Jon Friskics, Autor Tehnic Principal, Pluralsight – Seria de Interviuri

Jon Friskics, Autor Tehnic Principal, Pluralsight, este un educator experimentat și lider de conținut specializat în experiențe de învățare axate pe dezvoltarea de software și inteligență artificială. În prezent, el creează cursuri video și laboratoare practice conduse de experți, care acoperă tehnologii precum Claude, Node.js, TypeScript, Tailwind CSS și Python, construind pe o carieră lungă în cadrul companiei, care include autorat senior, arhitectură de învățare și conducere în strategia de formare și curriculum. Înainte de aceasta, el a jucat un rol cheie în modelarea sistemelor de învățare scalabile și multimodale și în ghidarea a mii de creatori de conținut tehnic cu practici de proiectare instructivă bazate pe dovezi, în timp ce la începutul carierei sale, el a condus strategia de conținut la Code School și a predat o gamă largă de subiecte tehnice la Universitatea din Central Florida, stabilind o bază solidă atât în educație, cât și în dezvoltare reală.

Pluralsight este o platformă de dezvoltare a abilităților tehnice care oferă cursuri online, laboratoare practice și evaluări ale abilităților pentru a ajuta indivizii și organizațiile să-și dezvolte expertiza în domenii precum dezvoltarea de software, inteligență artificială, calcul în nor și securitate cibernetică. Fondată în 2004, compania a evoluat într-un ecosistem de învățare cuprinzător, utilizat de întreprinderi și profesioniști din întreaga lume, combinând conținut creat de experți cu insight-uri pentru a închide lacunele de abilități și a accelera dezvoltarea forței de muncă într-o economie din ce în ce mai condusă de tehnologie.

Carierele dvs. cuprind proiectarea curriculelor interactive, sistemele de învățare tehnică la scară largă și educația avansată a instrumentelor de lucru cu inteligență artificială. Cum v-a influențat această experiență perspectiva asupra motivului pentru care judecata inginerească puternică contează încă în era codării asistate de inteligență artificială?

Experiența mea a arătat că judecata inginerească puternică este despre mai mult decât scrierea de cod. Este despre înțelegerea sistemelor și consecințelor pe termen lung. Inteligența artificială poate automatiza sarcini și crea un cadru care conduce la soluții, dar nu întotdeauna înțelege impactul deciziilor asupra utilizatorilor sau sistemelor în moduri previzibile. Judecata umană asigură că inteligența artificială este utilizată pentru a spori productivitatea în siguranță, judecata inginerească fiind mai valoroasă ca niciodată, ghidând echipele pentru a utiliza inteligența artificială în mod eficient, menținând în același timp calitatea și fiabilitatea.

Pluralsight s-a concentrat de mult timp pe închiderea lacunelor de abilități tehnice. Cum vedeți evoluția acestei misiuni acum, când abilitățile de colaborare cu inteligența artificială trebuie să stea alături de fundamentele tradiționale ale dezvoltării de software?

Misiunea Pluralsight este de a dota învățătorii cu abilitățile tehnice fundamentale de care au nevoie pentru a reuși. Pe măsură ce inteligența artificială devine un colaborator în sarcinile de dezvoltare, aceste fundamente rămân esențiale, dar echipele trebuie să înțeleagă și cum să lucreze cu inteligența artificială în mod responsabil și să valideze ieșirile sale. Chiar dacă inteligența artificială poate genera cod, nu înlocuiește nevoia de abilități de programare și poate îmbunătăți aceste abilități prin stratificarea înțelegerii fluxului de lucru și a gândirii sistemice peste expertiza existentă. Pluralsight ajută învățătorii să construiască pe abilitățile fundamentale existente și să mențină gândirea strategică prin soluții de învățare care includ cursuri la cerere, laboratoare practice și ateliere conduse de experți care evoluează alături de inovațiile tehnologice.

Care sunt abilitățile arhitecturale, de implementare și de gestionare a riscurilor pe care le considerați cel mai mult expuse la risc, dacă dezvoltatorii devin prea dependenți de codul generat de inteligența artificială?

Dezvoltatorii care se bazează prea mult pe generarea de cod de către inteligența artificială și acceptă ieșirile sale fără a lua timpul necesar pentru a înțelege ce a fost generat pot slăbi, în timp, abilitățile lor strategice, cum ar fi gândirea arhitecturală și evaluarea riscurilor. Înțelegerea modului în care componentele interacționează și proiectarea pentru fiabilitate sunt capacități care se învață prin experiență în multe situații diferite. Acest lucru înseamnă că o dependență excesivă de inteligența artificială nu numai că poate duce la vulnerabilități ascunse și instabilitate a sistemului, dar poate și slăbi, pe termen lung, abilitățile de rezolvare a problemelor ale dezvoltatorilor, permițând ca aceste probleme să rămână nerezolvate până când este prea târziu.

Pe măsură ce instrumentele de codare autonome câștigă teren, unde vedeți cea mai mare disconectare între ceea ce promit aceste instrumente și ceea ce inginerii sunt, de fapt, pregătiți să valideze sau să supravegheze?

Învățarea continuă este esențială pentru ingineri pe măsură ce lucrează alături de instrumente de dezvoltare asistate de inteligență artificială și sisteme de codare autonome. Instrumentele de codare autonome promit viteză și acuratețe în generarea de cod funcțional, dar lipsesc înțelegerea interacțiunilor sistemice, securității și impactului comercial, și asta înseamnă că trebuie să oferiți contextul lipsă. Disconectarea se află în presupunerea că ieșirile inteligenței artificiale sunt complete sau corecte în absența supravegherii umane. Când pașii de validare sunt săriți sau grăbiți, echipele riscă introducerea de bug-uri costisitoare, vulnerabilități de securitate sau incoerențe arhitecturale. Acest lucru subliniază nevoia ca inginerii să-și actualizeze în mod continuu abilitățile, astfel încât să poată gestiona și valida eficient munca generată de inteligența artificială.

Cum ar trebui companiile să-și reconsidere strategiile de perfectionare pentru a se asigura că dezvoltatorii știu când să aibă încredere în sugestiile inteligenței artificiale și când să încetinească și să aplice o revizuire mai profundă?

Perfectionarea ar trebui să sublinieze cunoașterea momentului în care ieșirile inteligenței artificiale sunt de încredere, în contrast cu momentele în care este nevoie de o revizuire mai profundă, inclusiv testarea scenariilor și validarea prompturilor. Această abordare întărește judecata alături de abilitățile de programare, asigurând că inginerii pot avea încredere în inteligența artificială în mod selectiv, mai degrabă decât să se bazeze prea mult pe codul generat. Programele de învățare și dezvoltare care oferă experiențe de învățare structurate și practice permit dezvoltatorilor să experimenteze cu fluxuri de lucru asistate de inteligență artificială pentru a vedea cum se comportă codul generat în cadrul aplicațiilor complete și să exercite această judecată într-un mediu de testare. Prin sprijinirea atât a instruirii conduse de experți, cât și a exercițiilor practice, inginerii pot întări abilitățile de gândire critică necesare pentru a evalua ieșirile generate de inteligența artificială în mod responsabil.

În medii de produse cu mișcare rapidă, cum pot preveni liderii de inginerie introducerea de scurtături generate de inteligența artificială care pot duce la datorii tehnice pe termen lung sau vulnerabilități de securitate?

Liderii trebuie să impună cadre de guvernanță și evaluare a riscurilor pentru codul generat de inteligența artificială. Stabilirea unor limite puternice și auditarea ieșirilor poate ajuta la prevenirea datoriilor tehnice pe termen lung și a vulnerabilităților de securitate. Aș sugera, de asemenea, educația dezvoltatorilor axată pe practici de codare în siguranță și conștientizarea arhitecturală pentru a se asigura că inginerii lor înțeleg compromisurile din spatele sugestiilor generate de inteligența artificială. Exercițiile regulate de revizuire și antrenamentul bazat pe scenarii pot ajuta la reducerea probabilității ca scurtăturile să se acumuleze în riscuri ascunse ale sistemului.

Care sunt cadrurile practice sau barajele pe care le recomandați organizațiilor să le adopte pentru a menține codarea asistată de inteligență artificială ca o colaborare și nu ca o vulnerabilitate?

Uneltele care funcționează cel mai bine pentru acest lucru sunt noi protocoale de revizuire, urmărirea controlului versiunilor și experimentarea izolată a inteligenței artificiale. Utilizarea metricilor, cadrelor de observabilitate și evaluărilor va ajuta echipele să urmărească calitatea ieșirilor și să întărească colaborarea responsabilă, asigurând că inteligența artificială este un partener în productivitate și nu o vulnerabilitate. De asemenea, este valoros pentru organizații să exploreze fluxurile de lucru asistate de inteligență artificială pentru a înțelege capacitățile și limitările acestor unelte pentru nevoile specifice ale echipelor lor. Aceste practici vor ajuta echipele să dezvolte judecata necesară pentru a integra sugestiile inteligenței artificiale în mod eficient, fără a compromite calitatea codului sau stabilitatea sistemului.

Ce caracterizează dezvoltatorii care vor prospera într-un viitor augmentat de inteligență artificială, comparativ cu cei care pot avea dificultăți în a se adapta?

Dezvoltatorii care vor excela într-un viitor augmentat de inteligență artificială vor combina abilități fundamentale puternice cu judecată, adaptabilitate și gândire sistemică. Ei înțeleg când să aibă încredere în inteligența artificială, când să intervină pentru a o ghida și redirecționa, și cum ieșirile se potrivesc în sistemul mai larg. Cei care pot avea dificultăți pot depinde prea mult de automatizare, pot lipsi experiența cu cazurile limită sau pot neglija validarea rezultatelor, riscând erori pentru organizația lor și pierzând oportunitățile valoroase de învățare care întăresc expertiza unui dezvoltator pe parcursul unei cariere riguroase. Învățarea continuă și experimentarea practică cu fluxuri de lucru asistate de inteligență artificială vor ajuta dezvoltatorii să-și ascuțească aceste abilități într-un timp mai scurt și să rămână eficienți pe măsură ce uneltele de codare asistate de inteligență artificială evoluează. Continuarea învățării și experimentării practice cu fluxuri de lucru asistate de inteligență artificială va ajuta dezvoltatorii să-și ascuțească aceste abilități într-un timp mai scurt și să rămână eficienți pe măsură ce uneltele de codare asistate de inteligență artificială evoluează. Continuă să înveți și să experimentezi cu fluxuri de lucru asistate de inteligență artificială pentru a rămâne competitiv.

Mulțumim pentru acest interviu minunat, cititorilor care doresc să afle mai multe despre Pluralsight, vă invităm să vizitați Pluralsight.