Saya sangat setuju dengan pandangan Guru Wu En Da, bahwa pemrograman yang dibantu AI memang dapat membantu orang yang sudah memiliki dasar bahasa pemrograman untuk dengan cepat mempelajari bahasa baru, sementara ia juga menekankan pentingnya memahami konsep inti di balik bahasa tersebut.
---
Namun, masih penting untuk memahami konsep di balik bahasa yang berbeda. Itu sebabnya mempelajari setidaknya satu bahasa seperti Python masih akan memberi Anda dasar yang kuat untuk mendorong LLM dengan lebih baik untuk menghasilkan kode dengan Python atau bahasa lain. Jika Anda beralih dari satu bahasa pemrograman ke bahasa pemrograman lain yang menyelesaikan tugas serupa tetapi memiliki sintaks yang berbeda — katakanlah, dari JS ke TS, atau C ++ ke Java, atau Rust to Go — setelah Anda menguasai konsep bahasa pertama, Anda juga menguasai sebagian besar konsep yang diperlukan untuk meminta LLM menulis kode dalam bahasa kedua. (Meskipun TensorFlow dan PyTorch bukan bahasa pemrograman, mempelajari konsep pembelajaran mendalam di balik TensorFlow juga akan mempermudah LLM menulis kode PyTorch untuk Anda, dan sebaliknya!) Selain itu, Anda akan dapat memahami sebagian besar kode yang dihasilkan (yang mungkin perlu dijelaskan sedikit oleh LLM).
Berbagai bahasa pemrograman mencerminkan cara berbeda dalam mengorganisir perhitungan, memahami konsep-konsep ini tetap sangat penting. Misalnya, jika seseorang tidak memahami konsep seperti array, kamus, cache, dan memori, maka saat dia meminta LLM untuk menulis kode dalam sebagian besar bahasa, hasilnya akan kurang baik.
Dengan cara yang sama, seorang pengembang Python yang ingin melakukan lebih banyak pengembangan front-end dengan JS akan sangat diuntungkan jika dia dapat mempelajari beberapa konsep di balik sistem front-end. Misalnya, jika Anda ingin membuat LLM membangun front-end menggunakan framework React, maka memahami hal-hal berikut akan sangat membantu: bagaimana React membagi front-end menjadi komponen UI yang dapat digunakan kembali, dan bagaimana ia memperbarui struktur data DOM yang menentukan bagaimana tampilan halaman web. Dengan cara ini Anda dapat memberikan permintaan yang lebih tepat kepada LLM, dan juga tahu bagaimana memperbaiki masalah saat muncul. Demikian pula, jika Anda ingin LLM membantu Anda menulis kode CUDA atau ROCm, maka memahami bagaimana GPU mengorganisir perhitungan dan memori juga akan sangat membantu.
Seperti seseorang yang menguasai berbagai bahasa manusia dapat berkomunikasi dengan orang lain dengan lebih mudah, LLM juga memungkinkan pengembang untuk lebih mudah membangun sistem di berbagai lingkungan. Jika Anda belum mencobanya, saya mendorong Anda untuk mencoba meminta LLM menulis sedikit kode dalam bahasa yang ingin Anda pelajari tetapi mungkin belum sempat Anda pelajari, dan lihat apakah itu dapat membantu Anda menjalankan beberapa aplikasi baru.
Halaman ini mungkin berisi konten pihak ketiga, yang disediakan untuk tujuan informasi saja (bukan pernyataan/jaminan) dan tidak boleh dianggap sebagai dukungan terhadap pandangannya oleh Gate, atau sebagai nasihat keuangan atau profesional. Lihat Penafian untuk detailnya.
Saya sangat setuju dengan pandangan Guru Wu En Da, bahwa pemrograman yang dibantu AI memang dapat membantu orang yang sudah memiliki dasar bahasa pemrograman untuk dengan cepat mempelajari bahasa baru, sementara ia juga menekankan pentingnya memahami konsep inti di balik bahasa tersebut.
---
Namun, masih penting untuk memahami konsep di balik bahasa yang berbeda. Itu sebabnya mempelajari setidaknya satu bahasa seperti Python masih akan memberi Anda dasar yang kuat untuk mendorong LLM dengan lebih baik untuk menghasilkan kode dengan Python atau bahasa lain. Jika Anda beralih dari satu bahasa pemrograman ke bahasa pemrograman lain yang menyelesaikan tugas serupa tetapi memiliki sintaks yang berbeda — katakanlah, dari JS ke TS, atau C ++ ke Java, atau Rust to Go — setelah Anda menguasai konsep bahasa pertama, Anda juga menguasai sebagian besar konsep yang diperlukan untuk meminta LLM menulis kode dalam bahasa kedua. (Meskipun TensorFlow dan PyTorch bukan bahasa pemrograman, mempelajari konsep pembelajaran mendalam di balik TensorFlow juga akan mempermudah LLM menulis kode PyTorch untuk Anda, dan sebaliknya!) Selain itu, Anda akan dapat memahami sebagian besar kode yang dihasilkan (yang mungkin perlu dijelaskan sedikit oleh LLM).
Berbagai bahasa pemrograman mencerminkan cara berbeda dalam mengorganisir perhitungan, memahami konsep-konsep ini tetap sangat penting. Misalnya, jika seseorang tidak memahami konsep seperti array, kamus, cache, dan memori, maka saat dia meminta LLM untuk menulis kode dalam sebagian besar bahasa, hasilnya akan kurang baik.
Dengan cara yang sama, seorang pengembang Python yang ingin melakukan lebih banyak pengembangan front-end dengan JS akan sangat diuntungkan jika dia dapat mempelajari beberapa konsep di balik sistem front-end. Misalnya, jika Anda ingin membuat LLM membangun front-end menggunakan framework React, maka memahami hal-hal berikut akan sangat membantu: bagaimana React membagi front-end menjadi komponen UI yang dapat digunakan kembali, dan bagaimana ia memperbarui struktur data DOM yang menentukan bagaimana tampilan halaman web. Dengan cara ini Anda dapat memberikan permintaan yang lebih tepat kepada LLM, dan juga tahu bagaimana memperbaiki masalah saat muncul. Demikian pula, jika Anda ingin LLM membantu Anda menulis kode CUDA atau ROCm, maka memahami bagaimana GPU mengorganisir perhitungan dan memori juga akan sangat membantu.
Seperti seseorang yang menguasai berbagai bahasa manusia dapat berkomunikasi dengan orang lain dengan lebih mudah, LLM juga memungkinkan pengembang untuk lebih mudah membangun sistem di berbagai lingkungan. Jika Anda belum mencobanya, saya mendorong Anda untuk mencoba meminta LLM menulis sedikit kode dalam bahasa yang ingin Anda pelajari tetapi mungkin belum sempat Anda pelajari, dan lihat apakah itu dapat membantu Anda menjalankan beberapa aplikasi baru.
Terus membangun!
Andrew