyítheti, hogy több ember vegyen részt a programozásban és saját alkalmazásokat hozzon létre. Ez hatalmas lehetőséget jelent a szoftveralkotás demokratizálódására, azaz megnyitja azokat, akik esetleg nem voltak motiváltak arra, hogy tanuljanak, vagy önmaguknak látták. A GenAI a kódírási folyamatot is hatékonyabbá teheti az idő- és erőfeszítés szempontjából. Hátrány azonban, hogy a kódexek megfelelő emberi felügyelet nélküli automatizált kidolgozására való túlzott támaszkodás a minőség elvesztését és a kódolási gyakorlat javítására kínálkozó lehetőségek hiányát eredményezheti.

Ami a jövőt illeti, láthatunk néhány általános feltárási utat. 

A célnak megfelelő szoftver emberi rálátásból származik, amely összehangolja az érzékelt igényeket, a műszaki követelményeket a technológiai tervezéssel, az alkalmazással és az esetleges használattal. A szoftvereknek még összetett emberi környezetben kell működniük, és az emberek képesek leginkább megbirkózni ezzel a komplexitással. Alapvető fontosságú azonban, hogy megtaláljuk az egyensúlyt a GenAI általi automatizált kódolási lehetőségek és az emberi kódexírás vagy a felügyelet egyéb formái között, ami elegendő emberi betekintést biztosít majd ebbe a folyamatba, és lehetővé teszi annak hatékony javítását a jövőben. A szoftverfejlesztés minőségbiztosítási folyamatai már most is egyre kiteljesedőbbek, a „Shift Baloldal” felé való elmozdulással, azaz a szoftverfejlesztési folyamat korábbi minőségbiztosításával, és ezt a folyamat során végig folytatják. Más szóval a hatékony kódexírási szakasz elérése előtt számos minőségi biztosítékot lehetne előirányozni. A kódíráshoz nyújtott GenAI-támogatás ezt követően egy szélesebb körű minőségi fejlesztési folyamatba illeszkedik, amelynek erősségeit optimálisan használják fel.

---

Kulcsszó

Generatív mesterséges intelligencia, ChatGPT, készséghiány, kódolás, programozás, szoftverfejlesztés

Letöltés 

Töltse le a „Coding and programming skills in the age of GenerativeAI” (Kódolási és programozási készségek a GenerativeAI korában) című teljes dokumentumot, valamint a hivatkozások bibliográfiáját itt és alább. 

---

A szerzőről

Dr. Kamakshi Rajagopal interdiszciplináris kutató és szabadúszó tanácsadó az oktatástervezés és a technológia területén, és jelentős tapasztalattal rendelkezik a hálózatba kapcsolt tanulási és társadalmi tanulási formák terén, innovatív technológiák támogatásával. A KU Leuvenből (2003) és a mesterséges intelligenciából (2004) szerzett mesterfokozatot (KU Leuven, Belgium). 2013-ban befejezte doktori kutatását az Open Universiteiten (NL) a személyes tanulási hálózatok és a folyamatos szakmai fejlődés szempontjából vett értékük vizsgálata során. Jelenleg tanulmányozza a tanulási környezet összetettségét, és konkrétabban azt, hogy miként lehet támogatni a tanárokat és a tanulókat e komplexitás kezelésében. Dr. Rajagopal több (nemzeti finanszírozású és európai) együttműködésen alapuló kutatási projektet dolgozott ki az alap-, közép- és felsőfokú oktatásban a közszférából, az iparból és a civil társadalomból származó partnerekkel. Projektjeinek néhány példája a tanári hálózatoknak az oktatási innovációban betöltött szerepéről, a felsőoktatásban a disszertációs körökről, az együttműködésen alapuló hibrid tanulási terekben végzett multimodális mérésről, valamint a virtuális mobilitás felsőoktatási intézményekben való általános érvényesítéséről szól. 2023 óta az informatikai és üzleti tanácsadás terén folytatott tanuláson és fejlesztésen dolgozik.

Cikk Information