Udemy’de derslerine 650.000’den fazla öğrencinin katıldığı Python eğitmeni Ardit Sulce’ye göre, tek başına çalışan kod yazabilmek artık programlamayı öğrenmenin yeterli bir göstergesi değil. Yapay zekâ araçlarının uygulamaların büyük bölümlerini üretebilmesiyle birlikte ağırlık, her satırı yazmaktan çok araçların ürettiklerini anlamaya, gözden geçirmeye, hatalarını keşfetmeye ve sistem bileşenlerinin birbirine nasıl bağlandığını bilmeye kayıyor.
Bu görüş, JetBrains Blog’un Sulce ile yayımladığı bir röportajda ortaya kondu. Sulce’nin programlama öğretiminde 10 yıllık deneyimi bulunuyor ve Almanya’daki University of Münster’den jeoteknolojiler alanında yüksek lisans derecesi var. Sulce ayrıca programlama ve yazılım geliştirmeyi öğrenmek için yapay zekâyı kişisel öğretmen olarak kullanan ActiveSkill Dev platformunun kurucusu ve baş geliştiricisi.
Yapay zekâ, öğretmenin rolünü ortadan kaldırmaktan çok soruları değiştirdi
Sulce, öğrencilerden her gün aldığı soru sayısının, üretken yapay zekânın yaygınlaşmasından öncekine kıyasla beş ila 10 kat azaldığını söylüyor. Öğrenci bir sorunla karşılaştığında, tartışma sayfasında soru yayımlayıp öğretmeni veya öğretim asistanını beklemek yerine anında yanıt alabiliyor.
Ancak onun tanımına göre geriye kalan sorular daha büyük ve daha fazla muhakeme gerektiriyor: Hangi yol izlenmeli? Proje portföye eklenmeye uygun mu? Öğrencinin öğrendikleri daha geniş çerçevede nereye oturuyor? Bu açıdan eğitim kursunun rolü yalnızca belirli bir soruyu yanıtlamak değil, aceminin temel sorularını bile bilmediği bir alanda düzenli bir yol sunmak.
Öğrenenlerin beklentileri de değişti. Python ile yapay zekâ arasındaki ilişkiyi göz ardı eden bir Python kursu onlara eski görünüyor; çünkü kod yazmayı hızlandırmak, dil modellerine, aracılara ve otomasyona dayalı uygulamalar geliştirmek için araçları kullanmayı öğrenmek istiyorlar. Buna karşılık öğretmen, neyin ve hangi sırayla öğrenilmesi gerektiğini belirlemek, Sulce’nin yapay zekâ araçlarının hâlâ otomatik olarak tekrarlamasının zor olduğunu düşündüğü motivasyonu ve merakı sağlamak açısından önemini koruyor.
Her türlü eğitimsel zorluk aynı değil
Sulce, anlayış geliştiren çaba ile zamanı boşa harcayan sürtünme arasında ayrım yapıyor. Bir döngünün neden bir kez daha çalıştığını anlamaya çalışmak veya program içindeki veri akışını takip etmek öğrenmenin bir parçası olabilir. Buna karşılık bozulmuş bir tanımın yüklenmesi, belirsiz bir yapılandırma hatası veya artık mevcut ortamla uyumlu olmayan eski bir ders, belirgin bir eğitim kaybı olmadan yapay zekâya devredilebilecek engellerdir.
Bu kurala göre acemi şu soruyu sormalı: Bu sorunu çözmek bana daha sonra kullanabileceğim bir anlayış kazandıracak mı, yoksa yalnızca başladığım noktaya geri mi döndürecek? Sulce, öğrenme aşamasında kodu elle yazmanın hâlâ önemli olduğunu vurguluyor; çünkü bu, değişkenler, döngüler ve veri akışı için zihinsel bir model oluşturmaya yardımcı oluyor. Profesyonel çalışma sırasında ise tüm kodu elle yazmak, araçların ürettiklerini gözden geçirmekten daha az önemli hâle gelebilir.
Kariyerlerinin başındaki geliştiriciler için üç beceri
- Kendilerinin yazmadığı kodu okuyabilmek: Geliştirici, GitHub depolarını, eski projelerini ve aracı çıktılarını okumalı; kodun doğru olup olmadığına ve girdiler değiştiğinde hâlâ uygun kalıp kalmadığına karar vermeli.
- İstenen şeyi doğru ifade edebilmek: Sulce, modele verilen iyi bir istemin, kodun ne yapması ve ne yapmaması gerektiğini ve uç durumlarda nasıl davranacağını belirleyen bir spesifikasyon olduğunu düşünüyor. Bu, çoğunlukla başka bir tarafın sorumluluğunda olan gereksinimler kavramına yakın.
- Sistem düzeyinde anlayış: Kodun tek tek parçalarını bilmek yeterli değil; geliştiricinin uygulamanın bileşenlerini ve bunların nasıl birbirine bağlandığını anlaması gerekiyor. Geliştiriciyi yapay zekânın çıktılarının takipçisi olmak yerine onun gözetmeni yapan beceri bu.
Bunun sonucunda öğrencileri ve iş adaylarını değerlendirme biçimi de değişiyor. Sulce, yalnızca bir uygulama geliştirmelerini istemek yerine, yapay zekâ tarafından üretilmiş ve döngü sınırlarında hata, istisnaların sessizce yutulması veya boş bir girdi olduğunda yanlış davranış gibi kesin bir sorun içeren kod sunmayı ve kişinin sorunu keşfedip açıklama becerisini test etmeyi öneriyor. Arızanın kapsamını nasıl daralttığını gözlemlemek için canlı bir hata ayıklama oturumu da düzenlenebilir.
Koddan gözetmenliğe aşamalı bir yol
Sulce öğrenmeyi üç aşamaya ayırıyor: önce entegre geliştirme ortamında küçük gerçek programları elle yazmak, ardından daha büyük projelere geçerken öğrenenin anlamadığı şeyleri açıklaması için yapay zekâyı öğretmen olarak kullanmak ve son olarak öğrenen kodu gözden geçirirken yapay zekâyı kodun bazı bölümlerini yazan bir iş arkadaşı olarak kullanmak.
Bu aşamalı ilerleme, projelerin boyutunun kademeli olarak artırılmasını öngörüyor: bir betikten veritabanı kullanan bir uygulamaya, ardından kullanıcılarla etkileşime giren bir projeye, yayımlanmış bir hizmete ve bir uygulama programlama arayüzüne bağlanan bir uygulamaya. Pratikte bu yol, sözdizimi bilgisi ile sistemleri anlamayı birbirine bağlıyor; mimari anlayışın yıllarca kod yazdıktan sonra kendiliğinden ortaya çıkacağını varsaymıyor.
Röportaj, profesyonel bir geliştirme ortamında öğrenmenin biçimsel bir ayrıntı olmadığını doğruluyor. Yapay zekâya dayalı projeler, ortam dosyalarında API anahtarları, sanal ortamlar, bağımlılık çakışmaları, paket sürümleri arasındaki farklılıklar ve aracıların oluşturduğu veya değiştirdiği dosyalar içeriyor. Bu nedenle projeyi çalıştırabilme, değişiklikleri gözden geçirme, arızaları düzeltme ve kodu güvenli biçimde değiştirme becerisi, öğrenenin aracı gerçekten denetleyip denetlemediğini veya yalnızca onun ürettiklerini kabul etmekle yetinip yetinmediğini belirliyor.