AI-chattbotarna baserade på stora språkmodeller har på kort tid ändrat hur många universitet jobbar med till exempel uppsatser. Många lärare är oroliga över hur studenterna ska lära sig när en AI kan göra jobbet, men många är också optimistiska och ser möjligheter att fokusera på annat.
Så ser det även ut inom data- och systemvetenskapen, enligt en rapport i IEEE Spectrum. Tidningen har talat med flera lärare vid universitet runt om i USA och Kanada, och bilden de skapar är en av breddade möjligheter. Daniel Zingaro vid University of Toronto säger till exempel att han tidigare baserade studenternas betyg på kvaliteten på deras producerade kod, men att AI har fått honom att inse hur begränsad den synen på vad det är att vara systemvetare var.
Idag uppmuntrar han studenter att använda AI och har skrivit en bok om AI-assisterad Python-utveckling tillsammans med Leo Porter vid University of California San Diego. Studenterna gör grupparbeten och vad de lämnar in är videor där de förklarar hur deras kod fungerar.
Leo Porter säger att AI har lett till ett behov att lära studenterna den grundläggande färdigheten att bryta upp ett komplicerat problem i mindre, enklare problem som vart och ett kan lösas av en AI. Felsökning och automatiserade tester – ämnen som tidigare brukade komma i avancerade delkurser mot slutet av utbildningen – har blivit viktiga redan från början. Flera lärare IEEE Spectrum har talat med, bland annat Jeanna Matthews vid Clarkson University, betonar vikten av att inte lita på resultaten och att lära sig testa koden som AI genererar.
