Programmēšanas prasmes ģeneratīvā mākslīgā intelekta laikmetā

Generatīvais mākslīgais intelekts ir mākslīgā intelekta (MI) apakšgrupa, kas spēj izveidot jaunu saturu, pamatojoties uz modeļiem, ko tas iegūst no esošiem datiem. MI ir datorzinātnes apakšnozare, kas spēja imitēt cilvēkam līdzīgu uzvedību, piemēram, sarunāties, sniegt padomus vai pat izpausties radoši. Strauji pieaugusi “ChatGPT” un citu lielo valodu modeļu (Large Language Models) popularitāte, kas palīdz rast risinājumus dialoga veidā.

Mākslīgais intelekts maina programmēšanas veidolu, sākot no kodēšanas uzdevumu automatizēšanas līdz atkļūdošanas procesu uzlabošanai. Šajā publikācijā ir aplūkotas iespējas, ko MI rada, lai atbalstītu programmatūras izstrādes procesu, un tā potenciāls tiktu izmantots pēc iespējas plašāk, ņemot vērā arī iespējamos riskus.

Eiropas Savienība (ES) ir sekmīgi pabeigusi sarunas par pirmo regulējumu mākslīgā intelekta pārvaldībai, kas pazīstams kā ES Mākslīgā intelekta akts. Šī tiesiskā regulējuma mērķis ir nodrošināt MI sistēmu drošumu un ētisku izmantošanu, vienlaikus ievērojot ES pamattiesības un vērtības.

Ieviešana

Pētnieku interese par ģeneratīvo mākslīgo intelektu ir bijusi jau vairākus gadu desmitus un ir veikti daudzi fundamentālie pētījumi (Reiter & Dale, 1997; Kandhasamy & Xie, 2004). Tomēr ieviešana un izmantošana dažādās dzīves situācijās joprojām bija ierobežota galvenokārt tāpēc, ka trūka skaitļošanas jaudas vai apmācība (Maslejet al, 2023). Laikposmā no 2015. līdz 2016. gadam nozarē tika apvienoti resursi un izveidotas sistemātiskas lielas datu kopas un modeļi, piemēram, OpenAI izveidots 2015. gadā un HuggingFace 2016. gadā. Kopš 2022. gada beigām šo MI tehnoloģiju izmantošana ir ievērojami pieaugusi.

Daudz inženieri ģeneratīvo mākslīgo intelektu izmanto ikdienas darbā, lai paātrinātu programmēšanas koda rakstīšanas procesu (Sharma, 2021). Nozīmīgākie ieguvumi programmēšanā no ģeneratīvā mākslīgā intelekta ieviešanas ir kodēšanas šablonu rakstīšana, veidņu veidošana un pat veselu programmu ģenerēšana dažās sekundēs (Brady, 2023). Ģeneratīvajos MI rīkos var sniegt tekstuālus norādījumus (promptus) koda rakstīšanai, lai izveidotu konkrētas funkcijas. Šādu rīku lietotāji pat var nezināt programmēšanas valodu. Ierobežotā veidā un ar attiecīgiem norādījumiem ģeneratīvais mākslīgais intelekts varētu radīt soļus lietojuma loģikā, definējot algoritma vispārējo struktūru. Protams, tas rada daudzus jautājumus par to, kā nākotnē strādās programmētāji un kādas būs nepieciešamās prasmes.

Programmatūras izstrādātāji ES darba tirgus vajadzībām

Jau daudzus gadus digitālajā nozarē trūkst kvalificētu darbinieku. Eiropas Programmatūras prasmju alianses 2021. gada pētījumā norādīts, ka programmatūras izstrādātājs ir vispieprasītākā profesija. Izstrādātāju pamatprasmes ir programmēšana un tā ir disciplīna, kurā darba saturs turpina mainīties, radot izaicinājumus organizācijām un apgrūtinot darbinieku prasmju pilnveides procesu. Pieaugošā vajadzība pēc IKT ekspertiem dažādās nozarēs apdraud Eiropas digitālās desmitgades mērķi līdz 2030. gadam Eiropā sasniegt 20 miljonus IKT speciālistu. Runājot par prasmju trūkumu darba tirgū, varam atsaukties gan uz prasmēm, kas saistītas ar plānošanu, gan ar programmēšanu.

Atbalsts ES darba tirgum atbilstoša darba spēka pieejamības veicināšanai

Tā kā IKT speciālistu trūkums jau vairākus gadus ir radījis bažas, politikas veidotāji un pētnieki ir aktīvi iesaistījušies, lai pilnveidotu atbalstu darba tirgus dalībniekiem nepieciešamo prasmju apzināšanā un attīstīšanā. Eiropas Iedzīvotāju digitālās kompetences ietvars DigComp 2.2. (Vuorikari, Kluzer un Punie, 2022) izstrādāts ar mērķi palīdzēt Eiropas iedzīvotājiem veikt zināšanu, prasmju un attieksmes pašnovērtējumu, kā arī apzināt mācību un darba iespēju piedāvājumu digitālajā jomā. DigComp 2.2. ietvara versijā tiek izcelti jaunie zināšanu, prasmju un attieksmju piemēri. Šie piemēri ilustrē jaunās prioritārās jomas, kuru mērķis ir palīdzēt iedzīvotājiem pārliecinoši, kritiski un droši iesaistīt digitālās tehnoloģijas ikdienā. Kā arī apgūt jaunas tehnoloģijas, piemēram, sistēmas, kuru pamatā ir mākslīgais intelekts (MI).

Eiropas e-kompetences ietvara (e-CF) ir Eiropas standarts un sniedz atsauci uz 41 kompetenci, kas nepieciešamas IKT (informācijas un komunikācijas tehnoloģiju) profesionāļiem, izmantojot vienotu valodu kompetenču, prasmju, zināšanu un lietpratības līmeņiem. Šis bezmaksas tiešsaistes pašnovērtējuma rīks ļauj viegli novērtēt savas digitālās prasmes un izpētīt 30 IKT profesionālo lomu profilus, ko noteikusi Eiropas Standartizācijas komiteja (CEN). Tās ir tipiskākās funkcijas, ko veic IKT speciālisti jebkurā organizācijā.

Prasmju pilnveides pakts ir viens no Eiropas Prasmju programmas darbības virzieniem, ko īsteno Eiropas Komisija, ar mērķi aktivizēt privātās un publiskās ieinteresētās puses, investēt darbspējīgā vecuma cilvēku kvalifikācijas paaugstināšanā un pārkvalifikācijā.

Uzņēmējdarbības kompetences ietvars EntreComp (McCallum, Weicht, McMullan un Price, 2018) ietver kompetences, apsverot resursu efektīvu izmantošanu, tai skaitā arī digitālo resursu vajadzību novērtējumu. Tā galvenās dimensijas ir kompetenču jomas, kas atspoguļo uzņēmējdarbību kā spēju pārvērst idejas darbībā un rada vērtību kādam citam, ne sev. Metode piedāvā visaptverošu aprakstu par zināšanām, prasmēm un attieksmēm, kas cilvēkiem nepieciešamas, lai viņi spētu attīstīt uzņēmēja domāšanu un radītu finansiālu, kultūras vai sociālo vērtību citiem. Ietvarā identificētas 15 kompetences, kas apraksta, ko nozīmē būt uzņēmējam.

Programmēšanas prasmju veicināšana

ES programmēšanas nedēļa ir 2013. gadā aizsākta iedzīvotāju iniciatīva, kuras mērķis ir iepazīstināt ikvienu interesentu ar programmēšanu un digitālo pratību interesantā un saistošā veidā. Pamatideja ir uzsvērt programmēšanas nozīmi skaitļošanas domāšanā, problēmu risināšanā, sadarbības un analītisko prasmju attīstīšanā, mudinot skolas un skolotājus veicināt digitālo pratību visā pasaulē. ES programmēšanas nedēļa 2023 noslēdzās ar vairāk nekā 70,000 reģistrētām aktivitātēm.

Eiropas Inovāciju un tehnoloģiju institūts (EIT) piedāvā palīdz uzņēmumiem, izglītības un pētniecības iestādēm sadarboties, lai radītu inovācijai un uzņēmējdarbībai labvēlīgu vidi Eiropā. Tas tuvina trīs galvenos inovācijas faktorus — uzņēmumus, izglītību un pētniecību —, lai veidotu dinamiskas starptautiskas partnerības, sauktas par zināšanu un inovāciju kopienām.

Programma “Digitālā Eiropa” (DIGITAL) ir jauna ES finansēšanas programma, kuras mērķis ir nodrošināt digitālo tehnoloģiju pieejamību uzņēmumiem, iedzīvotājiem un valsts pārvaldes iestādēm. Programma nodrošina stratēģisku finansējumu šo problēmu risināšanai, atbalstot projektus piecās galvenajās spēju jomās (plānotais kopējais budžets ir 7,5 miljardi EUR): superdatošanā, mākslīgais intelekts, kiberdrošība, padziļinātas digitālās prasmes un digitālo tehnoloģiju plašas izmantošanas nodrošināšana visā ekonomikā un sabiedrībā, tostarp izmantojot digitālās inovācijas centrus.

Ģeneratīvais mākslīgais intelekts programmatūras inženierijā

No vienas puses, ģeneratīvais MI varētu padarīt cilvēkiem pieejamākas programmēšanas prasmes, bet no otras puses, tas varētu arī samazināt padziļinātas zināšanas un prasmes šajā jomā. Programmatūras inženierija ir inženierzinātne, kas izmanto inženierprincipus programmatūras sistēmu izstrādē. Tāpat kā citi inženierijas veidi, tā ir dizaina zinātne, kas ietver pētniecības, ideju ģenerēšanas, projektēšanas, izstrādes un testēšanas posmus, lai pārietu no konceptuālās idejas uz taustāmu produktu (Davis, Bersoff & Comer, 1988). Katram projektēšanas procesam ir būtiskas sastāvdaļas. Programmatūras izstrādes procesa ilustrāciju skatīt 1. attēlā (Humphrey, 1988).

Šajā jomā tiek pieliktas pūles, lai panāktu vēl straujāku un efektīvāku programmatūras izstrādi, vienlaikus nodrošinot, ka izstrādātajam produktam ir noteikta kvalitāte (Humphrey, 1988). Daži veidi, kā to panākt, ir, piemēram, koplietot kodu blokus (piemēram, GitHub repozitorija tipa platformas), kā arī izmantot bezkoda un mazkoda programmu izstrādes platformas, kurās atkalizmantojami pamatelementi tiek izmantoti kā sākumpunkts, lai paātrinātu visu procesu (N-Code.tech, 2023; Adalo, 2023). Tas būtībā paver iespēju cilvēkiem bez vai ar nelielām priekšzināšanām, kuri ir ieinteresēti pārkvalificēties, lai kļūtu par programmētājiem.

Programmēšana ir kļuvusi par kompetenci, kura pamatprasmju līmenī ir nepieciešama ikvienam, lai pilnvērtīgāk piedalītos sabiedrības dzīvē (Burke, O’Byrne un Kafai, 2016). Sabiedrības izpratne par programmēšanu kā rakstpratību vēl nav tik attīstīta (Rea, 2022). Digitālā pārkārtošanās šo straujāk veicina, padarot programmēšanu un skaitļošanas domāšanu tikpat nozīmīgu, cik citas prasmes, kas nepieciešamas jau no agras bērnības.

Ģeneratīvā mākslīgā intelekta potenciāls mazināt prasmju trūkumu darba tirgū

Viena no iespējām un vienlaikus arī izaicinājums, kad ģeneratīvais mākslīgais intelekts varētu izrādīties pagrieziena punkts ir ChatGPT izmantošana:

• ChatGPT uzrakstītu tekstu gandrīz ikviens varēs atpazīt un pateikt, vai tas ir labi rakstīts teksts.
• ChatGPT veiktus matemātiskus aprēķinus daudzi varēs novērtēt, vai izvēlēta pareizā pieeja uzdevuma atrisināšanai un rezultāts ir pareizs.
• Gadījumā, kad ChatGPT uzrakstītu kodu, ne daudzi varēs pateikt, vai tas ir pareizs.

Sabiedrībā ir lielas atšķirības attiecībā uz programmēšanas prasmēm. Tam ir vairāki iemesli:

1. Programmēšana netiek uzskatīta par tik pat nozīmīgu kā rakstpratību, tā nav iekļauta formālajā izglītībā visu līmeņu mācību programmā.
2. Programmēšanas prasmju attīstība lielā mērā ir atkarīga no personīgajām individuālajām interesēm. Neformālais konteksts ir atkarīgs no tā, vai indivīdi paši veido savus mācīšanās ceļus, izmantojot dažādus tiešsaistes resursus.
3. Piedāvāto iespēju izmantošana ir cieši saistīta laika un finanšu resursu pieejamību, lai iegādātos atbilstošu datortehniku, programmatūras licences u.tml. Rīki, kas ir izmantojami sarežģītu uzdevumu veikšanai, plašai sabiedrībai lielākoties ir pieejami par maksu.

Tāpat kā daudzos jautājumos, kas saistīti ar digitālo iekļaušanu, sabiedrībā pastāv liela plaisa (Apvienoto Nāciju Organizācija, 2023. gads). Turklāt pastāv iespēja, ka ģeneratīvā mākslīgā intelekta izmantošana var palielināt plaisu starp programmēšanas jomas pārstāvjiem.

Darba tirgū digitālās prasmes ir vajadzīgas jau šodien. Cedefop prognozē, ka laikposmā no 2022. līdz 2035. gadam būs vajadzīgi gandrīz 2,977,600 IKT speciālistu (Cedefop, 2023. gads). Tomēr padziļinātu zināšanu iegūšanai un šo prasmju attīstīšanai līdz augstākajam prasmju līmenim ir vajadzīgs laiks. Intensīvās mācības ir efektīvas, taču arī prasa noteiktu laika periodu, kas ne vienmēr ir pieejams (Tayer & Ko, 2017).

Ģeneratīvajam MI zināmā mērā ir potenciāls šo problēmu mazināt. Šī tehnoloģija varētu veicināt pašefektivitāti, atvieglojot un paātrinot atbilžu atrašanu uz neskaidrajiem jautājumiem. Tā būtu vide, kurā izglītojamie vēlas pastāvīgi attīstīt savas programmēšanas prasmes. Turklāt šajā kontekstā ģeneratīvais mākslīgais intelekts ir kā atbalsta instruments un efektīvi darbojas kā ekspertu sistēma. Šajā gadījumā pastāv arī risks, ka ģeneratīvā MI rīki varētu kļūt par izdevīgu sistēmu, kurā izglītojamais to izmanto tikai tūlītēja mērķa sasniegšanai, neiedziļinoties un sistemātiski nepilnveidojot programmēšanas prasmes.

Ietekme uz programmēšanas prasmju pilnveidi 

Lai gan arī formālajā izglītības sistēmā jau ir īstenoti centieni iekļaut programmēšanu mācību programmās, ir vajadzīgas sistēmiskākas izmaiņas (Rea, 2022; Vee, 2017). Iepriekš pieminētie galvenie digitālo prasmju ietvari sniedz priekšstatu par prasmju līmeņiem un piedāvā pieejas to sasniegšanai.

Cilvēkiem ir arī jāapzinās MI tehnoloģiju sniegtās iespējas un ierobežojumus. MI tehnoloģija pēc savas būtības pārņem dažas lēmumu pieņemšanas darbības no cilvēkiem. Tāpēc cilvēkiem ir jāapzinās, ka šīs sistēmas rada arī nopietnus riskus. Lai efektīvi un jēgpilni izmantotu šos ģeneratīvā MI rīkus, vispirms ir jāizstrādā pienācīgi norādījumi un vienošanās par to, kā un kad šos rīkus var izmantot. Mākslīgā intelekta izmantošanu Eiropas Savienībā noteiks Mākslīgā intelekta akts, pasaulē pirmais visaptverošais mākslīgā intelekta likums.

Svarīgi ir apzināties, kādi ir kvalitātes kontroles procesi, kas ieviesti, lai nodrošinātu MI ģenerētā satura uzticamību. Nozīmīgi būtu sākt debates par to, ko nozīmē uzticēšanās un kas ir kritēriji, lai novērtētu mākslīgā intelekta radītā satura uzticamību. Jāizmanto jauni kvalitātes marķējumi vai jāprecizē MI izmantošana ētikas kodeksos, piemēram, žurnālistikas nozarē (Raad van Journalistiek, 2023). Šajā jaunajā realitātē ir vajadzīgas jaunas testēšanas procedūras.

Ir svarīgi rast līdzsvaru starp automatizētas programmēšanas iespējām ar MI ģenerēto saturu, lai nodrošinātu pēc iespējas augstāku kvalitāti un lielāku efektivitāti. Kvalitātes nodrošināšanas jautājumi programmatūras izstrādē jau kļūst arvien izplatītāki. Daudzus sasniedzamā rezultāta kvalitātes rādītājus jau iespējams noteikt un prognozēt, pirms ir uzsākts programmēšanas posms. Ģeneratīvā MI atbalsts tiek izmantots plašākā kvalitatīvā izstrādes procesā, kurā optimāli tiek izmantotas tā stiprās puses.

Par autoru

Dr. Kamakshi Rajagopal ir starpdisciplināra pētniece un konsultante izglītības dizaina un tehnoloģiju jomā. 2013. gadā ieguvusi doktora grādu OpenUniversiteit (Nīderlande), pētot personīgos mācību tīklus un to vērtību nepārtrauktai profesionālajai attīstībai. Viņas pašreizējais pētījums ir par mācību vides sarežģītības izpēti un jo īpaši par to, kā atbalstīt skolotājus un izglītojamos šo izaicinājumu risināšanā. Dr. Rajagopal kopā ar partneriem no publiskā un privātā sektora ir izstrādājusi vairākus (valsts un Eiropas finansētus) pētniecības projektus pamatizglītības, vidējās izglītības un augstākās izglītības jomā. Kopš 2023. gada viņa strādā pie tēmas Profesionālā pilnveide IT un uzņēmējdarbības konsultāciju jomā.