Я полностью согласен с мнением профессора У Энда, что искусственный интеллект может помочь в программировании и действительно позволяет людям с уже существующими знаниями языков программирования быстро освоить новый язык. В то же время он также подчеркнул важность понимания основных концепций, стоящих за языком:
---
Однако понимание концепций, стоящих за разными языками, все еще очень важно. Вот почему изучение хотя бы одного языка, такого как Python, по-прежнему может дать вам прочную основу для более успешного запроса к LLM на генерацию кода на Python или другом языке. Если вы переходите с одного языка программирования на другой, который может выполнять аналогичные задачи, но с другой синтаксисом — например, с JS на TS, или с C++ на Java, или с Rust на Go — как только вы освоите концепции первого языка, вы также освоите большинство концепций, необходимых для запроса к LLM о написании кода на втором языке. (Хотя TensorFlow и PyTorch не являются языками программирования, изучение концепций глубокого обучения, стоящих за TensorFlow, также может помочь вам легче заставить LLM писать код на PyTorch, и наоборот!) Кроме того, вы сможете понять большую часть сгенерированного кода (возможно, потребуется немного помощи от LLM, чтобы объяснить его вам).
Разные языки программирования отражают различные подходы к организации вычислений, и понимание этих концепций по-прежнему очень важно. Например, если человек не понимает такие концепции, как массивы, словари, кэш и память, то, когда он заставляет LLM писать код на большинстве языков, результат будет хуже.
Таким образом, Python-разработчик, который хочет заниматься более активной фронтенд-разработкой с использованием JS, получит огромную пользу от изучения концепций, стоящих за фронтенд-системами. Например, если вы хотите, чтобы LLM строил фронтенд с помощью фреймворка React, то понимание следующих аспектов будет для вас очень полезным: как React разбивает фронтенд на переиспользуемые UI-компоненты и как он обновляет структуру данных DOM, определяющую внешний вид веб-страницы. Это позволит вам более точно формулировать требования к LLM и знать, как исправить ошибки, если они возникнут. Точно так же, если вы хотите, чтобы LLM помогал вам писать код на CUDA или ROCm, понимание того, как GPU организует вычисления и память, также будет очень полезным.
Как и человек, владеющий несколькими языками, который может легче общаться с другими, LLM также позволяет разработчикам легче строить системы в различных средах. Если вы еще не пробовали, я призываю вас попробовать заставить LLM написать немного кода на языке, который вы хотите выучить, но, возможно, еще не нашли времени на его изучение, и посмотреть, сможет ли он помочь вам запустить некоторые новые приложения.
На этой странице может содержаться сторонний контент, который предоставляется исключительно в информационных целях (не в качестве заявлений/гарантий) и не должен рассматриваться как поддержка взглядов компании Gate или как финансовый или профессиональный совет. Подробности смотрите в разделе «Отказ от ответственности» .
Я полностью согласен с мнением профессора У Энда, что искусственный интеллект может помочь в программировании и действительно позволяет людям с уже существующими знаниями языков программирования быстро освоить новый язык. В то же время он также подчеркнул важность понимания основных концепций, стоящих за языком:
---
Однако понимание концепций, стоящих за разными языками, все еще очень важно. Вот почему изучение хотя бы одного языка, такого как Python, по-прежнему может дать вам прочную основу для более успешного запроса к LLM на генерацию кода на Python или другом языке. Если вы переходите с одного языка программирования на другой, который может выполнять аналогичные задачи, но с другой синтаксисом — например, с JS на TS, или с C++ на Java, или с Rust на Go — как только вы освоите концепции первого языка, вы также освоите большинство концепций, необходимых для запроса к LLM о написании кода на втором языке. (Хотя TensorFlow и PyTorch не являются языками программирования, изучение концепций глубокого обучения, стоящих за TensorFlow, также может помочь вам легче заставить LLM писать код на PyTorch, и наоборот!) Кроме того, вы сможете понять большую часть сгенерированного кода (возможно, потребуется немного помощи от LLM, чтобы объяснить его вам).
Разные языки программирования отражают различные подходы к организации вычислений, и понимание этих концепций по-прежнему очень важно. Например, если человек не понимает такие концепции, как массивы, словари, кэш и память, то, когда он заставляет LLM писать код на большинстве языков, результат будет хуже.
Таким образом, Python-разработчик, который хочет заниматься более активной фронтенд-разработкой с использованием JS, получит огромную пользу от изучения концепций, стоящих за фронтенд-системами. Например, если вы хотите, чтобы LLM строил фронтенд с помощью фреймворка React, то понимание следующих аспектов будет для вас очень полезным: как React разбивает фронтенд на переиспользуемые UI-компоненты и как он обновляет структуру данных DOM, определяющую внешний вид веб-страницы. Это позволит вам более точно формулировать требования к LLM и знать, как исправить ошибки, если они возникнут. Точно так же, если вы хотите, чтобы LLM помогал вам писать код на CUDA или ROCm, понимание того, как GPU организует вычисления и память, также будет очень полезным.
Как и человек, владеющий несколькими языками, который может легче общаться с другими, LLM также позволяет разработчикам легче строить системы в различных средах. Если вы еще не пробовали, я призываю вас попробовать заставить LLM написать немного кода на языке, который вы хотите выучить, но, возможно, еще не нашли времени на его изучение, и посмотреть, сможет ли он помочь вам запустить некоторые новые приложения.
Продолжайте строить!
Андрей