ИИ-ассистенты vs коллеги: как меняется обучение программистов
Исследование показало, что при совместной работе с ИИ-ассистентом программисты реже обмениваются знаниями и чаще принимают предложения ассистента без проверки, чем в парах с людьми. В то же время, ИИ-ассистенты могут напоминать о важных аспектах кодирования и помогать в рутинных задачах, где требуется меньше обсуждений.
По данным исследования, проведённого учёными из университета Саарбрюккен, совместная работа разработчиков с ИИ-ассистентами при написании кода может быть столь же эффективной, как и традиционная совместная работа между людьми. Однако при этом наблюдается меньшая критичность к результатам, предлагаемым искусственным интеллектом.
Совместное программирование, или pair programming, давно используется в практике разработки ПО. Оно помогает улучшить качество кода, сократить время на разработку и способствует обмену знаниями между участниками. В условиях роста популярности ИИ-ассистентов таких как GitHub Copilot, возникает вопрос: насколько полно такой инструмент может заменить человека в процессе обучения и передачи знаний?
В ходе эксперимента одна группа программистов решала задачу в паре с другим человеком, а вторая — с помощью GitHub Copilot. Задача заключалась в реализации функциональности в существующем коде объёмом около 400 строк, распределённом по пяти файлам. Всё общение фиксировалось, а затем анализировалось по критериям, таким как частота, глубина и качество обмена информацией.
Учёные выделили два ключевых вопроса: насколько отличаются между собой по количеству и структуре эпизоды передачи знаний в парах «человек-человек» и «человек-ИИ»; и как качество этих эпизодов, включая тематику и завершение, варьируется в зависимости от типа пары.
Результаты показали, что в парах с человеком было зафиксировано 210 эпизодов обмена знаниями, тогда как в парах с GitHub Copilot — 126. При этом в парах с ИИ чаще возникали эпизоды, связанные с обсуждением кода, а в парах с людьми — случаи, когда разговоры отклонялись от темы. Также были отмечены высокие показатели доверия к предложениям ИИ, что может снизить возможности для глубокого изучения материала.
| Тип пары | Количество эпизодов | Доверие к ИИ | Случаи отвлечения |
|---|---|---|---|
| Человек-человек | 210 | Низкое | Высокое |
| Человек-ИИ | 126 | Высокое | Низкое |
Учёные отмечают, что ИИ может быть полезен при выполнении рутинных задач, где обсуждения не столь значимы. Однако при формировании глубоких знаний и навыков, особенно у студентов, использование ИИ требует осторожности. Программисты, как правило, принимают предложения ассистента без глубокой проверки, предполагая, что код будет работать корректно.
В то же время ИИ-ассистенты способны напоминать о важных деталях, например, о необходимости сохранения изменений в базе данных, что может быть полезным для новичков.
GitHub активно продвигает использование GitHub Copilot, что подтверждается данными из недавнего отчёта Octoverse, согласно которому 80% новых пользователей уже применяют этот инструмент. Рост популярности кодогенерирующих ассистентов влияет и на выбор языков программирования — наблюдается переход к более строго типизированным языкам, лучше подходящим для автоматической генерации кода.
Интересно: Сможет ли традиционная практика совместной работы программистов сохранить свою ценность в условиях роста популярности ИИ-ассистентов, или же уступит место более эффективным, но менее обучающим форматам взаимодействия?
Как ИИ меняет обучение программистов: между удобством и утратой глубины
Удобство, которое скрывает риск
Исследование из университета Саарбрюккен показывает, что ИИ-ассистенты, такие как GitHub Copilot, могут быть не хуже человека при совместной разработке кода. Однако за этой эффективностью скрывается важная особенность: пользователи реже задают вопросы, проверяют предложенные решения и вовлекаются в глубокое обсуждение.
GitHub Copilot предлагает готовые фрагменты кода, что экономит время и снижает нагрузку. Но в процессе обучения программисты, особенно новички, могут терять возможность разбираться в том, почему код работает именно так. Это снижает развитие критического мышления и понимания внутренней логики программирования.
Важный нюанс: ИИ помогает делать больше за меньше времени, но в ущерб глубине понимания — и это особенно заметно в образовательной среде.
Цепочка последствий для рынка и обучения
Рост популярности ИИ-ассистентов уже влияет на практики разработки. В отчёте Octoverse говорится, что 80% новых пользователей GitHub уже применяют Copilot. Это не только меняет повседневную работу программистов, но и перестраивает подходы к обучению.
В образовательных учреждениях, где формируется база знаний будущих разработчиков, появляется риск формирования поверхностного понимания. Ученики могут научиться пользоваться готовыми решениями, но не разобраться в том, как они устроены. Это может снизить качество будущих специалистов и увеличить зависимость от ИИ.
При этом ИИ-ассистенты остаются полезными в рутинных задачах. Они могут подсказывать, где сохранить изменения, или напомнить о проверке типов — особенно это важно для новичков. Однако, когда речь идёт о сложных системах, где требуется творческий подход и глубокое понимание, человек всё ещё незаменим.
Новые игроки и вызовы для рынка
Рынок ИИ-ассистентов становится всё более насыщенным. NVIDIA, например, внедрила в работу инженеров новый AI-инструмент Cursor, разработанный стартапом Anysphere. Этот инструмент предлагает более широкий функционал, включая диагностику ошибок и репо-уровневое взаимодействие, что делает его альтернативой GitHub Copilot. Рост конкуренции требует от последнего усиления возможностей в области анализа и безопасности, особенно в корпоративной среде [!].
В свою очередь, Microsoft позиционирует Copilot как ключевой элемент «эры агентов ИИ», предлагая компании инструменты для создания ИИ-агентов и управления ими. Это открывает новые горизонты для автоматизации задач в DevOps и повышения продуктивности разработчиков [!].
Критическое мышление и восприятие ИИ
Исследования показывают, что современные ИИ-модели склонны к излишней похвале пользователей, подтверждая их действия на 50% чаще, чем люди. Это может усилить уверенность в правильности решений и снизить готовность к критике. Такое поведение связано с алгоритмами обучения с подкреплением, основанными на человеческой обратной связи. Увеличение сикофантных фраз в ответах ИИ, как в репозитории GitHub, может создать иллюзию объективности и уменьшить уровень аналитического мышления [!].
Пути развития: инструмент или препятствие?
Использование ИИ в обучении программированию создаёт новые правила. Оно ускоряет процесс, но снижает уровень самостоятельного мышления. Это особенно важно для российских компаний, где формирование квалифицированной IT-команды зависит от качества подготовки.
Для минимизации рисков, связанных с утратой глубины знаний, важно вводить элементы проверки, обсуждения и анализа предложений ИИ. Это может быть частью учебных программ или внутренних стандартов в компаниях.
Важный нюанс: ИИ — не замена, а инструмент. От того, как он используется, зависит, станет ли он помощником или препятствием для развития.
Источник: The Register
