Tabla de enlaces
Resumen y 1 Introducción
2. Conceptualizaciones previas de asistencia inteligente para programadores
3. Una breve descripción de los modelos de idiomas grandes para la generación de código
4. Herramientas de programación comercial que utilizan modelos de idiomas grandes
5. Implicaciones de fiabilidad, seguridad e seguridad de los modelos de IA generadores de código
6. Usabilidad y estudios de diseño de programación asistida por AI-AI
7. Informes de experiencia y 7.1. Escribir indicaciones efectivas es difícil
7.2. La actividad de la programación cambia hacia la verificación y la depuración desconocida
7.3. Estas herramientas son útiles para la boilerplate y la reutilización de códigos
8. La insuficiencia de las metáforas existentes para la programación asistida por AI-AI
8.1. Asistencia de IA como búsqueda
8.2. Asistencia de IA como compilación
8.3. Ayuda de IA como programación de pares
8.4. Una forma distinta de programación
9. Problemas con la aplicación a la programación del usuario remaining
9.1. Problema 1: Especificación de intención, descomposición del problema y pensamiento computacional
9.2. Problema 2: corrección del código, calidad y (sobre) confianza
9.3. Problema 3: Comprensión y mantenimiento del código
9.4. Problema 4: Consecuencias de la automatización en la programación del usuario remaining
9.5. Problema 5: Sin código y el dilema de la respuesta directa
10. Conclusión
A. Fuentes de informes de experiencia
Referencias
9.2. Problema 2: corrección del código, calidad y (sobre) confianza
El segundo desafío es verificar si el código generado por el modelo es correcto. En GridBook, los usuarios pudieron ver el enunciado del lenguaje pure, la fórmula sintetizada y el resultado de la fórmula. De estos, los participantes confiaron en gran medida en ‘ocular’ la salida remaining como un medio para evaluar la corrección del código, en lugar de, por ejemplo, leer el código o las pruebas rigurosamente.
Si bien esta falta de pruebas rigurosas por parte de los programadores de usuario remaining no es sorprendente, algunos usuarios, particularmente aquellos con baja autoeficacia informática, podrían sobreestimar la precisión de la IA, profundizando los programadores de usuario remaining excesivo que se sabe que tienen en la precisión de sus programas (Panko, 2008). Además, los programadores de usuarios finales podrían no poder discernir la calidad de los aspectos no funcionales del código generado, como los problemas de seguridad, robustez o rendimiento.
