天生式人工智能正在改变软件开拓行业。
人工智能驱动的编码工具正在帮忙程序员的事情流程，而人工智能领域的事情岗位也在不断增加。
但这种转变在学术界也很明显——学术界是下一代软件工程师学习编码的紧张路子之一。

打算机科学专业的学生正在拥抱这项技能，利用天生式人工智能来帮助他们理解繁芜的观点、总结繁芜的研究论文、群策群力地谈论办理问题的方法、提出新的研究方向，当然还有学习如何编码。

“学生是早期采取者，并且一贯在积极测试这些工具，”斯坦福大学攻读打算机科学硕士学位的助教Johnny Chang说。
他还在 2023 年创办了AI x Education 会议，这是一次学生和教诲事情者的虚拟聚会，谈论人工智能对教诲的影响。

为了不被抛在后面，教诲事情者也在考试测验天生人工智能。
但他们正在努力研究采取该技能的方法，同时仍旧确保学生学习打算机科学的根本知识。

“这是一个困难的平衡行为，”新加坡国立大学打算机学院副教授Ooi Wei Tsang说。
“鉴于大型措辞模型正在迅速发展，我们仍在学习如何做到这一点。
”

根本知识和技能本身正在不断发展。
大多数打算机科学入门课程都侧重于代码语法和让程序运行，虽然知道如何读写代码仍旧很主要，但测试和调试（常日不属于传授教化大纲的一部分）现在须要更明确地教授。

纽约州波茨坦克拉克森大学打算机科学教授珍娜·马修斯 (Jeanna Matthews)表示：“我们看到这项技能有所提高，学生们可以从天生式人工智能中获取代码片段，并须要测试这些代码片段的精确性。
”

另一个主要的专业知识是问题分解。
“这是一项须要尽早理解的技能，由于你须要将一个大问题分解为法学硕士可以办理的小问题，”加州大学圣地亚哥分校打算机科学副教授Leo Porter说。
“很难在课程中找到教授的内容——大概是算法或软件工程课程，但这些都是高等课程。
现在，它已成为入门课程的优先事变。
”

“鉴于大型措辞模型正在迅速发展，我们仍在学习如何做到这一点。
”—OOI WEI TSANG，新加坡国立大学

因此，教诲事情者正在修正他们的传授教化策略。
“我曾经特殊关注学生编写他们提交的代码，然后我对代码运行测试用例以确定他们的成绩，”多伦多大学密西沙加分校打算机科学副教授Daniel Zingaro说。
“对付软件工程师的意义来说，这是一种非常狭隘的不雅观点，而我只是以为，通过天生式人工智能，我已经成功地战胜了这种限定性不雅观点。
”

Zingaro 与 Porter 合着了一本关于人工智能赞助 Python 编程的书《Learn AI-Assisted Python Programming》，现在让他的学生分组事情，并提交一段***来阐明他们的代码是如何事情的。
通过这些演习训练，他理解了学生如何利用人工智能天生代码、他们碰着的困难以及他们如何进行设计、测试和团队互助。

“这对我来说是一个评估他们全体软件开拓[生命周期]学习过程的机会，而不仅仅是代码，”Zingaro 说。
“我以为我的课程比以前更加开放，范围也更广。
我可以让学生从事更大、更高等的项目。
”

Ooi 赞许这一不雅观点，并指出生成式人工智能工具“将为我们腾出韶光来教授更高层次的思维，例如，如何设计软件、要办理的精确问题是什么以及办理方案是什么。
学生可以将更多韶光花在系统的优化、道德问题和用户友好性上，而不是关注代码的语法。
”

但考虑到大措辞模型随意马虎产生幻觉，教诲事情者持谨慎态度。
马修斯说：“我们须要教导学生对结果持疑惑态度，并卖力验证和确认结果。
”

马修斯补充说，天生式人工智能“可能会缩短过度依赖它的学生的学习过程。
”Zhang赞许这种过度依赖可能是一个陷阱，并建议他的同学自己探索问题的可能办理方案，这样他们就不会失落去批驳性思维或有效的学习过程。
“我们该当让人工智能成为学习的副驾驶，而不是自动驾驶，”他说。

“我们该当让人工智能成为学习的副驾驶，而不是自动驾驶。
”——约翰尼·张，斯坦福大学

其他缺陷包括版权和偏见。
“我教我的学生有关道德约束的知识——这是一个基于其他人的代码构建的模型，我们会承认它的所有权，”波特说。
“我们还必须认识到，模型将代表社会中已经存在的偏见。
”

适应天生式人工智能的兴起须要学生和教诲事情者共同努力并相互学习。
对付她的同事，马修斯的建议是“考试测验营造一个鼓励学生见告您他们何时以及如何利用这些工具的环境。
终极，我们正在让学生为现实天下做好准备，而现实天下正在发生变革，因此坚持你一贯在做的事情可能并不是最适宜学生在这一转变中的窍门。
”

波特乐不雅观地认为，他们现在正在履行的改变将在未来为学生供应良好的做事。
“我们在学术界教授的内容与学生进入行业时实际须要的技能之间的差距由来已久，”他说。
“我希望，如果我们接管法学硕士，我们可能会帮助缩小差距。
”