Kodare, hur använder du chatGPT?

Nyfiken på vad du räknar som boilerplate, anser du att syntax är boilerplate?

Gällande AI så tror jag att vi går mot en mer automatiserad framtid med hjälp från AI. I många andra branscher så talas det om en ny yrkeskategori för att övervaka AI för att förhindra fel. Inom programmering så tror jag att AI:n stundvis kommer producera buggig kod (antagligen mindre frekvent än människor) men jag är nyfiken på att kostnaden av att felsöka AI-genererad kod i förhållande till handskriven kod.

Jag har kodad i 11 år nu och jag tycker att yrket blir vad man gör det till. Jag inledde min karriär med en mentalitet där jag gjorde mina timmar och sedan lämnade jag jobb och intresserade mig inte mer för kod. Detta blev lätt vardag och ointressant.

Idag jobbar jag iofs fortfarande enbart 08-17 men jag har gjort kodning till min hobby och letar aktivt efter ämnen som intresserar mig och försöker hitta intressanta tekniker/projekt som jag kan introducera i mitt arbete. Det tyckte jag gjorde en positiv skillnad i min inställning till jobb.

Ska nog försöka ta till mig den mentaliteten. Vill ha kul igen på jobbet

    // JS EventListener to toggle a CSS class. This is so PHP code can validate
    // Otherwise if I use input attribute required in text fields, PHP code would 
    // not be the one to output demands or warnings which is required by this course.
    // Wait for entire HTML to be loaded first.

    document.addEventListener('DOMContentLoaded', function() {
    // Then select all elements with class name fieldListen

    let inputFields = document.querySelectorAll('.fieldListen');

        // Only add EventListeners for such existing input fields.
        if (inputFields.length > 0) {
          for (let i = 0; i < inputFields.length; i++) {

            // Add class to existing fields with already existing values inside of them
            if(inputFields[i].value !== ''){inputFields[i].classList.add('notEmpty');}

            // Add event listener for when focus is lost
            inputFields[i].addEventListener('blur', function() {  

            // Toggle between CSS class depending on field is empty or not
            if (this.value !== ''){this.classList.add('notEmpty');
                }else {this.classList.remove('notEmpty');}});}}});

class toggleCSSEffect {

  constructor(className) {
    this.className = className;
    this.fields = document.querySelectorAll(`input.${className}`);
    this.addEventListeners();
  }

  addEventListeners() {
    this.fields.forEach((field) => {
      field.addEventListener("input", () => {

        if (field.value !== "") {
          field.classList.add("notEmpty");
        } else {
          field.classList.remove("notEmpty");
        }
      });
    });
  }
}

// Add class to existing fields with already existing values inside of them
            if(inputFields[i].value !== ''){inputFields[i].classList.add('notEmpty');}

Alltså, som student/någon som försöker lära sig programmering ser jag dessa verktyg som en nackdel. Du lär dig så otroligt mycket av att själv behöva söka upp informationen istället för att blint lita på vad ett chattverktyg säger åt dig är rätt - för hur ska du kunna avgöra om det är rätt eller ej om du inte förstår koden som genererats?

Jag har använt ChatGPT en del för kod. Satt typ tre dagar i rad när jag först upptäckte hur väl det fungerade och bad den skapa fullt med saker bara för skojs skull, samt ställde logiska frågor kring det. Givetvis gjorde den mycket fel, men det var nästan alltid "bara" kodfel, medan den nästan alltid förstod vad jag menade. Om ni har bett den skapa något lite större, oavsett om det är kod, en berättelse eller något annat, så ställ logiska följdfrågor. Det är helt chockerande hur väl den "förstår" de olika aspekterna och interaktionerna som är involverade.

Jag studerar fortfarande så för mer riktiga saker har det mest handlat om studier. Jag behöver sitta en hel del med Pandas, Numpy och Matplotlib, och för att vara branschstandard så är de otroligt jobbiga att använda. Fullt med förkortningar, strängar som argument, omvända ordningar på x och y för att passa någon Matlabstandard från 1998 och så vidare. För att inte nämna förvånande dålig dokumentation. "That's entirely the wrong kind of attitude" har blivit ett internskämt bland de jag pluggar med på grund av det vanligaste svaret på Stackoverflow när man googlar hur man gör saker i NumPy.

Där passar ChatGPT perfekt. Det jag ofta vill göra är trivialt, men svårt att söka efter, både i dokumentation och i Stackoverflow. T.ex. "This matmul function gives me this cryptic key error" och man får direkt svaret att Pandas matmul inte fungerar baserat på positioner utan på labels, och kod för att antingen infoga labels eller konvertera till NumPy för att göra beräkningen. Supersmidigt.

Eller typ "Jag har en dataframe. Hur gör jag cosine similarity på raderna". Givetvis någonting jag hade kunnat göra manuellt med en NumPy matrix, men ChatGPT ger mig direkt en SKlearn metod för det. Snabbt och smidigt. Jag hade säkert kunnat bett om en manuell NumPy lösning eller rent av en native Python lösning med genomgång av hur den skulle fungera. (ChatGPT kan inte räkna matte som en miniräknare över huvud taget, men den kan hitta vilka formler den bör använda och dess effekter relativt bra)

ChatGPT listar sina argument och orsaker till varför den väljer olika bibliotek och så vidare mycket bättre än folk på Stackoverflow i min erfarenhet. Och man kan be om vidareutveckling på ett helt annat sätt.

Det är ett riktigt trevligt verktyg för att få lite bristfällig stödhjälp just nu, men baserat på vad den klarar och vad den misslyckas med så tror jag att en kommande generation av liknande system helt kan förändra kodrelaterade branscher de närmaste tio åren.

Jag har testat att ge den lite större kodstycken och bett den förklara vad koden gör, samt översätta till något annat språk. Detta klarar den chockerande väl.

Enkelt svar: inte.

Jag ser inte alls hur det skulle hjälpa om jag ska vara ärlig. Väldigt sällan programmerar man något som är enklare att beskriva i ord + noggrant granska och justera än att bara göra det själv.

I yrkeslivet är 95% av alla problem extremt specifika och jag vet inte ens hur jag skulle ställa frågan och Herr.Bot kommer inte heller förstår interna bibliotek och ändringar i API:t som kommer om 3 veckor. Det går ju knappast säga till den att "uppdatera koden så den fungerar med version X av hemligt bibliotek Y som kommer om Z dagar, du får inte dokumentationen."

Sen är hela grejen att ChatGPT är väldigt bra på att låta som den har rätt utan att ha det. Helt orelaterat till kod, men i Matkoma's senaste video på YouTube så tyckte ChatGPT med otroligt självförtroende att en svensk frukost består av varmkorv, fika och bakelser.

För att inte tala om den fina loopen som kommer uppstå när hela internet är AI genererat och man fortsätter mata internet som träningsdata....

Detta kanske också inte är ett så bra exempel, men den kan skapa testobjekt som ärligt talat är supertråkigt att göra själv:

"I got a python class Employee with fields ID (10 numbers), first name, last name and boss (another Employee or None). I need examples to test. Please fill 20 constructor calls in a list with unique data. Put it directly in a python list."

[
Employee(1111111111, "John", "Doe", None),
Employee(2222222222, "Jane", "Doe", None),
Employee(3333333333, "Bob", "Smith", None),
Employee(4444444444, "Alice", "Johnson", None),
Employee(5555555555, "David", "Brown", None),
Employee(6666666666, "Mary", "Wilson", None),
Employee(7777777777, "Michael", "Lee", None),
Employee(8888888888, "Sarah", "Taylor", None),
Employee(9999999999, "James", "Miller", None),
Employee(1234567890, "Jennifer", "Jackson", None),
Employee(2345678901, "William", "Harris", None),
Employee(3456789012, "Elizabeth", "Davis", None),
Employee(4567890123, "Joseph", "Anderson", None),
Employee(5678901234, "Catherine", "Thomas", None),
Employee(6789012345, "George", "Wilson", None),
Employee(7890123456, "Isabella", "Martin", None),
Employee(8901234567, "Edward", "Thompson", None),
Employee(9012345678, "Olivia", "White", None),
Employee(1122334455, "Henry", "Jones", None),
Employee(2233445566, "Sophia", "Garcia", None)
]

"How would the first five look in in JSON?"

[
{
"ID": 1111111111,
"first_name": "John",
"last_name": "Doe",
"boss": null
},
{
"ID": 2222222222,
"first_name": "Jane",
"last_name": "Doe",
"boss": null
},
{
"ID": 3333333333,
"first_name": "Bob",
"last_name": "Smith",
"boss": null
},
{
"ID": 4444444444,
"first_name": "Alice",
"last_name": "Johnson",
"boss": null
},
{
"ID": 5555555555,
"first_name": "David",
"last_name": "Brown",
"boss": null
}
]

"In a CSV?"

ID,first_name,last_name,boss
1111111111,John,Doe,
2222222222,Jane,Doe,
3333333333,Bob,Smith,
4444444444,Alice,Johnson,
5555555555,David,Brown,

Givetvis kan man göra mycket mer intressanta saker än så

Det viktigaste när man ber ChatGPT att förklara något är att välja rätt stil så det blir lättare att läsa, till exempel:

"Explain the meaning of the first and second normal form in the style of a sarcastic and condescending Draco Malfoy"

"Oh, look who wants to learn about database design. Muggles, I swear. I suppose I could try to explain the first and second normal form, but it's not like you'll understand it anyway.

First normal form, or 1NF, is just the basic requirement that each column in a table contains only atomic values. What's an atomic value, you ask? It's just a single value that can't be broken down any further. But I suppose that's a bit too complicated for a Mudblood like you.

As for second normal form, or 2NF, it's even more complicated. Basically, it requires that all non-key attributes of a table are dependent on the table's primary key. In other words, every piece of data in the table has to be related to the primary key in some way. But I'm sure you'll just nod along and pretend to understand, won't you?

Honestly, it's no surprise that a Gryffindor like you would struggle with something as complex as database design. Stick to your Quidditch and leave the real thinking to us Slytherins."

Eller Yoda:

"The first normal form, hmm, a property it is, that requires atomic values for each attribute in a relation. Separating multi-valued attributes it does, to prevent redundancy and data inconsistencies.

The second normal form, a level of normalization higher it is, focusing on eliminating redundant data through partial dependencies. Only attributes that depend on the entire primary key they should, to avoid anomalies and make the data easier to manipulate it will."