El profesor de 加大 analiza la generación de IA: ¿Vibe Coding no es tan increíble? ¿Cuál es la mejor manera de programar con IA?

En un momento en que la IA generativa se desarrolla a gran velocidad, muchas personas se sienten confundidas sobre si deberían seguir aprendiendo a programar. En un programa de la revista GQ, el profesor explica los principios detrás del LLM de ChatGPT y señala las limitaciones de Vibe Coding.

El profesor analiza la IA generativa y te enseña a entender correctamente Vibe Coding

Recientemente, GQ Taiwan compartió en su canal de YouTube un video en el que invitó especialmente a la profesora de ciencias de la computación de la Universidad de California en Berkeley (UC Berkeley), Sarah Chasins, para responder a las muchas dudas de los usuarios sobre programación e IA.

En un momento en que la IA generativa avanza rápidamente, muchas personas se sienten confundidas sobre si deberían seguir aprendiendo a programar. La profesora Chasins, en el video, no solo explica los principios técnicos, sino que también ofrece observaciones prácticas sobre la reciente tendencia de “Vibe Coding”.

La profesora desglosa la tecnología LLM detrás de ChatGPT

La profesora Sarah Chasins comienza explicando, de manera comprensible para el público general, cómo funciona ChatGPT.

ChatGPT se basa en un modelo de lenguaje grande (LLM), cuyo núcleo operativo es bastante simple: es un programa que combina palabras que parecen relacionadas.

Los desarrolladores del LLM primero recopilan todos los documentos y páginas web escritos por humanos en internet, datos que representan combinaciones de vocabulario razonables en la cognición humana.

Luego, el programa se entrena en un gran “juego de completar espacios en blanco”. Por ejemplo, el sistema ve frases como “El perro tiene cuatro [espacio en blanco]”, y la respuesta que tiene sentido para los humanos es “El perro tiene cuatro patas”. Si el programa adivina mal, los desarrolladores lo corrigen hasta que acierte.

Tras un entrenamiento que equivale a unos 300 a 400 años de cálculo en tiempo terrestre, el programa finalmente genera un “papel de trampas” extremadamente grande, conocido en la industria tecnológica como “parámetros”.

Luego, solo hay que proporcionar un archivo en formato de diálogo, y este programa experto en completar espacios en blanco puede convertirse en un chatbot que, automáticamente, completa las respuestas restantes a las preguntas humanas según la lógica.

Fuente de la imagen: Imagen generada por IA Nanobanana, solo para referencia. Disculpen si algunas palabras en chino aparecen borrosas.

La mejor forma de aprender a programar en la era de la IA

Frente a la poderosa capacidad de las herramientas de IA, muchas personas cuestionan la necesidad de aprender a programar. El profesor opina que, en la educación de programación, la habilidad más importante es “descomponer problemas”, es decir, dividir un problema grande y difuso en partes pequeñas, hasta que cada una pueda resolverse con unas pocas líneas de código.

Sin esta capacitación, los usuarios tendrán dificultades para usar las herramientas de IA para producir programas complejos que funcionen realmente. Además, los datos de entrenamiento del LLM suelen estar en un estilo de lenguaje técnico de ingenieros, no en el lenguaje cotidiano usado por no profesionales, lo que a menudo no coincide con los datos de entrenamiento y puede impedir que la IA genere código útil.

Para maximizar los beneficios de la IA en la programación, el profesor Chasins recomienda seguir tres pasos:

1. Minimizar el problema: dividirlo en un tamaño de unas 5 líneas de código.
2. Usar pseudocódigo: una forma de describir la lógica usando una sintaxis que puede combinar varios lenguajes de programación y palabras reservadas, aunque parezca lenguaje natural, no es el lenguaje cotidiano, sino que ayuda a que la computadora entienda mejor la lógica de ejecución.
3. Establecer un plan de validación: realizar muchas pruebas o revisiones profesionales para asegurar la precisión de la salida de la IA.

Fuente de la imagen: Imagen generada por IA Nanobanana, solo para referencia. Disculpen si algunas palabras en chino aparecen borrosas.

¿Vibe Coding no es tan mágico?

Respecto a la tendencia reciente de usar LLM para generar código directamente, en lugar de que los humanos lo escriban, la profesora Sarah Chasins mantiene una postura reservada.

Ella analiza que estas herramientas funcionan bien para contenido rutinario que ya ha sido escrito por humanos miles de veces, pero si se intenta algo innovador, este método generalmente no funciona.

La profesora también cita estudios que indican que, aunque quienes usan herramientas LLM creen que han aumentado su eficiencia en un 20%, en realidad su velocidad de desarrollo es un 20% más lenta que la de quienes no usan estas herramientas.

Esto muestra que una dependencia excesiva puede crear una ilusión de mayor eficiencia. Cuando se enfrentan a necesidades de programación que nunca antes han visto, si carecen de habilidades básicas de descomposición lógica y conocimientos de principios físicos, no podrán corregir los errores que comete la IA, lo que al final lleva a una mayor pérdida de tiempo.

Para ponerlo en simple, LLM es como un coche autónomo avanzado, que puede manejar rutas comunes, pero si no sabes cómo descomponer el trazado o entender los principios físicos del vehículo, como la lógica de programación, y te encuentras con curvas peligrosas o necesidades innovadoras, el coche autónomo puede fallar, y tú, sin conocimientos básicos, no sabrás cómo corregirlo.

Lectura adicional:
¡La IA hace que surjan empresas unipersonales! “Vibe Coding” revoluciona lo tradicional, y pequeños equipos pueden ganar más de 100 millones al año