Leveraging Computational Thinking in the Era of Generative AI (Рубрика AI)

Интересная статья на тему computational thinking в эру LLMs. После того, как я стал членом ACM (Association of Computing Machinery) мне стали приходить подборки новостей, часть их которых я даже успеваю читать. Конкретно в этой статье шла речь про computational thinking, термин, который был популярен в 2000х и насколько он актуален сейчас.

Если возвращаться к определению, то вычислительное мышление формируется в терминах вопросов «Что люди могут делать лучше компьютеров? И что компьютеры могут делать лучше людей?» (Wing, 2006). Собственно в 2000х был целый поток статей, в которых авторы пытались определить какие когнитивные и социальные навыки человека необходимы для процессов решения проблем в целом и для решения вычислительных задач в частности. На сегодняшний день ключевыми компонентами computational thinking считаются (Wing, 2010)

• Формулирование проблемы
• Декомпозиция проблемы
• Организация и логический анализ данных
• Представление данных с использованием моделей и симуляций
• Абстракции
• Предложение и оценка нескольких решений данной проблемы
• Реализация выбранного решения
• Обобщение Эти навыки вычислительного мышления сегодня признаются важными не только в контексте компьютерных наук, но и как важные навыки для каждого в 21 веке и могут применяться в различных контекстах (Günbatar, 2019; Wing, 2017).

Дальше авторы статьи отмечают, что в эру LLMs активно развивается prompt engineering, который определяется так (Dang et al., 2022)

Systematic practice of constructing prompts to improve the generated output of a generative model Это новая область исследований, которая задается вопросом о том, какие наилучшие практики существуют для формирования промптов для задач GenAI в целом и для задач программирования в частности. Забавно, что эта новая область исследований достаточно быстро может быть старой после появления новых LLMs, которые делают промпт инжиниринг внутри себя:)

Но авторы отмечают, что computational thinking нужен для эффективного prompt engineering, который в свою очередь позволяет прокачивать computational thinking, что приводит к позитивной петле обратной связи. Интересно, что Yael Erez, соавтор этой статьи, преподает курс «Введение в компьютерные науки» (CS1) студентам бакалавриата по специальности «Компьютерные науки». В осеннем семестре 2023 года студентам было поручено несколько заданий, включающих решение задач по разработке с помощью приложений GenAI, таких как ChatGPT. И данные по этому обучению подтверждают вышеуказанную связь между computational thinking и prompt engineering. А значит computational thinking нам пригодится и в эпоху GenAI. И хотя сам GenAI может облегчать решение задачи программирования даже для сложных систем, тем самым устраняя необходимость осваивать определенный языковой синтаксис, им все еще не хватает вычислительного мышления. Поэтому вычислительное мышление людей необходимо в эпоху GenAI.

P.S. Интересно смотреть на последние достижения foundational моделей, потому что ситуация развивается очень стремительно. И если пока computational thinking людей еще помогает LLMs, то дальше может все и поменяться:)

#AI #ML #Software #Architecture #Future