Papalitan ba ng AI ang Computer Science? [Video at Pagsusulit]

Sagot: Hindi papalitan ng AI ang agham pangkompyuter; ia-automate nito ang routine coding habang itinataas ang pamantayan para sa paghatol, pag-iisip ng sistema, at pananagutan. Ang mga estudyante o developer na umaasa lamang sa syntax at kinopyang output ay nagiging mahina; ang mga nakakaintindi ng mga pangunahing kaalaman ay maaaring gumamit ng AI nang ligtas at epektibo.

Mga pangunahing punto:

Mga Pangunahing Kaalaman: Unahin ang mga algorithm, sistema, seguridad, at pag-debug kaysa sa mababaw na pagsasaulo ng syntax.

Pananagutan: Ituring ang AI-generated code bilang draft na gawain na dapat mong i-verify, subukan, at ariin.

Panganib sa antas ng pagsisimula: Bumuo ng mga totoong proyekto dahil ang mga nakagawiang gawain sa mas mababang antas ay maaaring lumiit, mabago, o masipsip ng mga kagamitan.

Kaalaman sa AI: Gumamit ng AI para sa mga paliwanag, paghahambing, at pagsusuri, hindi para sa blind code paste.

Katatagan sa karera: Paglinang ng mga kasanayan sa pagpapasya, komunikasyon, at arkitektura na hindi kayang palitan nang maaasahan ng mga kagamitan.

Mga artikulong maaaring gusto mong basahin pagkatapos nito:

🔗 Papalitan ba ng AI ang mga project manager?
Tuklasin kung paano maaaring baguhin ng AI ang mga tungkulin sa pamamahala ng proyekto.

🔗 Papalitan ba ng AI ang mga parmasyutiko?
Unawain ang epekto ng AI sa trabaho sa parmasya at pangangalaga sa pasyente.

🔗 Papalitan ba ng AI ang mga civil engineer?
Alamin kung paano sinusuportahan ng AI ang mga civil engineer nang hindi pinapalitan ang kadalubhasaan.

🔗 Papalitan ba ng AI ang mga bookkeeper?
Tingnan kung paano binabago ng automation ang mga gawain sa bookkeeping at ang demand sa hinaharap.

1. Ano ang Nagbubuo ng Isang Magandang Bersyon ng Agham Pangkompyuter sa Panahon ng AI? 🧩

Ang isang mahusay na bersyon ng agham pangkompyuter ngayon ay hindi lamang ang "matuto ng Python at umasa." Hindi iyon naging sapat, bagaman nakayanan ito ng mga tao nang ilang panahon.

Ang isang matibay na pundasyon sa agham pangkompyuter ay kinabibilangan ng:

• Mga algorithm at istruktura ng datos - hindi dahil magko-code ka gamit ang kamay ng isang pulang-itim na puno tuwing umaga, kundi dahil kailangan mong maunawaan ang mga kompromiso.

• Pag-iisip ng sistema - mga operating system, network, database, distributed system, mga limitasyon ng hardware.

• Pangangatwirang matematikal - lohika, probabilidad, discrete math, linear algebra kung kinakailangan.

• Paghatol sa software engineering - arkitektura, pagpapanatili, pag-debug, pagsubok, dokumentasyon.

• Kamalayan sa seguridad - dahil ang code na binuo ng AI ay maaari pa ring maging lubhang hindi ligtas.

• Disenyong nakasentro sa tao - ang mga gumagamit ay gumagawa ng mga bagay na hindi mahuhulaan. Palaging. Magplano para diyan.

• AI literacy - pag-alam sa kung ano ang kayang gawin ng mga modelo, kung ano ang hindi nila kayang gawin, at kung saan sila may kumpiyansang nagha-halusinate patungo sa isang hukay.

ng mga propesyonal na lupon ng kurikulum ang agham pangkompyuter bilang isang malawak na disiplina na sumasaklaw sa mga larangan tulad ng mga algorithm, sistema, pagbuo ng software, cybersecurity, agham ng datos, at artificial intelligence -- hindi lamang basta kasanayan sa programming.

Kaya ang mas mainam na tanong ay hindi lamang "Mapapalitan ba ng AI ang Computer Science?" Ito ay: anong bersyon ng computer science ang mabubuhay at magiging mas mahalaga?

Ang sagot ay ang mas malalim na bersyon. Ang bersyong may paghatol.

2. Talahanayan ng Paghahambing: Mga Kasanayan sa AI vs. Agham Pangkompyuter ⚖️

3. Bakit Iniisip ng mga Tao na Papalitan ng AI ang Computer Science 😬

Hindi basta-basta inimbento ng mga tao ang takot na ito. mga AI coding tool . Kaya nilang bumuo ng mga function, magpaliwanag ng mga error, magsulat muli ng code sa ibang wika, gumawa ng mga halimbawa ng API, at gumawa pa nga ng disenteng unang draft ng isang app.

Hindi iyon wala.

Para sa isang baguhan, parang mahika ang pakiramdam. Ita-type mo: “build me a login form with validation,” at lalabas ang boom code. Pagkatapos, hihingi ka ng styling, at lalabas ang mas maraming code. Pagkatapos, hihingi ka ng mga test, at bibigyan ka nito ng parang test. Biglang magtataka ang baguhan, “Teka, bakit ako nag-aaral ng mga loop?”

Maganda naman ang tanong. Pero hindi rin ang buong kwento.

Pinakamalakas ang AI kapag:

• Ang gawain ay mahusay na natukoy.

• Ang padron ay umiiral na sa datos ng pagsasanay.

• Konbensyonal ang kapaligiran.

• Mababa o madaling masubukan ang mga nakataya.

• Maaaring i-verify ng gumagamit ang output.

Nagiging mas magulo ang AI kapag:

• Hindi malinaw ang mga kinakailangan.

• Malaki at magulo ang sistema.

• Mga bagay na may kinalaman sa seguridad.

• Mahalaga ang pagganap.

• Ang bug ay sanhi ng nakatagong konteksto.

• Ang tamang sagot ay nakasalalay sa lohika ng negosyo na walang sumulat.

At 'yung panghuli? Iyan ang karamihan sa mga software para sa produksyon.

Kaya oo, maaaring palitan ng AI ang ilang partikular na gawain sa coding. Ngunit ang pagpapalit ng mga gawain ay hindi katulad ng pagpapalit ng computer science. Ang pala ay maaaring maghukay nang mas mabilis kaysa sa kamay, ngunit hindi nito pinapalitan ang heolohiya. Sige, marahil ay medyo magulo ang metapora na iyan - ngunit naiintindihan mo na.

4. Ang Realidad sa Pamilihan ng Trabaho: Hindi ang Kapahamakan, Hindi rin ang Kaginhawahan 📊

Dito nagiging hindi pangkaraniwang emosyonal ang usapan.

Sa isang banda, ang mga pagtataya sa merkado ng paggawa ay nagpapakita pa rin ng malakas na demand para sa trabahong may kaugnayan sa computing. Tinataya ng US Bureau of Labor Statistics na ang mga tungkulin sa software developer, quality assurance analyst, at tester ay lalago nang mas mabilis kaysa sa karaniwang trabaho, na may inaasahang maraming bakanteng posisyon bawat taon sa buong panahon ng pagtataya. Tinataya rin nito na ang mga trabaho sa computer at information technology sa pangkalahatan ay lalago nang mas mabilis kaysa sa karaniwan.

Sa kabilang banda, pinipilit ng AI ang ilang mga gawaing pang-entry-level. Itinampok ng mga kamakailang ulat tungkol sa pagkakalantad sa AI labor na ang programming at mga gawaing may kaugnayan sa computer ay kabilang sa mga lugar na pinakanalalantad sa AI task automation, lalo na kung saan ang trabaho ay may kasamang routine coding, analysis, o pagsusulat.

Parehong maaaring totoo ang mga bagay na ito. Nakakainis, pero totoo.

Maaaring lumago ang larangan habang ang ilang mga posisyon para sa mga baguhan ay nagiging mas mahirap makuha. Maaaring kailanganin pa rin ng mga kumpanya ang mga software engineer, data engineer, security analyst, AI engineer, infrastructure specialist, at mga computer scientist na mahilig sa pananaliksik. Ngunit maaari nilang asahan na ang mga junior na tao ay makakagawa ng higit pa, mas mabilis, gamit ang mga AI tool mula sa unang araw.

Nangangahulugan ito na ang bagong entry-level bar ay maaaring lumipat mula sa:

"Marunong ka bang magsulat ng code?"

sa:

"Maaari mo bang gamitin ang AI, maunawaan ang code, mahuli ang mga pagkakamali, mapabuti ang arkitektura, ipaliwanag ang mga tradeoff, at hindi aksidenteng magpadala ng isang security disaster?"

Ang dami naman niyan. Medyo bastos pa nga.

5. Mapapalitan ba ng AI ang Computer Science sa mga Unibersidad? 🎓

Hindi, pero kailangang magbago ang edukasyon sa agham pangkompyuter. Sa ilang lugar, nagbabago na ito.

Kadalasang kinabibilangan ng isang tradisyunal na kurso sa agham pangkompyuter ang programming, mga istruktura ng datos, mga algorithm, arkitektura ng kompyuter, mga operating system, mga database, teorya, software engineering, at mga elective tulad ng AI, graphics, cybersecurity, o interaksyon ng tao-computer. Hindi binubura ng AI ang mga paksang iyon. Ginagawa nitong mas apurahan ang marami sa mga ito.

Bakit?

Dahil kung ang AI ang magsusulat ng code, kailangan pa ring may magtanong:

• Epektibo ba ang algorithm na ito?

• Ligtas ba ito sa memorya?

• May sukat ba ang query sa database na ito?

• May kinikilingan ba ang modelong ito?

• Maaari bang atakehin ang sistemang ito?

• Ano ang mangyayari kapag nabigo ang API?

• Sino ang mananagot kapag mali ang output?

• Paano natin masusubukan nang tama ang bagay na ito?

Ang pinakabagong pangunahing kurikulum para sa undergraduate computer science ay mas malawak na isinama ang artificial intelligence sa edukasyon sa CS, na tinatrato ito bilang isang bagay na dapat maunawaan ng mga mag-aaral sa buong larangan sa halip na isang maliit at nakahiwalay na elective.

Iyan ang makatuwirang direksyon. Hindi “itigil ang pagtuturo ng CS dahil umiiral ang AI.” Parang: “magturo ng CS gamit ang AI sa silid.”

Ang AI ay maaaring maging isang tutor, lab assistant, code reviewer, debugging partner, at idea generator. Ngunit kailangan pa ring matuto ng estudyante. Kung hindi, sila ay magiging pasahero sa isang self-driving na sasakyan na walang manibela, walang mapa, at isang mapanganib na antas ng kumpiyansa.

6. Ano ang Pinapalitan ng AI sa Trabaho sa Agham Pangkompyuter 🧰

Maging prangka tayo: Talagang pinapalitan ng AI ang ilang nakakainis na bahagi ng programming. At salamat na lang sa Diyos, sa ilang mga pagkakataon.

Mahusay ang AI sa pagpapalit o pagbabawas ng:

• Paulit-ulit na boilerplate.

• Mga simpleng script.

• Dokumentasyon sa unang burador.

• Mga pangunahing pagsusuri sa yunit.

• Tulong sa regular na pagpapahayag.

• Mabilis na pagsasalin ng sintaks.

• Mga piraso ng frontend na maraming template.

• Mga simpleng snippet ng paglilinis ng data.

• Mga sandaling may kasabihang "Ipaliwanag mo itong mensahe ng error bago ko itapon ang laptop ko".

Makakatulong ito. Hindi ito pandaraya, basta't naiintindihan mo ang resulta.

Ngunit ang AI ay hindi maaasahang pumapalit sa:

• Malalim na pag-debug.

• Pananagutan sa produksyon.

• Pagmamay-ari ng arkitektura.

• Pangmatagalang pagpapanatili.

• Pagsusuri sa seguridad.

• Pag-tune ng pagganap sa mga hindi pangkaraniwang sistema.

• Pag-unawa sa mga pangangailangan ng gumagamit.

• Etikal at legal na paghatol.

• Pagbabalangkas ng problema sa antas ng pananaliksik.

• Koordinasyon ng pangkat at pamumunong teknikal.

Ang mahalagang pagbabago ay ang mga computer scientist at developer ay maaaring gumugol ng mas kaunting oras sa manu-manong pag-type ng lahat ng bagay at mas maraming oras sa pagsusuri, pagdidisenyo, pagsasaayos, pagsubok, at pagpapasya. Parang kakaiba iyan. Nangangahulugan din ito na maaaring lumaki ang mga pagkakamali kung walang nakakaalam kung ano ang nangyayari.

Binibigyang-daan ng AI ang mga tao na mas mabilis na makagawa ng code. Hindi nito awtomatikong ginagawang tama ang code na iyon.

Dapat ilimbag ang pangungusap na iyan sa isang mug. ☕

7. Ang Problema sa Baguhan: Ang Pinakamahirap na Bahagi na Walang Gustung-gustong Pag-usapan 🚪

Ang pinakamarupok na bahagi ng buong sistema ay ang pipeline para sa mga nagsisimula.

Ayon sa kaugalian, ang mga junior developer ay natututo sa pamamagitan ng paggawa ng maliliit na gawain. Ayusin ang bug na ito. Isulat ang endpoint na ito. Idagdag ang form na ito. I-refactor ang maliit na module na ito. Gawin ang medyo nakakapagod na trabaho, pagkatapos ay unti-unting gumawa ng mas malalaking problema.

Ngunit kung ang AI ay kayang gumawa ng maraming maliliit na gawain, maaaring umupa ang mga kumpanya ng mas kaunting mga junior o asahan ang mga junior na gagana tulad ng mga mid-level na developer na may kasamang AI. Lumilikha ito ng isang maliit na kabalintunaan:

Kailangan mo ng karanasan para mahusay na mapangasiwaan ang AI, ngunit kailangan mo ng mga gawain para sa mga nagsisimula para magkaroon ng karanasan.

Hindi ito nangangahulugan na ang mga baguhan ay mapapahamak. Nangangahulugan ito na ang mga baguhan ay kailangang matuto nang iba.

Ang isang baguhan na nagpo-prompt lamang ng AI at nagpe-paste ng code ay nasa problema. Ang isang baguhan na gumagamit ng AI upang mapabilis ang sinasadyang pagsasanay ay maaaring maging napakalakas.

Ang mas mahusay na mga gawi para sa mga nagsisimula ngayon ay kinabibilangan ng:

• Humingi ng paliwanag sa AI, hindi lang ng mga sagot.

• Manu-manong isulat muli ang nabuong code.

• Sadyain mong sirain ang code at ayusin ito.

• Paghambingin ang dalawang solusyon at ipaliwanag ang mga kompromiso.

• Gumawa ng mga proyektong medyo lampas sa antas ng pagtuturo.

• Matuto nang maaga tungkol sa mga tool sa pag-debug.

• Basahin ang dokumentasyon, oo, kahit masakit.

• Mag-ensayo paminsan-minsan nang walang AI, tulad ng pagsasanay gamit ang mga ankle weights.

• Magtago ng isang "mistake journal" ng mga bug at kung ano ang sanhi ng mga ito.

Ang pinakamahuhusay na baguhan ay hindi iyong mga umiiwas sa AI. Sila iyong mga gagamit nito nang hindi nagiging dependent dito, na nakakainis na pang-matanda ngunit tumpak.

8. Bakit Nagiging Mas Mahalaga, Hindi Nababawasan ang mga Pundamental na Saligan ng Agham Pangkompyuter 🧠

Narito ang kakaibang ideya: Maaaring gawing mas mahalaga ng AI ang mga pangunahing kaalaman sa agham pangkompyuter.

Kapag ang code ay nagiging mura na para makabuo, ang paghatol ay nagiging mahirap nang gamitin.

Isipin ang dalawang taong gumagamit ng iisang AI coding assistant.

Sabi ni Tao A: “Gawan mo ako ng app.”

Sabi ni Person B: “Gumawa ng isang minimal na API na may malinaw na paghihiwalay sa pagitan ng authentication, business logic, at persistence. Gumamit ng input validation, magdagdag ng mga pagsubok sa paligid ng mga edge case, iwasan ang pag-iimbak ng mga sikreto sa code, at ipaliwanag ang pagiging kumplikado ng search function.”

Parehong kagamitan. Magkaibang-magkaiba ang output.

Ang pagkakaiba ay hindi ang bilis ng pagta-type. Kundi ang pag-unawa.

Ang mga pangunahing kaalaman sa agham pangkompyuter ay makakatulong sa iyo:

• Magtanong ng mas magagandang tanong.

• Mas mabilis na matukoy ang kalokohan.

• Suriin ang output ng modelo.

• Magdisenyo ng mas ligtas na mga sistema.

• Gumawa ng mga tradeoff sa pagganap.

• Iwasan ang labis na pagpapalaki.

• Alamin kung kailan mas mainam ang simpleng code.

• Unawain kung ano ang inaalis ng abstraksyon ng kagamitan.

Ang AI ay parang isang napakabilis na intern na nabasa na ang lahat, walang nakakalimutan, minsan ay nagsisinungaling, at hindi mukhang nahihiyang. Nakatutulong ba? Oo naman. Ligtas ba nang walang superbisyon? Hindi naman talaga.

Iyan ang superbisyon kung saan umiiral ang agham pangkompyuter.

9. Ang Bagong Mapa ng Karera sa Agham Pangkompyuter 🗺️

Ang lumang mapa ng karera ay parang ganito:

Matutong mag-code → kumuha ng trabaho bilang junior → magkaroon ng karanasan → magpakadalubhasa.

Ang bagong mapa ay mas mukhang ganito:

Matuto ng mga pangunahing kaalaman sa CS → matutong mag-code nang mayroon at walang AI → bumuo ng mga totoong proyekto → umunawa ng mga sistema → magpakadalubhasa → patuloy na umangkop magpakailanman.

Ang ilang mga lugar ay maaaring maging lalong mahalaga:

AI engineering at applied machine learning 🤖

Hindi lamang pagsasanay sa mga modelo, kundi pagsasama rin ng AI sa mga produkto, pagsusuri ng mga output, pamamahala ng mga retrieval system, pagtatrabaho sa mga embedding, paghawak sa mga limitasyon ng modelo, at pagbuo ng mga epektibong daloy ng trabaho.

Seguridad sa Siber 🔐

Mabilis na nakakasulat ng insecure code ang AI. Maaari ring gamitin ng mga umaatake ang AI. Dahil dito, ang kaalaman sa seguridad , hindi mas mahalaga.

Inhinyeriya ng datos at mga database 🗄️

Ang AI ay tumatakbo sa datos, ngunit karamihan sa datos ng organisasyon ay gusot, duplikado, hindi pare-pareho, at may espirituwal na impluwensya. Ang mga taong makakabuo ng maaasahang mga pipeline ng datos ay mananatiling mahalaga.

Mga sistema at imprastraktura ⚙️

Mga cloud system, distributed computing, observability, latency, scaling, reliability -- makakatulong ang AI, ngunit kailangan pa rin ng mga production system ang mga taong nakakaintindi ng pagkabigo.

Interaksyon ng tao at kompyuter 🧑💻

Habang nagiging bahagi ng mga software interface ang AI, ang pagdidisenyo ng mga sistemang madaling maunawaan, mapagkakatiwalaan, at madaling gamitin ng tao ay nagiging isang seryosong kasanayan.

Software engineering na nakatuon sa produkto 🧭

Ang pinakamahuhusay na inhinyero ay hindi basta nagtatanong, “Maaari ba natin itong itayo?” Nagtatanong sila, “Dapat ba natin itong itayo, para kanino, at ano ang masisira kung gagawin natin?”

Hindi iyon mawawala.

10. Dapat Pa Rin Bang Mag-aral ang mga Estudyante ng Computer Science? 📚

Oo - ngunit dapat nilang pag-aralan ito nang may bukas na mga mata.

Ang agham pangkompyuter ay isa pa ring makapangyarihang antas at kasanayan dahil ang komputasyon ay kumakalat na sa halos lahat ng larangan: medisina, pananalapi, logistik, libangan, gawaing pangklima, edukasyon, pagmamanupaktura, robotika, seguridad, at simpleng software para sa mga negosyo na tahimik na nagpapatakbo sa mundo. Siya nga pala, ang simpleng software ay nagbabayad ng maraming gastusin.

Ngunit hindi dapat ituring ng mga estudyante ang agham pangkompyuter bilang isang garantisadong ginintuang tiket. Hindi ito "mag-aral ng wika, mangolekta ng suweldo." Maaaring hindi naman talaga, ngunit ang mito ay may mahabang bakasyon.

Dapat ituon ng mga mag-aaral ang pansin sa:

• Pagbuo ng mga totoong proyekto, hindi lamang mga takdang-aralin sa klase.

• Malalim na pag-aaral ng isang wika, at pagkatapos ay ang iba naman nang praktikal.

• Pag-unawa sa mga istruktura at algorithm ng datos na higit pa sa mga trick sa panayam.

• Pagiging komportable sa Linux, Git, mga API, mga database, at pagsubok.

• Paggamit ng mga kagamitang AI araw-araw, ngunit kritikal.

• Binabasa ang nabuong code linya por linya.

• Pagsasanay sa komunikasyon.

• Pag-aaral ng sapat na matematika upang hindi mag-panic.

• Pagbuo ng portfolio na nagpapakita ng paghatol, hindi lamang mga screenshot.

Ang isang estudyante ng computer science na malinaw na nakapagpapaliwanag ng kanilang mga desisyon ay mamumukod-tangi. Ang isang estudyanteng nagsasabing “ang AI ang sumulat nito” at nagkibit-balikat lang? Hindi gaanong ideal.

11. Ano ang Gugustuhin ng mga Kumpanya 🏢

Hindi gusto ng mga kumpanya ang mga "coder" kundi ang mga resulta.

Gusto nila ng mga sistemang gumagana, lumalawak, nananatiling ligtas, nakakatugon sa mga customer, nakakabawas ng gastos, nakakalikha ng kita, nakakaiwas sa mga kaso, at hindi bumabagsak sa eksaktong sandali na magsimula ang isang demo. Nakalulungkot, klasikong pag-uugali ng demo.

Binabago ng AI kung paano nalilikha ang mga kinalabasang iyon. Maaari nitong bawasan ang pangangailangan para sa ilang manu-manong gawain sa pagpapatupad. Ngunit pinapataas nito ang pangangailangan para sa mga taong maaaring pagsamahin ang:

• Teknikal na lalim.

• Pag-unawa sa domain.

• Katatasan sa AI.

• Kamalayan sa panganib.

• Komunikasyon.

• Lasa.

Hindi nabibigyan ng sapat na pagpapahalaga ang panlasa. Ang magagaling na inhinyero ay nagkakaroon ng kamalayan kung kailan masyadong matalino ang code, kung kailan masyadong marupok ang isang sistema, kung kailan masyadong kumplikado ang isang disenyo, o kung kailan ang mabilisang solusyon ay isang sakuna sa hinaharap na may maliit na sumbrero. 🎩

Kayang lumikha ng mga opsyon ang AI. Kailangan pa rin ng mga tao ng panlasa.

12. Kaya, Mapapalitan ba ng AI ang Computer Science? Pangwakas na Puntos 🧾

Kaya, mapapalitan ba ng AI ang Computer Science? Hindi - hindi bilang isang disiplina, hindi bilang isang paraan ng pag-iisip, at hindi bilang pundasyon sa likod ng modernong computing.

Ngunit ang ilang bahagi ng programming ay magiging awtomatiko. Ang ilang trabahong pang-entry level ay magbabago. Ang ilang mga taong umaasa lamang sa mababaw na kasanayan sa coding ay makakaramdam ng pagkaipit. Iyan ang hindi komportableng bahagi.

Ang mas magandang kinabukasan ay para sa mga taong lubos na nakakaintindi ng agham pangkompyuter upang magamit nang maayos ang AI.

Maaaring palitan ng AI ang:

• Ilang paulit-ulit na pag-coding.

• Ilang pangunahing gawain sa pagpapatupad.

• Ilang pag-debug na mababa ang konteksto.

• Ilang gawaing nasa antas ng tutorial.

• Ilang kasanayan sa pag-uulit ng "Sintaks lang ang alam ko".

Hindi mapapalitan ng AI ang:

• Pag-iisip na komputasyonal.

• Disenyo ng sistema.

• Paghatol sa seguridad.

• Magsaliksik tungkol sa pagkamalikhain.

• Pangangatwiran ng produkto.

• Pananagutan ng tao.

• Ang pangangailangang maunawaan kung ano ang dapat gawin ng software at bakit.

Ang tunay na sagot sa tanong na "Mapapalitan ba ng AI ang Computer Science?" ay ito:

Babaguhin ng AI ang agham pangkompyuter. Ang mahina, mababaw, at kopya-paste na bersyon ay maaaring maglaho. Ang mas malalim na bersyon -- ang binuo sa pangangatwiran, mga sistema, abstraksyon, at paghatol -- ay nagiging mas mahalaga kaysa dati.

Sa madaling salita, huwag mong itigil ang computer science dahil kayang magsulat ng function ang AI.

Mag-aral ng computer science para malaman mo kung basura ba ang function na 'yan. 🚀

Mabilisang Pagkuha ✅

Hindi mapapalitan ng AI ang agham pangkompyuter. Papalitan nito ang ilang karaniwang gawain sa pag-coding at itataas ang antas ng kasanayan para sa mga mag-aaral at developer. Ang pinakaligtas na landas ay ang pag-aaral ng mga pangunahing kaalaman, pagbuo ng mga totoong proyekto, paggamit ng AI bilang isang kasangkapan, at pagbuo ng pagpapasya upang mapatunayan, mapabuti, at ariin ang nalilikha ng AI.

Halimbawa sa totoong buhay: Paggamit ng AI para bumuo ng isang maliit na revision planner app 🛠️

Senaryo

Isipin mo na lang na ang isang estudyante ng computer science sa ikalawang taon ay gustong gumawa ng simpleng revision planner para sa mga pagsusulit. Hindi naman ganoon kalaki. Isa lamang itong maliit na web app kung saan maaaring magdagdag ang isang user ng mga module, deadline, paksa, at available na oras ng pag-aaral, pagkatapos ay makatanggap ng lingguhang plano.

Maaaring hilingin ng estudyante sa AI na gawin ang lahat sa isang prompt. Maaaring makagawa ito ng isang bagay na mukhang kahanga-hanga sa loob ng limang minuto, pagkatapos ay masira kapag nag-overlap ang mga deadline, nawala ang data pagkatapos ng isang pag-refresh, o tahimik na itinalaga ng iskedyul ang 19 na oras ng pag-aaral sa isang Martes.

Isang mas matibay na pamamaraan ang paggamit ng AI bilang coding assistant habang inilalapat pa rin ang paghatol sa computer science. Ang layunin ay hindi "gawing AI ang aking app." Ang layunin ay: "gamitin ang AI para mas mabilis na gumalaw habang naiintindihan ko ang bawat pagpipilian sa disenyo."

Ano ang kailangan ng proyekto

Bago magbigay ng senyas, dapat tukuyin ng mag-aaral ang ilang mga pangunahing kaalaman:

• Ang mga pangunahing tampok: magdagdag ng mga modyul, magdagdag ng mga paksa, magtakda ng mga petsa ng pagsusulit, maglagay ng mga available na oras ng pag-aaral, bumuo ng lingguhang plano.

• Ang modelo ng datos: mga modyul, paksa, mga deadline, mga prayoridad, mga natapos na gawain.

• Ang mga limitasyon: walang mga sesyon ng pag-aaral pagkatapos ng hatinggabi, walang mga duplikadong paksa, iwasan ang pagpaplano ng mas maraming oras kaysa sa ipinasok ng user.

• Ang tech stack: halimbawa, React para sa interface, isang maliit na Node/Express API, at SQLite o local storage para sa unang bersyon.

• Ang plano ng pagsubok: suriin ang mga walang laman na input, imposibleng iskedyul, mga dobleng modyul, at mga kaso ng date edge.

• Ang tuntunin sa kaligtasan: walang personal na datos ng estudyante ang dapat ipadala sa isang pampublikong AI tool maliban kung ito ay naka-anonymize.

Halimbawang tagubilin

Ang isang mahinang prompt ay:

Gumawa ka para sa akin ng revision planner app.

Nagbibigay ito sa AI ng masyadong maraming espasyo para mag-imbento, mag-overbuild, o makaligtaan ang mahahalagang detalye.

Ang mas malakas na prompt ay:

Gumagawa ako ng isang maliit na revision planner app para sa isang proyekto sa portfolio ng computer science.
Gamitin ang React para sa frontend at panatilihing simple ang unang bersyon.
Dapat ay makapagdagdag ang user ng module, makapagdagdag ng mga paksa sa ilalim ng module na iyon, makapagtakda ng petsa ng pagsusulit, makapaglagay ng available na oras ng pag-aaral bawat araw, at makabuo ng lingguhang plano sa rebisyon.

Huwag munang bumuo ng authentication.
Iimbak ang data sa lokal na storage para sa unang bersyon.
Isama ang input validation para sa mga blangkong pangalan ng module, mga nakaraang petsa ng pagsusulit, mga duplicate na paksa, at mga oras ng pag-aaral na higit sa 12 bawat araw.

Una, imungkahi ang modelo ng datos at istruktura ng bahagi.
Huwag isulat ang buong code hangga't hindi ko naaaprubahan ang istruktura.
Ipaliwanag ang mga kompromiso sa malinaw at simpleng wika.

Mas gumagana ang prompt na ito dahil pinapabagal nito ang AI. Hinihingi nito ang disenyo bago ang code. Doon nagsisimulang maging mahalaga ang paghatol sa agham pangkompyuter.

Paano ito subukan

Hindi dapat pagkatiwalaan ng estudyante ang unang gumaganang demo. Dapat nila itong subukan na parang may sumusubok na sirain ito, dahil tiyak na gagawin ito ng mga gumagamit.

Ang mga magagandang kaso ng pagsubok ay kinabibilangan ng:

• Magdagdag ng modyul na walang pangalan.

• Idagdag ang parehong paksa nang dalawang beses.

• Magtakda ng petsa ng pagsusulit sa nakaraan.

• Maglagay ng sero na oras ng pag-aaral na magagamit para sa bawat araw.

• Maglagay ng 20 oras ng pag-aaral para sa isang araw.

• Magdagdag ng limang paksang dapat ipasa bukas at tingnan kung ang app ay makakalikha ng isang imposibleng plano.

• I-refresh ang pahina at tingnan kung lumalabas pa rin ang naka-save na data.

• Markahan ang isang paksa bilang kumpleto at tingnan kung tama ang pag-update ng iskedyul.

Maaari rin nilang hilingin sa AI na suriin ang lohika:

Narito ang aking scheduling function. Maghanap ng mga edge case kung saan maaaring lumikha ito ng hindi makatotohanan o maling plano sa pagrerebisa. Huwag mo muna itong isulat muli. Ipaliwanag muna ang problema, pagkatapos ay magmungkahi ng mga pagsubok na dapat kong idagdag.

Ginagawa nitong isang tagasuri ang AI sa halip na kapalit ng pag-iisip.

Ano ang maaaring magkamali

Ang pinakahalatang pagkakamali ay ang pagkopya ng nabuong code nang hindi ito naiintindihan. Maaaring mukhang gumagana ang app, ngunit maaaring hindi maipaliwanag ng estudyante ang istruktura ng datos, maayos ang isang bug, o maipagtanggol ang kanilang mga napiling disenyo sa isang panayam.

Kabilang sa iba pang makatotohanang problema ang:

• Ang AI ay nagsusulat ng isang algorithm sa pag-iiskedyul na hindi isinasaalang-alang ang mga magagamit na oras.

• Iniimbak ng app ang lahat sa isang magulong bagay na nagiging mahirap pangalagaan.

• Ang pagpapatunay ng input ay nangyayari lamang sa interface, hindi sa pinagbabatayan na lohika.

• Ang nabuong code ay gumagamit ng mga library na hindi naiintindihan ng estudyante.

• Ang AI ay nag-iimbento ng mga tampok na hindi kailanman hiniling.

• Humihingi ang estudyante ng "mas mahusay na code" at nakakakuha ng isang bagay na mas kumplikado, hindi tunay na mas mahusay.

• Walang mga pagsubok ang app, kaya ang bawat pagbabago ay nanganganib na masira ang planner.

Isang mahalagang tuntunin ang ganito: kung hindi maipaliwanag ng estudyante ang isang tungkulin linya por linya, hindi pa ito ganap na proyekto niya.

Praktikal na takeaway

Ito ang pagkakaiba ng paggamit ng AI nang hindi maayos at ng paggamit nito nang maayos.

Ang masamang paggamit ng AI ay nangangahulugan ng paghingi ng tapos nang app, pagpe-paste ng output, at pag-asang walang titingin nang masyadong malapitan.

Ang mahusay na paggamit ng AI ay nangangahulugan ng paggamit nito upang talakayin ang istruktura, paghambingin ang mga tradeoff, bumuo ng mga draft, magmungkahi ng mga pagsubok, at suriin ang mga edge case - habang ang estudyante pa rin ang may-ari ng pinal na code.

Kaya naman mahalaga pa rin ang agham pangkompyuter. Makakatulong ang AI na mas mabilis na mabuo ang revision planner, ngunit kailangan ng estudyante ng kaalaman sa agham pangkompyuter upang makapagdesisyon kung ang planner ay tama, napapanatili, nasusubok, at karapat-dapat ipakita sa kahit sino.

Mga Madalas Itanong

Mapapalitan ba ng AI ang agham pangkompyuter sa hinaharap?

Hindi mapapalitan ng AI ang agham pangkompyuter bilang isang disiplina. Kayang i-automate ng AI ang ilang gawain sa pag-coding, bumuo ng mga draft, magpaliwanag ng mga error, at mapabilis ang mga karaniwang gawain. Ngunit kasama rin sa agham pangkompyuter ang mga sistema, algorithm, seguridad, datos, arkitektura, teorya, at paghatol. Ang mga larangang iyon ay nangangailangan pa rin ng mga taong malinaw na makapangatwiran, makapagpapatunay ng mga resulta, at makakaintindi sa dapat gawin ng software.

Anong mga bahagi ng gawaing pangkompyuter ang maaaring i-automate ng AI?

Ang AI ay pinakaepektibo sa mga paulit-ulit at mahusay na tinukoy na mga gawain. Makakatulong ito sa boilerplate code, mga simpleng script, mga pangunahing pagsubok, mga draft ng dokumentasyon, pagsasalin ng syntax, mga regular na expression, at mabilis na mga prototype. Ito ay mga tunay na pagtaas sa produktibidad. Gayunpaman, ang automation ay pinakamahusay na gumagana kapag ang isang tao ay maaaring suriin ang output, maunawaan ang konteksto, at magpasya kung ang nabuo na solusyon ay ligtas at naaangkop.

Bakit hindi lubusang mapapalitan ng AI ang mga trabaho sa computer science?

Kayang gumawa ng code ang AI, ngunit hindi nito maaasahang nagmamay-ari ng mga resulta. Ang gawain sa software ay kinabibilangan ng mga hindi malinaw na kinakailangan, mga patakaran sa negosyo, mga gumagamit, mga panganib sa seguridad, mga bug sa produksyon, mga tradeoff sa pagganap, at pangmatagalang pagpapanatili. Kailangan pa rin ng mga kumpanya ng mga taong maaaring magdisenyo ng mga sistema, mag-debug ng mga gusot na problema, makipag-usap nang malinaw, at umaako ng responsibilidad kapag may nasira. Nakakatulong ang AI sa mga gawain, hindi sa buong propesyonal na paghatol.

Paano binabago ng AI ang mga trabaho sa computer science na nasa antas pa lamang?

Maaaring gawing mas madali ng AI ang pag-automate ng ilang gawain sa coding para sa mga baguhan, na maaaring magpataas ng pamantayan para sa mga junior role. Sa halip na magtanong lamang kung ang isang tao ay maaaring magsulat ng code, maaaring asahan ng mga employer na ang mga baguhan ay gagamit ng mga AI tool, susuriin ang nabuong code, huhulihin ang mga pagkakamali, ipaliwanag ang mga kompromiso, at subukan nang maayos. Ginagawa nitong mas mahalaga ang mga pangunahing kaalaman at sinasadyang pagsasanay para sa mga mag-aaral at mga bagong developer.

Dapat pa rin bang mag-aral ng computer science ang mga estudyante dahil sa AI?

Oo, dapat pa ring mag-aral ang mga estudyante ng agham pangkompyuter, ngunit may makatotohanang mga inaasahan. Hindi ito dapat ituring na isang garantisadong shortcut sa isang trabaho. Kailangan ng mga estudyante ng mga pangunahing kaalaman, totoong proyekto, kasanayan sa pag-debug, Git, mga database, pagsubok, komunikasyon, at literasiya sa AI. Ang layunin ay hindi lamang upang mas mabilis na makagawa ng code, kundi upang maunawaan ang code nang sapat na malalim upang mapabuti at maipagtanggol ito.

Paano magagamit ng mga baguhan ang AI nang hindi nagiging dependent dito?

Dapat gamitin ng mga nagsisimula ang AI bilang tutor at kasama sa pagsasanay, hindi lamang bilang answering machine. Ang isang mahusay na paraan ay ang humingi ng mga paliwanag, manu-manong isulat muli ang nabuong code, sinasadyang basagin ang mga programa, ihambing ang mga solusyon, at paminsan-minsang mag-debug nang walang AI. Nakakatulong din ang pagbabasa ng dokumentasyon at pagsubaybay sa mga pagkakamali. Ang susi ay ang pagbuo ng pag-unawa, hindi lamang ang pagkolekta ng mga gumaganang snippet.

Bakit mas mahalaga ang mga pangunahing kaalaman sa agham pangkompyuter sa AI?

Kapag pinapadali ng AI ang pagbuo ng code, nagiging mas mahalaga ang pagpapasya. Ang mga pangunahing kaalaman ay nakakatulong sa mga tao na humingi ng mas mahusay na mga prompt, matukoy ang mga mahinang solusyon, maunawaan ang pagganap, suriin ang arkitektura, at mapansin ang mga problema sa seguridad. Maaaring gamitin ng dalawang tao ang parehong tool ng AI at makakuha ng ibang-iba na mga resulta depende sa kanilang kaalaman. Ang matibay na pundasyon ng agham ng computer ay ginagawang mas epektibo at mas hindi mapanganib ang tool.

Papalitan ba ng AI ang computer science sa mga unibersidad?

Hindi mawawala ang agham pangkompyuter sa mga unibersidad dahil lamang sa umiiral ang AI. Sa halip, kailangang isama ng edukasyon ang AI nang mas direkta habang nagtuturo pa rin ng programming, algorithm, istruktura ng datos, sistema, database, teorya, at software engineering. Maaaring magsilbing tutor o coding assistant ang AI, ngunit kailangan pa ring matutunan ng mga estudyante kung paano gumagana ang mga sistema at kung paano suriin ang mga nabuong sagot.

Aling mga kasanayan sa agham pangkompyuter ang pinakaligtas mula sa AI automation?

Ang mga kasanayang nangangailangan ng konteksto, paghatol, at responsibilidad ay mas mahirap i-automate nang buo. Kabilang dito ang disenyo ng sistema, cybersecurity, pag-debug ng produksyon, arkitektura, pag-tune ng pagganap, pangangatwiran ng produkto, interaksyon ng tao at computer, inhinyeriya ng datos, imprastraktura, at pag-frame ng problema sa antas ng pananaliksik. Makakatulong ang AI sa mga aspetong ito, ngunit kadalasan ay hindi nito mapapalitan ang kakayahan ng tao na timbangin ang mga kompromiso at sariling mga desisyon.

Ano ang pinakamahusay na paraan upang maghanda para sa mga karera sa agham pangkompyuter gamit ang AI?

Ang pinakamalakas na landas ay ang pagsamahin ang mga pangunahing kaalaman at praktikal na kahusayan sa AI. Matutong mabuti ang isang lengguwahe ng programming, bumuo ng mga totoong proyekto, unawain ang mga algorithm at sistema, magsanay sa pagsubok at pag-debug, at gamitin nang kritikal ang mga tool ng AI. Basahin ang nabuong code linya por linya at maging handang ipaliwanag ang mga pagpipilian sa disenyo. Pahahalagahan ng mga employer ang mga taong kayang magbunga ng mga resulta at nakakaintindi sa mga panganib.

Mga Sanggunian

1. Kawanihan ng mga Istatistika ng Paggawa ng Estados Unidos - Mga Trabaho sa Kompyuter at Teknolohiya ng Impormasyon - bls.gov

2. Asosasyon para sa Makinarya sa Kompyuter - Mga Alituntunin sa Kurikulum ng CS2023 - acm.org

3. CSET, Georgetown University - Mga Panganib sa Cybersecurity ng AI-Generated Code - cset.georgetown.edu

4. Antropiko - Pagkakalantad sa Paggawa ng AI - anthropic.com

5. Stack Overflow - Mga Kagamitan sa AI Coding - survey.stackoverflow.co

6. AAAI - Mas Malawak na Pinagsamang Artipisyal na Katalinuhan - ojs.aaai.org

7. Serye ng Cheat Sheet ng OWASP - Cheat Sheet ng Seguridad ng Ahente ng AI - cheatsheetseries.owasp.org

Hanapin ang Pinakabagong AI sa Opisyal na Tindahan ng AI Assistant

Tungkol sa Amin