人工智能正在创造一代文盲程序员

几天前,Cursor 在 ChatGPT 中断期间瘫痪。

我盯着终端,面对着那些我讨厌看到的红色错误消息。AWS 错误也闪现在我眼前。我不想在没有 AI 帮助的情况下解决问题。

经过 12 年的编程生涯,我的编程技术却越来越差了。这并不是夸张,这是软件开发人员面临的新现实。

衰败

它悄悄地向我袭来。

首先,我不再阅读文档。既然人工智能可以立即解释一切,那为什么还要费心阅读呢?

然后,我的调试技能受到了打击。现在,没有人工智能,堆栈跟踪就感觉无法理解。我甚至不再阅读错误消息,我只是复制并粘贴它们。

我已经成为了一个人体剪贴板,仅仅是我的代码和法学硕士学位之间的中介。

以前,每条错误信息都会让我学到一些东西。现在呢?解决方案神奇地出现了,我却什么也没学到。即时答案带来的多巴胺刺激取代了真正理解的满足感。

下一个受到影响的是深度理解。还记得花费数小时来理解解决方案为何有效吗?现在,我只需实施 AI 建议即可。如果这些建议不起作用,我会改进上下文,然后再询问 AI。这是一个依赖性不断增加的循环。

接下来是情绪上的变化。以前,解决新问题是编程乐趣的一部分。现在,如果人工智能不能在 5 分钟内给我一个解决方案,我就会感到沮丧。

最可怕的是什么?我正在开发一个人工智能驱动的开发工具,但我却无法摆脱这种感觉:我正在加剧侵蚀我们集体技能的问题。

康复计划

我并不是建议采取任何激进的措施,比如完全放弃人工智能------这是不现实的。相反,我会从"无人工智能日"开始。每周有一天:

  • 完整阅读每条错误信息
  • 再次使用实际的调试器
  • 从头编写代码
  • 阅读源代码而不是询问AI

说实话,这太糟糕了。我感觉自己变得更慢、更笨、更沮丧。

但我也看到了差异。我感觉与代码的联系更加紧密,并且有了主人翁意识,而这种感觉随着人工智能的出现而逐渐消失。此外,我学到了很多东西。

(令人不安的)事实

我们不会凭借 AI 成为 10 倍开发人员。

我们对人工智能的依赖程度 正在增加 10 倍。这是有区别的。

每当我们让人工智能解决我们自己可以解决的问题时,我们就会用长期理解来换取短期生产力。我们以牺牲明天的能力为代价来优化今天的承诺。

我并不是建议我们放弃人工智能工具------这条船已经起航了。但我们需要交战规则。以下是我的一些想法:

  • 如果你还没有尝试去理解这些问题,那么就无法使用人工智能
  • 阅读并理解所有 AI 建议的解决方案
  • 无需人工智能协助的定期编码
  • 关注学习模式,而不仅仅是解决眼前的问题

说实话,我不认为我能一直遵守这些规则。但这是一个开始,我坚信任何刚接触编程的人都应该遵守所有这些规则。

现在,在某个地方,有一位新程序员正在学习编程。他们永远无法体会到真正独立解决问题的满足感。他们永远无法体会到花上几个小时与 bug 搏斗所带来的深刻理解。

我们正在创造一代开发人员,他们可以向人工智能提出正确的问题,但无法理解答案。每次人工智能出现故障,他们就会显得越来越无助。到目前为止,人工智能还不足以完全取代程序员,但随着人工智能的进步,这种情况只会变得更糟。真正的问题不是人工智能是否会取代程序员。而是我们是否在取代我们自己。

尝试一天不使用 AI 进行编码。结果可能会让你大吃一惊。

内容来源

N的博客

相关推荐
Yo_Becky10 分钟前
【PyTorch】PyTorch预训练模型缓存位置迁移,也可拓展应用于其他文件的迁移
人工智能·pytorch·经验分享·笔记·python·程序人生·其他
DeepSeek-大模型系统教程12 分钟前
深入金融与多模态场景实战:金融文档分块技术与案例汇总
人工智能·ai·语言模型·程序员·大模型·大模型学习·大模型教程
xinxiangwangzhi_18 分钟前
pytorch底层原理学习--PyTorch 架构梳理
人工智能·pytorch·架构
yzx99101322 分钟前
关于网络协议
网络·人工智能·python·网络协议
AiTEN_Robot23 分钟前
AGV 无人叉车关键技术问题解析:精准定位算法 / 安全避障逻辑 / 系统对接协议全方案
人工智能·机器人·自动化·制造
云天徽上24 分钟前
【PaddleOCR】OCR常见关键信息抽取数据集,包含FUNSD、XFUND、WildReceipt等整理,持续更新中......
人工智能·计算机视觉·信息可视化·paddlepaddle·paddleocr·文本识别
zskj_zhyl25 分钟前
智绅科技:以科技为翼,构建养老安全守护网
人工智能·科技·安全
刘海东刘海东26 分钟前
结构型智能科技的关键可行性——信息型智能向结构型智能的转换(提纲)
人工智能
Jay Kay1 小时前
TensorFlow源码深度阅读指南
人工智能·python·tensorflow
FF-Studio1 小时前
【硬核数学 · LLM篇】3.1 Transformer之心:自注意力机制的线性代数解构《从零构建机器学习、深度学习到LLM的数学认知》
人工智能·pytorch·深度学习·线性代数·机器学习·数学建模·transformer