Một nghiên cứu gần đây xem xét tác động thực tế của các Mô Hình Ngôn Ngữ Lớn ( LLM ) đối với năng suất của lập trình viên đã châm ngòi cho cuộc tranh luận gay gắt trong cộng đồng lập trình. Nghiên cứu này tiết lộ những kết quả đáng ngạc nhiên thách thức sự nhiệt tình rộng rãi đối với các công cụ lập trình hỗ trợ bởi AI.
Kết Quả Nghiên Cứu Trái Ngược Với Kỳ Vọng Của Lập Trình Viên
Nghiên cứu đo lường những thay đổi năng suất thực tế khi các lập trình viên sử dụng công cụ lập trình LLM trong công việc hàng ngày của họ. Trước khi tham gia, các lập trình viên dự đoán họ sẽ thấy khoảng 20% tăng năng suất. Ngay cả sau khi hoàn thành nghiên cứu, họ vẫn duy trì niềm tin này. Tuy nhiên, các phép đo thực tế cho thấy mất 19% năng suất thay vì tăng.
Sự ngắt kết nối rõ rệt này giữa nhận thức và thực tế đã đặt ra những câu hỏi nghiêm túc về cách các lập trình viên đánh giá hiệu suất của chính họ khi sử dụng các công cụ AI. Nghiên cứu cho thấy rằng trong khi các lập trình viên cảm thấy năng suất hơn khi sử dụng LLM, họ có thể đang đánh giá quá cao thời gian tiết kiệm từ việc tạo mã trong khi đánh giá thấp thời gian dành để sửa lỗi và xem xét mã do AI tạo ra.
So sánh Kết quả Nghiên cứu
- Dự đoán của các nhà phát triển (trước nghiên cứu): tăng năng suất +20%
- Niềm tin của các nhà phát triển (sau nghiên cứu): tăng năng suất +20%
- Kết quả đo lường thực tế: giảm năng suất -19%
- Dự đoán của các chuyên gia kinh tế/ ML : tăng năng suất +40%
Cộng Đồng Chia Rẽ Về Hiệu Quả Của LLM
Cộng đồng lập trình vẫn chia rẽ sâu sắc về giá trị của các công cụ lập trình LLM. Những người ủng hộ cho rằng các công cụ này xuất sắc trong các nhiệm vụ cụ thể như xây dựng khung kiểm thử, đánh giá mã và tạo mẫu nhanh. Họ chỉ ra các trường hợp sử dụng mà LLM có thể phát hiện lỗi mà người đánh giá có thể bỏ sót, chẳng hạn như logic cờ tính năng đảo ngược không kích hoạt lỗi kiểm thử.
Tuy nhiên, những người chỉ trích nhấn mạnh những lo ngại cơ bản về khả năng hiểu mã và phát triển kỹ năng. Họ cho rằng việc xem xét mã do AI tạo ra về bản chất khó khăn hơn so với việc viết mã từ đầu, vì quá trình viết tự nó xây dựng sự hiểu biết về hệ thống.
Có sự khác biệt giữa việc viết mã và việc có mã được viết. LLM là cái thứ hai.
Các Trường Hợp Sử Dụng Công Cụ Lập Trình LLM (Được Cộng Đồng Xác Định)
- Hiệu quả cho: Xây dựng khung kiểm thử, đánh giá mã nguồn, phát hiện lỗi, tạo mẫu nhanh, tạo tài liệu
- Kém hiệu quả cho: Kiến trúc hệ thống phức tạp, giải quyết vấn đề mới lạ, hiểu sâu về codebase
- Mối quan ngại: Thoái hóa kỹ năng, chất lượng mã nguồn, phụ thuộc quá mức vào tự động hóa
Vấn Đề Dùng Hoặc Mất
Một mối lo ngại đáng kể nổi lên từ cuộc thảo luận tập trung vào sự thoái hóa kỹ năng. Những người dùng LLM nhiều báo cáo rằng khả năng lập trình của họ đã bị suy giảm theo thời gian, theo nguyên tắc dùng hoặc mất của não bộ. Điều này tương tự như cách sử dụng máy tính đã ảnh hưởng đến kỹ năng tính toán hoặc cách định vị GPS đã tác động đến khả năng suy luận không gian.
Nỗi lo này mở rộng ra ngoài việc mất kỹ năng cá nhân đến những tác động rộng lớn hơn của ngành. Nếu các lập trình viên trở nên quá phụ thuộc vào các công cụ AI, họ có thể mất đi sự hiểu biết sâu sắc cần thiết cho việc giải quyết vấn đề phức tạp và các quyết định kiến trúc hệ thống.
Chỉ Số Chất Lượng So Với Số Lượng
Cuộc tranh luận cũng đã làm nổi bật các vấn đề với cách đo lường năng suất trong phát triển phần mềm. Một số nghiên cứu trích dẫn việc tăng số dòng mã (LOC) như bằng chứng của việc cải thiện năng suất, nhưng các thành viên cộng đồng mạnh mẽ tranh cãi về chỉ số này. Họ cho rằng nhiều mã hơn không nhất thiết có nghĩa là phần mềm tốt hơn hoặc có giá trị hơn, và việc tập trung vào LOC bỏ qua chất lượng mã, khả năng bảo trì và tính chính xác.
Cuộc thảo luận tiết lộ sự bất đồng cơ bản về những gì tạo nên phát triển phần mềm hiệu quả - liệu đó là tốc độ tạo mã hay chất lượng và sự hiểu biết về sản phẩm cuối cùng.
Nhìn Về Phía Trước
Khi các công cụ lập trình LLM tiếp tục phát triển, cộng đồng đối mặt với những quyết định quan trọng về tích hợp và áp dụng. Trong khi một số lập trình viên chấp nhận các công cụ này cho các nhiệm vụ cụ thể, những người khác lo lắng về hậu quả lâu dài đối với phát triển kỹ năng và chất lượng mã. Cuộc tranh luận đang diễn ra phản ánh những câu hỏi rộng lớn hơn về vai trò của AI trong công việc sáng tạo và kỹ thuật, và liệu việc tăng tự động hóa có luôn chuyển thành kết quả cải thiện hay không.
Tham khảo: I Don't Want to Code With LLM's