副操縦士がプログラマーのプログラミング能力を低下させている理由 · 怒っている開発者

投稿日 2024 年 9 月 11 日水曜日
による ダレン・ホロックス

ここ数年、GitHub の Copilot やその他の大規模言語モデル (LLM) などの AI 駆動ツールの進化により、プログラミングに革命が起こることが約束されています。深層学習を活用することで、これらのツールはコードを生成し、解決策を提案し、さらにはリアルタイムで問題のトラブルシューティングを行うことができるため、開発者の作業時間を節約できます。これらのツールには生産性の点で明らかな利点がありますが、プログラマーの品質やスキルセットに予期せぬ影響を与える可能性があるという懸念も高まっています。

コアプログラミングスキルの衰退

Copilot のようなツールに依存することの最も重大なリスクの 1 つは、基本的なプログラミング スキルが徐々に失われることです。これまで、コードの学習には、実践的な問題解決、デバッグ、そしてアルゴリズムから低レベルの実装の詳細に至るまで、さまざまなレベルでコードがどのように機能するかを深く理解することが含まれていました。

AI アシスタントは便利ですが、多くの場合、開発者はこれらの手順を回避できます。たとえば、プログラマーは、アルゴリズムの基礎となる構造を深く理解したり、効率的なループや再帰の書き方を学習したりするのではなく、自動生成されたコード スニペットをそのまま受け入れることができるようになりました。時間が経つと、開発者はプログラミングに必要な問題解決スキルや批判的思考スキルを十分に身につけることができず、AI の支援なしでは効果的に問題を解決できないようになる可能性があります。

自動生成コードへの過度の依存

Copilot のようなツールを使用すると、開発者は仕組みを完全に理解していなくても、機能するコードを迅速に作成できます。これは、開発者が正確さ、効率性、保守性を確認せずに AI が生成したソリューションに過度に依存する、いわゆる「コードの依存関係」を引き起こします。

自動生成コードに関する重要な問題の 1 つは、それが特定の問題に対して常に最適な解決策であるとは限らないことです。適切な審査がなければ、プログラマーは、一見機能しても、長期的には問題を引き起こす、非効率的、バグの多い、または安全でないコードを受け入れる可能性があります。この依存により、コードをリファクタリングしたりレビューしたりする動機が減り、時間の経過とともにコードベースとチームの生産性が損なわれる可能性があります。

所有権と責任の欠如

AI 支援によるコード生成は、開発者が自分たちが「書く」コードから切り離されてしまう現象を引き起こす可能性があります。開発者がコードのすべての行を手動で記述する場合、その動作が機能的であるか、安全であるか、効率的であるかにかかわらず、開発者はその動作に対して全責任を負います。対照的に、AI がコードの重要な部分を生成する場合、その責任感を AI アシスタントに移すのは簡単です。

この所有権の欠如により、開発者は「AI が生成したのだから、正しいはずだ」と考えて満足してしまう可能性があります。しかし、AI によって生成されたコードは、エラー、バグ、さらにはセキュリティの脆弱性の影響を受けないわけではありません。最終的には、コードをレビューし、理解し、改良するのが開発者の仕事ですが、Copilot の利便性のおかげで、その勤勉さが薄れる可能性があります。

学習機会の減少

優れたプログラマーになるために最も重要な側面の 1 つは、継続的な学習プロセスです。遭遇したすべてのバグ、行われたすべての設計上の決定、および研究されたすべてのアルゴリズムは、何か新しいことを学ぶ機会です。ただし、Copilot やその他の LLM は、迅速なソリューションを提供することで学習プロセスを短縮し、開発者が特定のソリューションが機能する、または機能しない理由を深く掘り下げることなく答えを提供できる可能性があります。

ツールがすぐに解決策を提供してくれると、別のアプローチを探したり、さまざまな方法を試したり、さまざまな実装のトレードオフを完全に理解したりする可能性は低くなります。この利便性は、短期的には有益ですが、長期的なスキル開発に寄与する学習経験の数を減らします。

狭まった創造的思考

プログラミングはロジックであると同時に創造性も重要です。熟練したプログラマーは、複数の角度から問題にアプローチし、それぞれの長所と短所を比較検討しながら、さまざまな解決策を考え出すことができます。 AI 駆動ツールは、多くの場合、既存のコードやパターンに基づく提案を提供するため、開発者による新しいアプローチや革新的なソリューションの探索を制限する可能性があります。

Copilot は「何が機能するか」を提案できますが、既成概念にとらわれない考え方を奨励する代わりに、より従来的なパターンや一般的なパターンを促進する可能性もあります。懸念されているのは、AIツールのせいでプログラミングが限界を押し広げる創造的な追求ではなく、提案を受け入れる機械的なプロセスになってしまうのではないかということだ。

独自のツールへの依存

AI 駆動型ツールのもう 1 つの欠点は、GitHub Copilot などの独自のプラットフォームに依存することです。開発者がこれらのツールを使い始めると、コードの生成、トラブルシューティング、または最適化を行うためにますますツールに依存するようになります。これにより、ツールが失敗したり、サービス条件が変更されたり、価格が高くなりすぎたりした場合に問題が発生します。

さらに、AI ツールへの依存は、開発者を広範なプログラミング コミュニティや、同僚とのコラボレーションや知識の共有を促進するオープンソース ツールから孤立させ、スキルの向上をさらに妨げる可能性があります。

誤った専門知識

おそらく、AI コード生成の最も懸念される影響の 1 つは、開発者の間に誤った専門知識が生じる可能性があることです。開発者は、コードを完全に理解していなくても、Copilot の助けを借りて機能するコードをすぐに生成できるため、プログラミングに熟練していると感じるかもしれません。

これは、開発者がパフォーマンスの最適化、同時実行性、セキュリティなど、コードをより深く理解することが重要であるソフトウェア エンジニアリングのより複雑な領域に移行する場合に特に危険となる可能性があります。基本的な知識がなければ、開発者は時間と費用の両方でコストがかかる間違いを犯す可能性があります。

要するに

開発者としてのあなたがコードを理解していなければ、どうやってここにたどり着いたのか、自分で問題を解決する方法も理解できません。 LLM からコードをコピーして貼り付け、答えをすぐに与えられるだけでは、より優れたプログラマーになれるわけではありません。そうなるとあなたはロボットに依存することになり、ロボットができないことは決してできなくなります。