Professores de IA generativa em destaque: Vibe Coding não é assim tão incrível? Qual é a melhor forma de usar IA para programar?

Na era do rápido desenvolvimento da IA generativa, muitas pessoas sentem-se confusas sobre se devem continuar a aprender a programar. O professor Dàdà, no programa da GQ Magazine, analisa os princípios por trás do ChatGPT e aponta as limitações do Vibe Coding.

O professor Dàdà explica a IA generativa e ensina a compreender corretamente o Vibe Coding

Recentemente, a GQ Taiwan partilhou no seu canal do YouTube um vídeo onde convidou especialmente a professora de Ciência da Computação da Universidade da Califórnia, Berkeley (UC Berkeley), Sarah Chasins, para responder às várias dúvidas dos utilizadores sobre programação e IA.

Na atualidade de rápido avanço da IA generativa, muitas pessoas sentem-se perdidas quanto à continuação do aprendizado de programação. A professora Chasins, no vídeo, não só explica os princípios técnicos, como também faz uma observação prática sobre a recente tendência do “Vibe Coding”.

O professor explica a tecnologia por trás do ChatGPT

A professora Sarah Chasins começa por explicar, de uma forma acessível ao público, o funcionamento do ChatGPT.

O ChatGPT baseia-se em modelos de linguagem de grande escala (LLM), cujo funcionamento central é bastante simples: trata-se de um programa responsável por combinar palavras que parecem compatíveis.

Os desenvolvedores de LLM primeiro recolhem todos os documentos e páginas web escritos por humanos na internet, que representam combinações de vocabulário consideradas razoáveis na cognição humana.

Depois, o programa realiza um treino massivo de “jogos de preenchimento de lacunas”. Por exemplo, o sistema pode ver frases como “O cão tem quatro [espaço]” e a resposta que faz sentido para os humanos é “O cão tem quatro patas”. Se o programa errar a previsão, os desenvolvedores corrigirão até que acerte.

Após um treino que equivale a cerca de 300 a 400 anos de processamento de dados terrestres, o programa acaba por gerar uma enorme “cola de trapaça”, ou seja, os chamados “parâmetros” na indústria tecnológica.

Depois, basta fornecer um documento em formato de diálogo, e este programa especialista em preencher lacunas consegue transformar-se num chatbot, que automaticamente completa as respostas restantes às perguntas humanas, seguindo a lógica.

Fonte da imagem: imagem gerada por IA Nanobanana, apenas para referência. Pedimos desculpa por algumas partes do texto em chinês que possam estar desfocadas.

Na era da IA, a melhor forma de aprender a programar

Diante do poder das ferramentas de IA, muitas pessoas questionam a necessidade de aprender a programar. O professor acredita que, na educação de programação, a habilidade mais importante é a “decomposição de problemas”, ou seja, dividir um problema grande e vago em partes menores, até que cada uma possa ser resolvida com algumas linhas de código.

Sem esse treino, os utilizadores terão dificuldades em usar as ferramentas de IA para produzir programas complexos que realmente funcionem. Além disso, os dados de treino do LLM são predominantemente descrições em linguagem de engenharia, não na linguagem quotidiana usada por não profissionais, o que muitas vezes não combina com os dados de treino, dificultando a geração de código útil pela IA.

Para maximizar os benefícios do uso de IA na programação, o professor Chasins recomenda seguir três passos:

1. Minimizar o problema: dividir o problema até cerca de 5 linhas de código.
2. Usar pseudocódigo: uma forma de descrever a lógica usando uma sintaxe que pode combinar várias linguagens de programação e palavras reservadas, embora seja semelhante à linguagem natural, não é a nossa linguagem diária. O objetivo é fazer com que o computador compreenda melhor a lógica de execução.
3. Criar um plano de validação: testar exaustivamente ou fazer revisão profissional para garantir a precisão do output da IA.

Fonte da imagem: imagem gerada por IA Nanobanana, apenas para referência. Pedimos desculpa por algumas partes do texto em chinês que possam estar desfocadas.

Vibe Coding não é assim tão milagroso?

Relativamente à recente tendência de usar LLM para gerar código diretamente, sem que o humano o escreva manualmente, a professora Sarah Chasins mantém uma postura de reserva.

Ela analisa que estas ferramentas funcionam razoavelmente bem ao lidar com conteúdos rotineiros já escritos por humanos milhares de vezes, mas, se se tentar algo inovador, este método geralmente não funciona.

A professora também cita estudos que indicam que, apesar de quem usa ferramentas de LLM sentir que a eficiência aumentou 20%, na realidade, o ritmo de desenvolvimento é 20% mais lento do que quem não usa essas ferramentas.

Isto mostra que a dependência excessiva das ferramentas pode criar uma ilusão de aumento de eficiência. Quando surgem requisitos de programação inéditos, sem uma base sólida de lógica de decomposição e conhecimento de princípios físicos, é impossível corrigir os erros que a IA comete, levando a uma produção final mais demorada.

Para dar um exemplo simples, o LLM é como um carro de condução automática avançado, capaz de lidar com rotas comuns, mas se não souber como decompor uma pista ou entender os princípios físicos do funcionamento do veículo, como a lógica de programação, ao encontrar uma curva perigosa ou uma necessidade de inovação, a condução automática pode falhar, e você, sem conhecimentos básicos, não saberá como corrigi-la.

Leitura adicional:
A IA permite que uma pessoa crie uma empresa! “Vibe Coding” revoluciona o tradicional, permitindo que pequenas equipas tenham receitas anuais de centenas de milhões