IEEE Spectrum 2024 年 5 月号が届きました。
教授陣は文法から離れて、より高度なスキルを重視している
ジェネレーティブ AI はソフトウェア開発業界に変革をもたらしています。AI を活用したコーディング ツールはプログラマーのワークフローを支援し、AI 関連の求人は増え続けています。しかし、この変化は学術界でも顕著に表れています。学術界は、次世代のソフトウェア エンジニアがコーディング方法を学ぶ主要な手段の 1 つです。
コンピュータサイエンスの学生は、生成型 AI を活用して複雑な概念を理解し、複雑な研究論文を要約し、問題を解決するためのブレインストーミングを行い、新しい研究の方向性を考え出し、そしてもちろんコーディング方法を学習するなど、このテクノロジーを活用しています。
「学生たちは早期導入者であり、これらのツールを積極的にテストしています」と、スタンフォード大学でコンピューターサイエンスの修士号を取得中のティーチングアシスタント、ジョニー・チャン氏は言う。同氏はまた、2023年にAI x 教育カンファレンスを設立した。これは、AIが教育に与える影響について議論する学生と教育者のバーチャルな集まりである。
教育者も、遅れを取らないように、生成型 AI の実験を行っています。しかし、教育者は、学生がコンピューター サイエンスの基礎を確実に学習できるようにしながら、このテクノロジーを導入するための手法に取り組んでいます。
「これは難しいバランス調整です」とシンガポール国立大学コンピューター学部の准教授、ウーイ・ウェイ・ツァン氏は言う。「大規模な言語モデルは急速に進化しているため、私たちはまだこれをどうやって行うかを学んでいるところです。」
基礎とスキル自体は進化しています。コンピュータ サイエンスの入門コースのほとんどは、コードの構文とプログラムの実行に重点を置いています。コードの読み書き方法を知ることは依然として重要ですが、テストとデバッグ (これらは通常カリキュラムの一部ではありません) を、より明示的に教える必要が生じています。
「学生が生成AIからコードスニペットを取得し、その正確性をテストするスキルが少しずつ向上しているのがわかります」とニューヨーク州ポツダムのクラークソン大学のコンピューターサイエンス教授、ジーナ・マシューズ氏は言う。
もう一つの重要な専門知識は、問題の分解です。「これは早い段階で習得すべきスキルです。なぜなら、大きな問題を法学修士課程で解決できる小さな部分に分割する必要があるからです」と、カリフォルニア大学サンディエゴ校のコンピューターサイエンスの准教授であるレオ・ポーター氏は言います。「カリキュラムのどこでそれが教えられているかを見つけるのは難しいです。アルゴリズムやソフトウェアエンジニアリングのクラスで教えられているかもしれませんが、それらは上級クラスです。現在、これは入門クラスで優先されます。」
「大規模言語モデルが急速に進化していることを考えると、私たちはまだこれをどうやって行うかを学んでいるところです。」—シンガポール国立大学のウーイ・ウェイ・ツァン
その結果、教育者は指導戦略を修正している。「私はかつて、学生が提出するコードを書くことだけに焦点を当て、そのコードに対してテストケースを実行して成績を決めていました」とトロント大学ミシサガ校のコンピューターサイエンス准教授、ダニエル・ジンガロ氏は言う。「これはソフトウェアエンジニアであることの意味についての非常に狭い見方ですが、生成AIによって、その制限的な見方を克服できたと感じています。」
ポーター氏とともに AI 支援 Python プログラミングに関する本を共著したジンガロ氏は現在、学生たちにグループで作業させ、コードの動作を説明するビデオを提出させている。こうしたウォークスルーを通じて、ジンガロ氏は学生たちが AI を使ってどのようにコードを生成するのか、何に苦労しているのか、設計、テスト、チームワークにどう取り組んでいるのかを把握している。
「私にとっては、コードだけでなく、ソフトウェア開発ライフサイクル全体の学習プロセスを評価する機会です」とジンガロ氏は言います。「私のコースは以前よりもさらに広がり、範囲が広くなったように感じます。学生たちに、より大規模で高度なプロジェクトに取り組ませることができます。」
ウェイ・ツァン氏もその意見に同調し、生成型 AI ツールによって「ソフトウェアの設計方法、解決すべき正しい問題、解決策など、より高度な思考を教えるための時間を確保できます。学生はコードの構文に集中するのではなく、最適化、倫理的問題、システムの使いやすさなどに多くの時間を費やすことができます」と述べています。
しかし、法学修士課程には幻覚的な傾向があるため、教育者は慎重だ。「学生たちに、結果に対して懐疑的になり、結果を検証し、検証する責任を持つように教える必要がある」とマシューズ氏は言う。
マシューズ氏は、生成型 AI は「それに頼りすぎると、学生の学習プロセスを短絡させる可能性がある」と付け加えています。チャン氏も、この過度の依存が落とし穴になり得ることに同意し、批判的思考や効果的な学習プロセスを逃さないように、問題に対する可能な解決策を自分で探すように同級生たちにアドバイスしています。「私たちは AI を学習の自動操縦装置ではなく、副操縦装置にすべきです」と同氏は言います。
「学習においては、AIを自動操縦装置ではなく副操縦装置にすべきだ」—スタンフォード大学ジョニー・チャン
その他の欠点としては、著作権と偏見が挙げられる。「私は学生たちに倫理的制約について教えています。これは他人のコードを元に作られたモデルであり、私たちはその所有権を認めるべきだと。また、モデルは社会にすでに存在する偏見を表すことになるということも認識しなければなりません」とポーター氏は言う。
生成型 AI の台頭に適応するには、学生と教育者が協力し、互いに学び合う必要があります。同僚に対してマシューズ氏は、「学生がこれらのツールをいつ、どのように使用しているかを教えてくれるような環境を育むよう努めてください。結局のところ、私たちは学生を現実世界に備えさせているのです。現実世界は変化しています。ですから、これまでやってきたことを続けることは、この変化の中で学生にとって最善の策ではないかもしれません。」とアドバイスしています。
ポーター氏は、現在実施している改革が将来的に学生の役に立つだろうと楽観視している。「大学で教えている内容と、学生が業界に来たときに実際に必要とされるスキルとの間には、長い間ギャップがありました」と同氏は言う。「私としては、法学修士課程を導入すれば、そのギャップを埋められるかもしれないと期待しています」
Rina Diane Caballar は、テクノロジーと科学、社会、環境との関わりについて執筆するライターです。IEEE Spectrum の寄稿編集者であり、ニュージーランドのウェリントンを拠点とする元ソフトウェア エンジニアです。
元記事: https://spectrum.ieee.org/ai-coding