KI-Codierung verhindert Expertise: Warum Nachwuchsentwickler ohne Reibung scheitern

// Die Notwendigkeit von anhaltender Reibung für die langfristige Kompetenzentwicklung.

Der Untertitel der Geschichte sagt alles.

Es gibt Menschen, die Reibung suchen. Denken Sie an einen Sportler oder einen Hardcore-Nerd.

Die besten Ingenieure sind diejenigen, die als Kinder von Computern und Lernen fasziniert waren und es bei jeder Gelegenheit verfolgt haben. Sie haben also ihre eigene Reibung gefunden.

Für solche Menschen ist die Suche nach Reibung die Konstante, und was LLMs getan haben, ist, den Punkt zu verschieben, an dem die Reibung auftritt.

Zum Beispiel hatten die besten Ingenieure, mit denen ich gearbeitet habe, nicht unbedingt viel Erfahrung mit dem Programmieren in Assembler, weil diese Art von Reibung nicht mehr notwendig war. Aber sie konnten schwierige Probleme lösen (und wenn ein Problem wirklich Assembler erforderte, konnten sie es lernen).

Was meiner Meinung nach von KI viel härter getroffen wird, ist der Ingenieur der unteren Ebene. Jemand, der nie wirklich neugierig und engagiert war, für den es nur ein Job war. Zum Beispiel eine typische Offshore-Ticket-Schieber-Person. Diese Art von Person hat nie Reibung gesucht, und das ist etwas, das nie wieder funktionieren wird – wenn ich mittelmäßig oder durchschnittlich will, reichen die LLMs aus.

Die Schlange, die sich in den eigenen Schwanz beißt, wird bei der LLM-Softwareentwicklung wirklich mit einem Achselzucken quittiert, wann immer es zur Sprache kommt. Im besten Fall gibt es eine kleine Kohorte von Entwicklern, die ihr Gehirn nicht mit KI verkochen, und ihre Belohnung dafür scheint zu sein, dass sie schrecklichen KI-Code überprüfen müssen, der von Leuten geschrieben wurde, die ihr Gehirn verkohlt haben.

Völlig unhaltbar.

Als Technologie-Pädagoge stimme ich zu 100 % zu. LLMs werden nicht zu einem "neuen Compiler" werden, bei dem wir uns keine Sorgen mehr um den Code machen müssen. Es gibt einen Grund, warum wir deterministischen Systemen vertrauen.

Ich habe mir darüber viele Gedanken gemacht, ich habe sogar eine Agent-Fähigkeit namens do-i-understand erstellt, die für Anfänger-Entwickler gedacht ist (und auch für erfahrene, wegen der Atrophie), bei der das LLM dir Fragen zu dem PR stellt, den du einreichen willst. Ich habe festgestellt, dass es sehr hilft: https://github.com/AnthonyPAlicea/skills/blob/main/skills/do...

So oder so wird es eine Abrechnung mit den Fähigkeiten geben.

Ich stimme dem Konzept, dass kognitive Reibung der Motor des Lernens ist, stark zu.

In erster Linie ist es eine Frage der "Abhängigkeit": Wenn du aufhörst, den "Muskel" der Logik und des Denkens zu trainieren, verkümmert er allmählich, genau wie ungenutzte physische Muskeln. Du wirst abhängig von externen Werkzeugen, die eine Fähigkeit ersetzen, die du einmal selbst hattest.

Ein historisches Beispiel, das einen ähnlichen Wandel mit sich brachte, ist dieses: Als der Produktionsprozess vom Geist und den Händen des Handwerkers zur Fordistischen Fabrik (und dem Fließband) überging, verlagerte sich die Fähigkeit, Dinge zu bauen, von der menschlichen Handwerkskunst zu anonymen, strukturierten Prozessen.

Nach und nach verloren die traditionellen Handwerker ihr Wissen und ihr "Know-how". Heute hängt es von einer massiven Produktions- und Lieferkette ab, ob wir ein Möbelstück in unserem Haus haben; der "Durchschnittsmensch" hat nicht mehr die Fähigkeit, es selbst zu bauen.

Genau dasselbe passiert mit Software.

Wir sind die (jetzt "ehemaligen") Software-Handwerker.

Ich glaube, die wahrscheinlichste Folge von KI ist die Förderung von Generalisten: Menschen, die über Fachwissen in einem Bereich verfügen, interdisziplinär arbeiten können und genug Programmierkenntnisse haben, um die LLMs auf Kurs zu halten. Ich glaube nicht, dass "reine" Softwareentwickler am Ende so hoch geschätzt werden wie im letzten Jahrzehnt, obwohl ich auch denke, dass das für andere Disziplinen ebenso gelten wird. Nur als Beispiel: In der Signalverarbeitung ist es nicht ungewöhnlich, dass eine Person den allgemeinen Algorithmus entwirft und eine andere Person sich der Implementierung des Algorithmus im eingebetteten System widmet. Mit der Qualität von Codierungsagenten ist es nicht wirklich notwendig, beide Personen zu haben. Eine Person, die in beiden Bereichen mäßig erfahren ist, kann den Job jetzt erledigen.

Das scheint leider sehr wahr zu sein.

Gerade gestern habe ich etwas kniffliges JavaScript implementiert (nicht meine Hauptsprache) – beim Hover n Nachbarn auf jeder Seite anzeigen, und wenn auf einer Seite ein Defizit besteht, auf die andere Seite erweitern. Nach etwa 20 Minuten Kampf, die Offsets genau richtig hinzubekommen, habe ich nachgegeben und einfach einen Agenten gebeten, es zu tun.

Ich bin sicher, ich hätte es immer noch schaffen können, aber es hat mich traurig gemacht, dass ich es nicht so schnell hinbekam, wie ich glaube, dass ich es früher konnte. Atrophie könnte bereits im Spiel sein.

TBH, es war schon ziemlich schlimm. Es gibt einen deutlichen Unterschied zwischen den Besten und dem Durchschnitt, meiner Erfahrung nach. Die oberen, sagen wir, zehn Prozent der Programmierer sind allen anderen bei allem außer Boilerplate-Klebercode (der immer noch gebraucht wird und sowieso besser von durchschnittlichen Programmierern gemacht wird) weit überlegen.

Das spreche ich aus meiner Erfahrung als Systems-/C/C++-Typ. Wenn du ein JS-Web-Frontend-Typ bist, Python oder was auch immer, habe ich keine Ahnung, ob das auf dich zutrifft.

Ja, und es spielt keine Rolle.

Code in Programmiersprachen zu schreiben, ist eine Fähigkeit/Notwendigkeit, die von uns geschaffen wurde, um Computern mitzuteilen, was wir von ihnen wollen.

Ursprünglich in den 60er Jahren geschah dies durch das Verbinden von Schaltkreisen auf die eine oder andere Weise (denken Sie an ENIAC). Dann entwickelten wir "programmierbare" Computer und entwickelten eine Reihe von Codes (Computerbefehle), die diese Kabel abstrahierten.

Dann schufen wir Programmiersprachen, um die Hardwarekomplexität weiter zu abstrahieren und unsere Wünsche auf eine Weise aufzuschreiben, die zwischen uns Menschen übertragbarer ist, aber dennoch von Maschinen berechenbar ist.

Aber mit LLMs und neuronalen Netzen werden diese Abstraktionen irgendwann nicht mehr notwendig sein.

Die Computer werden immer noch Berechnungen durchführen, aber die Art und Weise, wie wir ihnen sagen, was wir wollen, wird sich weiterentwickeln.

Es ist faszinierend.

Wir verbringen so viel unserer intellektuellen Zeit und Energie mit Diskussionen über alchemieähnliche Experimente mit verschiedenen Modellen, Agenten, Rahmenwerken, Orchestrierungen.

Und es wird Unmengen von Zeit, Energie und Schrift in Argumente über KI investiert oder darin, Menschen von der Gefahr oder den Problemen zu überzeugen.

Traurigerweise nimmt das alles Zeit in Anspruch, die für echten Fortschritt und das Lernen über Codierung/FP/PL/Algorithmen/Typentheorie usw. genutzt werden könnte.