Cộng đồng công nghệ đang có cuộc tranh luận sôi nổi về các công cụ lập trình AI sau khi nghiên cứu mới tiết lộ khoảng cách đáng ngạc nhiên giữa nhận thức và thực tế. Trong khi các lập trình viên cảm thấy hiệu quả hơn 20% khi sử dụng trợ lý AI, họ thực sự trở nên chậm hơn 19% trong việc hoàn thành các nhiệm vụ. Phát hiện này đã làm dấy lên các cuộc thảo luận về việc liệu hàng tỷ đô la được đầu tư vào các công ty lập trình AI có đại diện cho tiến bộ thực sự hay chỉ là sự cường điệu đắt đỏ.
Kết quả nghiên cứu về hiệu suất lập trình AI:
- Mức tăng năng suất cảm nhận được: +20%
- Thay đổi hiệu suất thực tế: -19% (chậm hơn)
- Khoảng cách giữa nhận thức và thực tế: 39 điểm phần trăm
AI như một trình biên dịch được tôn vinh
Lập luận cốt lõi đang thu hút sự chú ý là các công cụ lập trình AI hiện tại hoạt động giống như các trình biên dịch nâng cao hơn là trợ lý lập trình thực sự. Bạn cung cấp một lời nhắc bằng tiếng Anh, và AI xuất ra mã - giống như cách một trình biên dịch chuyển đổi mã nguồn thành các chương trình có thể thực thi. Sự khác biệt chính là tiếng Anh thiếu độ chính xác và tính nhất quán khiến các ngôn ngữ lập trình truyền thống trở nên đáng tin cậy. Điều này tạo ra các vấn đề khi các lập trình viên cố gắng xây dựng bất cứ thứ gì vượt ra ngoài các nhiệm vụ phổ biến, được tài liệu hóa tốt.
Cộng đồng chỉ ra ba vấn đề chính khi sử dụng tiếng Anh như một ngôn ngữ lập trình: nó không chính xác cho các đặc tả phức tạp, có tính không thể dự đoán cao trong các kết quả đầu ra, và những thay đổi trong một phần của lời nhắc có thể ảnh hưởng bất ngờ đến toàn bộ kết quả. Những hạn chế này trở nên rõ ràng khi di chuyển vượt ra ngoài các ứng dụng CRUD cơ bản và các script đơn giản.
Những hạn chế chính của tiếng Anh như ngôn ngữ lập trình:
- Thiếu độ chính xác cho các đặc tả phức tạp
- Đầu ra có tính phi xác định cao
- Thay đổi không cục bộ (việc sửa đổi prompt ảnh hưởng đến toàn bộ đầu ra)
- Không có đặc tả chính thức như các ngôn ngữ lập trình truyền thống
Nghịch lý mã mẫu
Nhiều lập trình viên đánh giá cao các công cụ AI để tạo ra mã mẫu và tìm kiếm các giải pháp cho những vấn đề khó hiểu mà nếu không sẽ đòi hỏi phải đọc hàng trăm trang tài liệu. Tuy nhiên, mô hình sử dụng này tiết lộ một vấn đề sâu xa hơn với các ngôn ngữ lập trình và công cụ hiện tại. Việc AI có thể xử lý thành công các nhiệm vụ lập trình thường lệ cho thấy rằng các công cụ phát triển của chúng ta đang thất bại trong việc loại bỏ công việc lặp đi lặp lại mà lẽ ra không nên tồn tại ngay từ đầu.
Việc xem xét nhu cầu về mã mẫu LLM như một sự thất bại của ngôn ngữ và công cụ là một quan sát thú vị. Nó đặt ra câu hỏi tại sao vẫn còn tồn tại thứ gọi là mã mẫu.
Quan sát này làm nổi bật cách thành công của lập trình AI thường che giấu các vấn đề cơ bản thay vì giải quyết chúng. Thay vì xây dựng các ngôn ngữ lập trình tốt hơn để loại bỏ mã mẫu, ngành công nghiệp đã chấp nhận AI như một giải pháp tạm thời cho công cụ kém.
Ứng dụng thực tế và hạn chế
Cộng đồng thừa nhận rằng các công cụ lập trình AI hoạt động khá tốt cho các nhiệm vụ lập trình phổ biến như biểu mẫu, script và các ứng dụng web tiêu chuẩn. Chúng đặc biệt có giá trị cho việc tạo mẫu nhanh và làm việc với các ngôn ngữ lập trình không quen thuộc. Tuy nhiên, hiệu quả của chúng giảm đáng kể khi được áp dụng cho các cơ sở mã sản xuất nơi mã phải có thể xem xét, bảo trì và tích hợp liền mạch với các hệ thống hiện có.
Một số lập trình viên lưu ý rằng mã được tạo bởi AI thường đòi hỏi lặp đi lặp lại rộng rãi - viết một tính năng, tối ưu hóa việc triển khai lộn xộn, sau đó lặp lại chu kỳ. Mô hình này cho thấy rằng trong khi AI có thể tạo ra mã có chức năng, nó gặp khó khăn với tư duy kiến trúc và các cân nhắc dài hạn mà các lập trình viên có kinh nghiệm mang đến cho các dự án.
Hiệu quả của Công cụ Lập trình AI theo Trường hợp Sử dụng:
- Hiệu quả Nhất: Tạo code mẫu, tra cứu tài liệu, tạo nguyên mẫu nhanh, ngôn ngữ lạ
- Hiệu quả Trung bình: Ứng dụng CRUD, biểu mẫu, script đơn giản
- Hiệu quả Thấp nhất: Codebase sản xuất, kiến trúc phức tạp, code có thể bảo trì
Câu hỏi về khả năng tiếp cận
Bất chấp những lo ngại về hiệu suất, các công cụ lập trình AI đang làm cho lập trình trở nên dễ tiếp cận hơn với những người mới. Khả năng mô tả chức năng mong muốn bằng tiếng Anh đơn giản làm giảm rào cản cho những người muốn tạo ra các trò chơi hoặc ứng dụng đơn giản mà không cần kiến thức kỹ thuật sâu. Hiệu ứng dân chủ hóa này có thể có giá trị cho giáo dục và các dự án sáng tạo, ngay cả khi các công cụ không phù hợp cho công việc phát triển chuyên nghiệp.
Cuộc tranh luận phản ánh một căng thẳng rộng lớn hơn trong ngành công nghiệp công nghệ giữa đổi mới thực sự và sự cường điệu thị trường. Trong khi các công cụ lập trình AI mang lại một số lợi ích, khoảng cách giữa hiệu suất được nhận thức và thực tế của chúng cho thấy rằng hàng tỷ đô la đầu tư có thể là quá sớm. Cộng đồng dường như ngày càng tập trung vào nhu cầu về các ngôn ngữ lập trình, trình biên dịch và công cụ phát triển tốt hơn - những cải tiến có thể ít bắt mắt hơn nhưng hữu ích hơn về cơ bản so với các phương pháp AI hiện tại.
Tham khảo: Al Coding