Почему это сложнее: уникальные препятствия для неэкспертов с использованием инструментов кодирования искусственного интеллекта

Почему это сложнее: уникальные препятствия для неэкспертов с использованием инструментов кодирования искусственного интеллекта

10 августа 2025 г.

Аннотация и 1 введение

2. Предыдущие концептуализации интеллектуальной помощи для программистов

3. Краткий обзор больших языковых моделей для генерации кода

4. Коммерческие инструменты программирования, которые используют большие языковые модели

5. Надежность, безопасность и последствия безопасности моделей ИИ, генерирующих код,

6. Изузаение юзабилити и дизайна программирования A-ассистентного

7. Опыт отчетов и 7.1. Писать эффективные подсказки сложно

7.2 Активность программирования сдвигается в сторону проверки и незнакомой отладки

7.3. Эти инструменты полезны для шаблона и повторного использования кода

8. Неадекватность существующих метафор для программирования A-A-Advisted

8.1. Помощь ИИ в качестве поиска

8.2. Помощь ИИ в качестве компиляции

8.3. Помощь ИИ в качестве парного программирования

8.4. Отчетливый способ программирования

9. Проблемы с применением программирования конечного пользователя

9.1. Выпуск 1: Спецификация намерений, разложение проблемы и вычислительное мышление

9.2. Выпуск 2: Правильность кода, качество и (над) уверенность

9.3. Выпуск 3: Понимание и обслуживание кода

9.4. Выпуск 4: Последствия автоматизации в программировании конечных пользователей

9.5. Выпуск 5: Код без кода и дилемма прямого ответа

10. Заключение

A. Источники отчета о испытании

Ссылки

9. Проблемы с применением программирования конечного пользователя

Преимущества и проблемы программирования с LLMS обсуждались до сих пор касаются профессионального программиста или начинающего программиста в обучении. Они имеют официальное обучение по программированию и, часто, некоторое понимание несовершенного характера сгенерированного ИИ кода. Но большинство людей, которые программируют, не попадают в эту категорию. Вместо этого они являются обычными конечными пользователями компьютеров, которые программируют до конца. Такими программистами конечных пользователей часто не хватает знаний о программировании или работы ИИ. Им также не хватает склонности приобрести эти навыки.

Разумно сказать, что такие программисты конечных пользователей (например, бухгалтеры, журналисты, ученые, владельцы бизнеса) принесут наибольшую пользу от помощи ИИ, таких как LLMS. В одном идеальном мире, конечный пользователь, желающий выполнить задачу, может сделать это, просто указав их намерение на знакомых естественных языках без предварительного знания о базовой модели программирования или ее синтаксиса и семантики. Код будет создан и даже автоматически работает для получения желаемого вывода.

Однако, как мы видели до сих пор, мир не идеален, и даже обученные программисты сталкиваются с различными проблемами при программировании с ИИ. Эти проблемы усугубляются только для программистов конечных пользователей, как исследование Srinivasa Ragavan et al. (2022) наблюдает.

Участниками исследования были аналитики данных (n = 20), проводящие исследовательский анализ данных в Gridbook, естественной системе расширенных электронных таблиц с естественным языком. В Gridbook (Рисунок 6, принятый в Srinivasa Ragavan et al. (2022)) пользователи могут писать формулы электронной таблицы, используя естественный язык (рис. 6: A-F); Формальная формула затем синтезируется от высказывания естественного языка. Gridbook также делает контекст высказывания; Например, на рисунке 6 запрос на этикетке 4 представляет собой последующее наблюдение с метки 3. Как естественное языковое высказывание, так и синтезированная формула сохраняются для пользователей для редактирования и манипулирования.

Авторы:

(1) Advait Sarkar, Microsoft Research, Кембриджский университет (advait@microsoft.com);

(2) Эндрю Д. Гордон, Microsoft Research, Эдинбургский университет (adg@microsoft.com);

(3) Карина Негрину, Microsoft Research (cnegreanu@microsoft.com);

(4) Christian Poelitz, Microsoft Research (cpoelitz@microsoft.com);

(5) Sruti Srinivasa Ragavan, Microsoft Research (a-srutis@microsoft.com);

(6) Бен Зорн, Microsoft Research (ben.zorn@microsoft.com).


Эта статья естьДоступно на ArxivПод CC BY-NC-ND 4.0 Лицензия.


Оригинал
PREVIOUS ARTICLE
NEXT ARTICLE