Hvilken gruppe tror du er større: profesjonelle dataprogrammerere eller databrukere som driver med noe programmering? Det er sistnevnte. Det finnes millioner av såkalte sluttbrukerprogrammerere. Mange av disse individene jobber ikke mot en karriere som profesjonelle programmerere eller datavitere; i stedet går de inn i felt som business, undervisning, juss og ulike andre yrker der litt programmering øker deres effektivitet. Tiden der programmerere var begrenset til programvareutviklingsbedrifter er over. Hvis du har laget formler i Excel, filtrert e-post ved bruk av regler, modifisert et spill, skrevet skripter i Photoshop, brukt R for dataanalyse, eller automatisert repetitive oppgaver, kvalifiserer du som en sluttbrukerprogrammerer. Som utdannere som underviser i programmering, har vi som mål å hjelpe studenter fra ikke-datavitenskapelige fag med å nå sine mål. Det å mestre programmering tilstrekkelig til å lage komplette programmer kan imidlertid være en overveldende oppgave å oppnå i ett enkelt kurs, gitt den store mengden kunnskap som kreves om programmeringsspråket selv. Her kan kunstig intelligens være til hjelp. Ned i Kaninhullet Mange studenter opplever at det å lære syntaksen i et programmeringsspråk, som riktig plassering av kolon og innrykk, tar betydelig tid. For de som bare ønsker å bruke koding som et verktøy for problemløsning, heller enn som en ferdighet å mestre, kan dette fokuset på syntaks føles lite produktivt. Som følge av dette mener vi at våre nåværende kurs ikke har støttet disse studentene tilstrekkelig. Noen studenter sliter til og med med å skrive små funksjoner, distinkte kodebiter, for ikke å snakke om komplette programmer som kunne forbedret livene deres. Verktøy som bruker store språkmodeller, som GitHub Copilot, har potensial til å endre disse resultatene.

Disse verktøyene har allerede transformert hvordan profesjonelle koder, og vi tror de kan hjelpe fremtidige sluttbrukerprogrammerere med å utvikle programvare som er relevant for dem. Disse AI-verktøyene genererer vanligvis syntaktisk korrekt kode og kan ofte lage små funksjoner basert på beskjeder på klart engelsk. Ved å la studentene håndtere lavere nivåer av programmeringsdetaljer med disse verktøyene, kan de fokusere på bredere, mer konseptuelle spørsmål knyttet til programvareutvikling. Mange universiteter begynner nå å integrere Copilot i sine programmeringskurs. Ved University of California, San Diego, har vi utviklet et introduksjonskurs i programmering som primært retter seg mot studenter som ikke er datavitenskapelige, hvor Copilot er integrert. I dette kurset lærer studentene programmering med Copilot som hjelp gjennom vårt pensum. Kurset legger vekt på høynivåkonsepter, som å bryte ned store oppgaver i håndterbare segmenter, sikre korrektheten i kode gjennom testing og feilsøke feilaktig kode. Styrket til å takle problemer I dette kurset gir vi studentene betydelige, åpne prosjekter, og resultatene har overgått våre forventninger. For eksempel utviklet en student i et prosjekt som fokuserte på å finne og analysere datasett på nettet—en nevrovitenskapsstudent—et verktøy for datavisualisering for å vise hvordan alder og andre variabler påvirker slagriskiko. I et annet prosjekt integrerte studentene sin personlige kunst i et collage, ved å bruke filtre de designet med Python. Slike prosjekter presser grensene for hva vi tidligere kunne ha bedt studentene om før fremveksten av store språkmodell-AI. Blant diskusjoner omkring AI som negativt påvirker utdannelse ved å gjøre studenters lekser eller skrive essays, kan det være overraskende for deg å høre utdannere som oss diskutere fordelene. AI, som ethvert verktøy skapt av mennesker, kan være gunstig i bestemte sammenhenger mens det potensielt kan være lite nyttig i andre. I vårt introduksjonskurs i programmering, som primært retter seg mot studenter som ikke er datavitenskapsstudenter, opplever vi direkte hvordan AI kan styrke studentene på verdifulle måter, med løfte om å øke antallet sluttbrukerprogrammerere betydelig.