A IA não pode realizar essas tarefas de maneira confiável, nem será capaz de no futuro próximo, diz Ikhlaq Sidhu, o reitor da Escola de Ciência e Tecnologia do IE, na Universidade do IE.
À medida que os sistemas de IA expandem suas capacidades já impressionantes, há uma crença cada vez mais comum de que o campo da ciência da computação (CS) em breve será uma coisa do passado. Isso está sendo comunicado aos possíveis alunos de hoje na forma de conselhos bem-intencionados, mas muito disso equivale a pouco mais do que boatos de indivíduos que, apesar de sua inteligência, falam fora de seus conhecimentos.
Figuras de alto perfil como Christopher Pissarides, economista vencedor do Prêmio Nobel fizeram esse argumento e, como resultado, ele se enraizou em um nível muito mais mundano – eu até ouvi pessoalmente os consultores de carreiras do ensino médio descartarem a idéia de estudar o CS completamente, apesar de não ter conhecimento do próprio campo.
Essas reivindicações geralmente compartilham duas falhas comuns. A primeira delas é que o conselho vem de pessoas que não são cientistas da computação. Em segundo lugar, há um mal -entendido generalizado sobre o que realmente envolve a ciência da computação.
AI e o mito da substituição do código
Não é errado dizer que a IA pode escrever o código do computador de prompts, assim como pode gerar poemas, receitas e cartas de cobertura. Pode aumentar a produtividade e acelerar o fluxo de trabalho, mas nada disso elimina o valor da entrada humana.
O código de escrita não é sinônimo de CS. Pode -se aprender a escrever código sem nunca participar de uma única turma universitária, mas um diploma de CS vai muito além dessa habilidade. Envolve, entre muitas outras coisas, engenharia sistemas complexos, projetando infraestrutura e futuras linguagens de programação, garantindo segurança cibernética e verificar sistemas para correção.
A IA não pode realizar essas tarefas de maneira confiável, nem será capaz de no futuro próximo. A contribuição humana permanece essencial, mas a desinformação pessimista corre o risco de levar dezenas de milhares de estudantes talentosos para longe de carreiras importantes e significativas nesse campo vital.
O que a IA pode e não pode fazer
AI se destaca em fazer previsões. A IA generativa aprimora isso adicionando uma camada de apresentação amigável ao conteúdo da Internet-reescreve, resume e formata informações sobre algo que se assemelha ao trabalho de um humano.
No entanto, a IA atual não “pensa” genuinamente. Em vez disso, depende de atalhos lógicos, conhecidos como heurísticasque sacrifique a precisão da velocidade. Isso significa que, apesar de falar como uma pessoa, não pode raciocinar, sentir, cuidar ou desejar qualquer coisa. Não funciona da mesma maneira que uma mente humana.
Há pouco tempo, parecia que a ‘engenharia imediata’ substituiria o CS. Hoje, no entanto, praticamente não há publicações de emprego para engenheiros rápidos, enquanto empresas como o LinkedIn relatam que as responsabilidades dos profissionais de CS realmente se expandiram.
Onde a IA fica aquém
O que a IA fornece são ferramentas mais poderosas para os profissionais de CS realizarem seus trabalhos. Isso significa que agora eles podem levar os conceitos ainda – da ideação à implantação do mercado – exigindo menos funções de apoio e mais liderança técnica.
No entanto, existem muitas áreas em que ainda são essenciais as contribuições humanas especializadas, seja para confiança, supervisão ou necessidade de criatividade humana. Exemplos abundam, mas há dez áreas que se destacam em particular:
Adaptando um algoritmo de fundo de hedge a novas condições econômicas. Isso requer design algorítmico e compreensão profunda dos mercados, não apenas resmas de código.
Diagnosticando interrupções intermitentes de serviço em nuvem de provedores como Google ou Microsoft. A IA pode solucionar problemas em pequena escala, mas não pode contextualizar a solução de problemas em larga escala e alto risco.
Reescrevendo o código para computadores quânticos. A IA não pode fazer isso sem extensos exemplos de implementações bem -sucedidas (que não existem no momento).
Projetar e proteger um novo sistema operacional em nuvem. Isso envolve arquitetura de sistema de alto nível e testes rigorosos que a IA não pode executar.
Criando sistemas de IA com eficiência energética. Ai não pode inventar espontaneamente a menor potência Código da GPUou reinventar sua própria arquitetura.
Construindo software de controle seguro, à prova de hackers e em tempo real para usinas nucleares. Isso requer que a experiência em sistemas incorporados seja misturada com a tradução do design de código e sistema.
Verificando que o software de um robô cirúrgico funciona sob condições imprevisíveis. A validação crítica de segurança excede o escopo atual da IA.
Projetar sistemas para autenticar fontes de email e garantir a integridade. Este é um desafio criptográfico e multidisciplinar.
Auditar e melhorar as ferramentas de previsão de câncer acionadas pela IA. Isso requer supervisão humana e validação contínua do sistema.
Construindo a próxima geração de IA segura e controlável. Evoluir para a IA mais segura não pode ser feita pela própria IA – isso é uma responsabilidade humana.
Por que a ciência da computação ainda é indispensável
Uma coisa é certa: a IA remodelará como a engenharia e a ciência da computação são feitas. Mas o que enfrentamos é uma mudança nos métodos de trabalho, não uma destruição por atacado do campo.
Sempre que enfrentamos um problema ou complexidade totalmente novo, a IA por si só não será suficiente por um motivo simples: depende inteiramente de dados anteriores. Manter a IA, construir novas plataformas e desenvolver campos como a IA confiável e a governança de IA, portanto, todos exigem CS.
O único cenário em que podemos não precisar de CS é se chegarmos a um ponto em que não esperamos mais novos idiomas, sistemas, ferramentas ou desafios futuros. Isso é muito improvável.
Alguns argumentam que a IA pode eventualmente executar todas essas tarefas. Não é impossível, mas mesmo que a IA se tornasse tão avançada, colocaria quase todas as profissões em igual risco. Uma das poucas exceções seria aqueles que construíram, controlam e avançam a IA.
Há um precedente histórico nisso: durante a Revolução Industrial, os trabalhadores da fábrica foram deslocados em uma proporção de 50 para uma, como resultado de rápidos avanços em máquinas e tecnologia. Nesse caso, a força de trabalho realmente cresceu com uma nova economia, mas a maioria dos novos trabalhadores era aqueles que podiam operar ou consertar máquinas, desenvolver novas máquinas ou projetar novas fábricas e processos em torno de máquinas.
Durante esse período de revolta maciça, as habilidades técnicas foram na verdade a mais demandada, não menos importante. Hoje, o paralelo é verdadeiro: a experiência técnica, especialmente no CS, é mais valiosa do que nunca.
Não vamos confundir a próxima geração com a mensagem oposta.
Por Ikhlaq Sidhu
Ikhlaq Sidhu foi reitor e professor no Escola de Ciência e Tecnologia da IE University em Madri desde 2022. Ele é o diretor fundador do Centro Sutardja de Empreendedorismo e Tecnologia da Universidade da Califórnia, Berkeley desde 2005.
