Цілком погоджуюсь з думкою професора Ву Ен Да, що AI може допомогти програмістам з базовими знаннями мов програмування швидко освоїти нову мову. Він також підкреслив важливість розуміння основних концепцій, що стоять за мовою:
---
Однак все одно важливо розуміти концепції, що стоять за різними мовами. Ось чому вивчення принаймні однієї мови, такої як Python, все одно дасть вам міцну основу для кращого спонукання LLM генерувати код на Python або інших мовах. Якщо ви переходите з однієї мови програмування на іншу, яка виконує схоже завдання, але має інший синтаксис — скажімо, з JS на TS, або з C++ на Java, або Rust to Go — після того, як ви освоїте концепції першої мови, ви також освоїте більшість концепцій, необхідних для того, щоб спонукати LLM писати код другою мовою. (Хоча TensorFlow і PyTorch не є мовами програмування, вивчення концепцій глибокого навчання, що лежать в основі TensorFlow, також полегшить змусити LLM писати код PyTorch для вас, і навпаки!) Крім того, ви зможете зрозуміти більшу частину згенерованого коду (що, можливо, потрібно буде трохи пояснити за допомогою LLM).
Різні мови програмування відображають різні підходи до організації обчислень, тому важливо розуміти ці концепції. Наприклад, якщо людина не розуміє такі поняття, як масиви, словники, кеш і пам'ять, тоді, коли вона просить LLM писати код більшістю мов, результат буде гіршим.
Аналогічно, розробник на Python, який хоче робити більше front-end розробки за допомогою JS, отримав би велику користь, якби він міг вивчити деякі концепції, що лежать в основі фронтенд-системи. Наприклад, якщо ви хочете, щоб LLM створював інтерфейс за допомогою фреймворку React, корисно зрозуміти, як React розбиває інтерфейс на багаторазово використовувані компоненти інтерфейсу користувача, і як він оновлює структуру даних DOM, яка визначає довжину веб-сторінки. Це дозволяє бути точнішим з LLM і знати, як їх виправити, якщо щось піде не так. Так само, якщо ви хочете, щоб LLM писали для вас код CUDA або ROCm, корисно зрозуміти, як графічні процесори організовують обчислення та пам'ять.
Як людина, яка володіє кількома людськими мовами, може легше спілкуватися з іншими, так і LLM дозволяє розробникам простіше створювати системи в різних середовищах. Якщо ви ще не пробували, я закликаю вас спробувати, щоб LLM написав трохи коду тією мовою, яку ви хочете вивчити, але, можливо, ще не знайшли часу на це, і подивитися, чи зможе він допомогти вам запустити деякі нові додатки.
Ця сторінка може містити контент третіх осіб, який надається виключно в інформаційних цілях (не в якості запевнень/гарантій) і не повинен розглядатися як схвалення його поглядів компанією Gate, а також як фінансова або професійна консультація. Див. Застереження для отримання детальної інформації.
Цілком погоджуюсь з думкою професора Ву Ен Да, що AI може допомогти програмістам з базовими знаннями мов програмування швидко освоїти нову мову. Він також підкреслив важливість розуміння основних концепцій, що стоять за мовою:
---
Однак все одно важливо розуміти концепції, що стоять за різними мовами. Ось чому вивчення принаймні однієї мови, такої як Python, все одно дасть вам міцну основу для кращого спонукання LLM генерувати код на Python або інших мовах. Якщо ви переходите з однієї мови програмування на іншу, яка виконує схоже завдання, але має інший синтаксис — скажімо, з JS на TS, або з C++ на Java, або Rust to Go — після того, як ви освоїте концепції першої мови, ви також освоїте більшість концепцій, необхідних для того, щоб спонукати LLM писати код другою мовою. (Хоча TensorFlow і PyTorch не є мовами програмування, вивчення концепцій глибокого навчання, що лежать в основі TensorFlow, також полегшить змусити LLM писати код PyTorch для вас, і навпаки!) Крім того, ви зможете зрозуміти більшу частину згенерованого коду (що, можливо, потрібно буде трохи пояснити за допомогою LLM).
Різні мови програмування відображають різні підходи до організації обчислень, тому важливо розуміти ці концепції. Наприклад, якщо людина не розуміє такі поняття, як масиви, словники, кеш і пам'ять, тоді, коли вона просить LLM писати код більшістю мов, результат буде гіршим.
Аналогічно, розробник на Python, який хоче робити більше front-end розробки за допомогою JS, отримав би велику користь, якби він міг вивчити деякі концепції, що лежать в основі фронтенд-системи. Наприклад, якщо ви хочете, щоб LLM створював інтерфейс за допомогою фреймворку React, корисно зрозуміти, як React розбиває інтерфейс на багаторазово використовувані компоненти інтерфейсу користувача, і як він оновлює структуру даних DOM, яка визначає довжину веб-сторінки. Це дозволяє бути точнішим з LLM і знати, як їх виправити, якщо щось піде не так. Так само, якщо ви хочете, щоб LLM писали для вас код CUDA або ROCm, корисно зрозуміти, як графічні процесори організовують обчислення та пам'ять.
Як людина, яка володіє кількома людськими мовами, може легше спілкуватися з іншими, так і LLM дозволяє розробникам простіше створювати системи в різних середовищах. Якщо ви ще не пробували, я закликаю вас спробувати, щоб LLM написав трохи коду тією мовою, яку ви хочете вивчити, але, можливо, ще не знайшли часу на це, і подивитися, чи зможе він допомогти вам запустити деякі нові додатки.
Продовжуйте будувати!
Андрій