Wspomaganie procesu nauki przy pomocy AI

Na co należy uważać przy wspomaganiu się ChatGPT lub Grokiem w kwestiach dotyczących punktowania potencjalnych słabości projektu programistycznego lub wybranego sposobu implementacji zaprezentowanemu AI w postaci pseudokodu, przykładu w Pythonie?

Czy AI jest dobrym narzędziem do tego, żeby lepiej zrozumieć pewne nieoczywiste niuanse, przypadki brzegowe lub wyjaśnić konkretnie dlaczego tak a nie inaczej jeśli coś nie jest do końca jasne w trakcie nauki nowego zagadnienia z IT, zakładając że wcześniej sam szukałem wiedzy w książkach, manualach, dokumentacji, Google, Stack Overflow i eksperymentowałem z narzędziami?

Do czego porównalibyście wiarygodność tego co wypluwa sztuczna inteligencja, do angielskiej Wikipedii?

Czy podanie tego samego prompta co do ChatGPT do innego AI np. Grok zwiększa szansę na uzyskanie bardziej wiarygodnej informacji? Co sądzicie o użyciu dodatkowo Perplexity?

Moim zdaniem AI bardziej zniechęca do nauki, rozleniwia, jeśli uda ci się wykorzystać AI do uczenia to gratulacje.
Ja bardzo nieufnie podchodzę do tego co wypluwa AI, zwłaszcza chatgpt, konkretne fakty uzyskane od AI weryfikuję samemu u źródła, AI bardziej tylko nakierowuje.
Odradzam w ogóle używanie chatgpt, zbyt często pisze bzdury, pisze kod używając przestarzałych rozwiązań i składni i uważa że "nie ma takiego gotowego rozwiązania", "nie ma darmowej publicznej bazy z tymi danymi" po czym claude zapytany o to samo mi daje kilka konkretnych linków rozwiązujących problem.
Przepaść między chatgpt i grok / gemini / claude jest obecnie ogromna i nie widzę sensu używania ich modelu, tym bardziej że samo OpenAI jest evil z psychopatą za CEO

Czy AI jest dobrym narzędziem do tego, żeby lepiej zrozumieć pewne nieoczywiste niuanse,

Od kiedy pojawił się reasoning i szukanie w internecie LLMy są naprawdę bardzo dobre w tego typu zadaniach. Z pisaniem kodu i agentowością jest oczywiście gorzej

Na ogół używam LLMa, kiedy uczę się nowej technologii i to zwykle działa całkiem dobrze, zwłaszcza na początku, kiedy nie wiem nic. Bardzo doceniam to, że z łatwością podopowie jak się nazywa funkcja, która robi to czy tamto czy zrobi jakiś przykładowy program. Jest to też o tyle bezpieczny przypadek, że przeważnie bardzo szybko dowiaduję się o błędzie… Jeśli chodzi o ogólną architekturę, czy szukanie warunków brzegowych, nigdy nie próbowałem, ale byłbym nieufny. Po pierwsze dlatego, że wzorce projektowe to coś co bardzo psuje kod, jeśli jest używane bez zrozumienia po co i dlaczego (LLMa nie podejrzewam o rozumienie takich rzeczy). Warunki brzegowe też raczej wymagają rozumienia, a z tym też u AI raczej nie jest dobrze (a przynajmniej nie było kiedy ostatni raz próbowałem). Chociaż w sumie czasami zdarza mi się wrzucić jakiś niedziałający kawałek kodu, opisać problem i zapytać czemu tak się dzieje. Ten przypadek często działa, ale jest chyba o tyle łatwiejszy, że ma punkt zaczepienia, czego szukać, a nie szukać igły w stogu siana. Poza tym też często się myli, ale przynajmniej jest trochę lepszy od gumowej kaczki, bo coś tam zaproponuje i często jest to jakiś trop. Tylko niestety często pisze znacznie więcej niż potrzeba i to też postrzegam jako fundamentalny objaw braku rozumienia.

Też osobiście mam pozytywne doświadczenia z nauką z chatemgpt. Bardzo dobrze pomaga przygotować CV i uporządkować wiedzę na rekrutacje. Bardzo przyspiesza to proces nauki.

Claude Opus z włączonym deep thinking dość dobrze wychwytuje różne edge cases, ale tylko wtedy gdy kod jest dobrze ułożony, z analizą spaghetti radzi sobie bardzo słabo. Aby to dobrze działało, potrzebny czysty kod, jasne guidelines które mu podasz i dobre testy automatyczne, które sam wykonuje żeby sprawdzić czy implementacja jest poprawna.

Aha, i nie dawać mu zadania do zrobienia, najlepsza sekwencja: zaplanuj, dostosuj plan do guidelines, a jak już plan jest dopiero implementuj. Wtedy analizuje wszystko, podaje różne edge cases, przedstawia kilka alternatyw + rekomendacje z uzasadnieniem. Jak każesz mu zrobić coś od razu, to zrobi to gorzej niż by najpierw zaplanował i prawie zawsze generuje shit.

Gemini działał fatalnie - nie potrafi planować tak szczegółowo, GPT niewiele lepiej, reszt nie testowałem (w ramach Jetbrains AI)

whiteman808 napisał(a):

Czy AI jest dobrym narzędziem do tego, żeby lepiej zrozumieć pewne nieoczywiste niuanse, przypadki brzegowe lub wyjaśnić konkretnie dlaczego tak a nie inaczej jeśli coś nie jest do końca jasne w trakcie nauki nowego zagadnienia z IT, zakładając że wcześniej sam szukałem wiedzy w książkach, manualach, dokumentacji, Google, Stack Overflow i eksperymentowałem z narzędziami?

Dla mnie AI jest świetnym partnerem do nauki. Nigdy się nie zmęczy ile razy bym go nie pytał. Zawsze cierpliwie udziela odpowiedzi na pytania.

Poziom odpowiedzi też można dostosować do swoich upodobań oraz wiedzy na dany temat. Np w prompcie wskazując na udzielenie odpowiedzi używając "eli5" albo dostosowując stopień skomplikowania tekstu przy pomocy "gunning fog index".

Można też AI pytać na zasadzie opisywania zagadnienia własnymi słowami z prośbą o zweryfikowanie czy mamy prawidłową wiedzę w danym temacie. AI potrafi wyłapać nieścisłości w naszym przekazie i skorygować gdzie jeszcze moglibyśmy się podszkolić.

Z takich konkretnych narzędzi ostatnio polubiłem się z Notebooklm od Google gdzie można m.in. filmy z YouTube dodać do tego narzędzia i otrzymać bazę wiedzy z danego filmu. Sam osobiscie wolę wiedze przekazywana poprzez formę pisaną, jednak dzisiaj sporo treści powstaje jako filmy na wspomnianej platformie. Dzięki Notebooklm mogę szybko wyłapać sedno danego filmu bez potrzeby jego oglądania. Dodatkowo co lubie jeszcze w tym narzędziu to możliwość wygenerowania quizu z danego materiału - dla mnie świetny sposób na przyswajanie i utrwalanie wiedzy.