Code to Pleasure: Por qué todo el mundo debería aprender un poco de programación – Entrevista con Michael Littman

Code to Pleasure: por qué todos deberían aprender un poco de programación es un nuevo libro de Michael LitmanProfesor de Ciencias de la Computación en la Universidad de Brown y miembro fundador de AIhub. Hablamos con Michael sobre lo que cubre el libro, qué lo inspiró y cómo todos estamos familiarizados con muchos conceptos de programación en nuestra vida diaria, nos demos cuenta o no.

¿Podrías empezar contándonos un poco sobre el libro y quién es el público objetivo?

El público objetivo no son los informáticos, aunque he tenido una recepción muy cálida por parte de los informáticos, lo cual agradezco. La concept detrás del libro es tratar de ayudar a las personas a comprender que decirle a las máquinas qué hacer (que es como veo gran parte de la informática y la inteligencia synthetic) es algo realmente accesible para todos. Se basa en habilidades y prácticas que las personas ya tienen. Creo que puede resultar muy intimidante para mucha gente, pero no creo que sea necesario. Creo que la base está ahí para todos y es sólo cuestión de aprovecharla y construir sobre ella. Lo que espero, y lo que veo que sucede, es que el aprendizaje automático y la inteligencia synthetic ayuden a conocer gente en parte. Las máquinas están mejorando en su capacidad de escuchar a medida que nosotros intentamos mejorar en decirles qué hacer.

¿Qué te hizo decidir escribir el libro, cuál fue la inspiración detrás de él?

He impartido grandes clases de introducción a las ciencias de la computación y siento que hay un mensaje importante ahí sobre cómo un conocimiento más profundo de la computación puede ser muy enriquecedor, y quería llevar eso a una audiencia más amplia.

¿Podrías hablar un poco sobre la estructura del libro?

La esencia del libro habla de los componentes fundamentales que componen los programas o, en otras palabras, que conforman la forma en que le decimos a las computadoras qué hacer. Cada capítulo cubre uno diferente de esos temas: bucles, variables, condicionales, por ejemplo. En cada capítulo hablo de las formas en que este concepto ya resulta acquainted para la gente, las formas en que aparece en la vida cotidiana. Señalo piezas de software program o sitios net existentes donde se puede hacer uso de ese concepto specific para decirle a las computadoras qué hacer. Cada capítulo termina con una introducción a algunos conceptos del aprendizaje automático que pueden ayudar a crear esa construcción de programación en specific. Por ejemplo, en el capítulo sobre condicionales, hablo de las formas en que usamos la palabra «si» en la vida regular todo el tiempo. Las bodas, por ejemplo, están estructuradas de forma muy condicional, con declaraciones como “si alguien tiene algo que decir, que hable ahora o calle para siempre”. Ésa es una especie de declaración de “si-entonces”. En cuanto a herramientas con las que jugar, hablo de ficción interactiva. A medio camino entre los videojuegos y las novelas está la noción de que puedes crear una historia que se adapta mientras se lee. Lo que lo hace interesante es esta noción de condicionales: el lector puede elegir y eso provocará una bifurcación. Existen herramientas realmente maravillosas para poder jugar con esta concept en línea, por lo que no es necesario ser un programador completo para utilizar condicionales. El concepto de aprendizaje automático introducido allí son los árboles de decisión, que es una forma más antigua de aprendizaje automático en la que se le da a un sistema un montón de ejemplos y luego genera un pequeño diagrama de flujo para la toma de decisiones.

¿Haces referencia a la IA generativa en el libro?

El libro ya estaba en producción cuando salió ChatGPT, pero yo estaba a la vanguardia y tenía una sección específica sobre GPT-3 (pre-ChatGPT) que habla sobre qué es, cómo lo crea el aprendizaje automático. y cómo puede ser útil en sí mismo para crear programas. Entonces lo ves desde ambas direcciones. Se tiene la concept de que esta herramienta en realidad ayuda a las personas a decirle a las máquinas qué hacer, y también la forma en que la humanidad creó esta herramienta en primer lugar utilizando el aprendizaje automático.

¿Aprendiste algo mientras escribías el libro que fuera particularmente interesante o sorprendente?

Investigar los ejemplos de cada capítulo me hizo profundizar en una gran cantidad de temas. Esta noción de ficción interactiva y de que existen herramientas para crear ficción interactiva me pareció bastante interesante. Al investigar otro capítulo, encontré un ejemplo de un libro de oraciones judío que me impactó muchísimo. Entonces, los libros de oraciones judíos (y no sé si esto también es cierto en otros sistemas de creencias, pero estoy más familiarizado con el judaísmo) contienen cosas que se supone que debes leer, pero tienen pequeñas marcas condicionales. a veces. Por ejemplo, se podría decir “no leas esto si es sábado”, o “no leas esto si es luna llena”, o “no leas si es luna llena en sábado”. Encontré un pasaje que en realidad tenía 14 condiciones diferentes que había que verificar para decidir si period apropiado o no leer ese pasaje en specific. Eso fue sorprendente para mí: no tenía concept de que se esperaba que las personas hicieran tantos cálculos complejos durante una actividad de adoración.

¿Por qué es importante que todos aprendan un poco de programación?

Es realmente importante tener en cuenta la concept de que, al remaining del día, lo que la IA hace es facilitarnos decirle a las máquinas qué hacer, y debemos compartir esa mayor capacidad con una población amplia. No deberían ser sólo los ingenieros de aprendizaje automático quienes puedan decirle a las computadoras qué hacer más fácilmente. Deberíamos encontrar formas de hacer esto más fácil para todos.

Porque las computadoras están aquí para ayudar, pero es una vía de doble sentido. Necesitamos estar dispuestos a aprender a expresar lo que queremos de una manera que pueda realizarse de forma precisa y automática. Si no hacemos ese esfuerzo, otras partes, a menudo empresas, intervendrán y lo harán por nosotros. En ese momento, las máquinas están trabajando para servir el interés de otra persona en lugar del nuestro. Creo que se ha vuelto absolutamente esencial que restablezcamos una relación sana con estas máquinas antes de que perdamos más autonomía.

¿Alguna reflexión remaining o conclusión que debamos tener en cuenta?

Creo que aquí también hay un mensaje para los investigadores en ciencias de la computación. Cuando le decimos a otras personas qué hacer, tendemos a combinar una descripción o una regla, algo parecido a un programa, con ejemplos, algo que se parece más a datos. Simplemente los entremezclamos cuando hablamos entre nosotros. En un momento, mientras escribía el libro, tenía un lavavajillas que estaba funcionando mal y quería entender por qué. Leí su handbook y me sorprendió la frecuencia con la que, al decirle a la gente qué hacer con el lavavajillas, los autores mezclaban constantemente una descripción de alto nivel de lo que le decían que hiciera con algún objeto en specific. , ejemplos vívidos: una regla sobre qué cargar en el estante superior y una lista de artículos que se ajustan a esa regla. Esa parece ser la forma en que la gente quiere transmitir y recibir información. Lo que es una locura para mí es que no programamos las computadoras de esa manera. O usamos algo que es estrictamente programación, todo reglas, sin ejemplos, o usamos aprendizaje automático, donde todo son ejemplos, sin reglas. Creo que la razón por la que las personas se comunican de esta manera entre sí es porque esos dos mecanismos diferentes tienen fortalezas y debilidades complementarias y cuando los combinas, maximizas las posibilidades de ser comprendido con precisión. Y ese es el objetivo cuando le decimos a las máquinas qué hacer. Quiero que la comunidad de IA piense en cómo podemos combinar lo que hemos aprendido sobre el aprendizaje automático con algo más parecido a la programación para crear una forma mucho más poderosa de decirle a las máquinas qué hacer. No creo que este sea un problema resuelto todavía, y eso es algo en lo que realmente espero que la gente de la comunidad piense.

Code to Pleasure: por qué todos deberían aprender un poco de programación está disponible para comprar ahora.

Michael L. Littman es profesor universitario de Ciencias de la Computación en la Universidad de Brown y estudia el aprendizaje automático y la toma de decisiones en condiciones de incertidumbre. Ha obtenido múltiples premios a nivel universitario por su docencia y su investigación sobre el aprendizaje por refuerzo, la planificación probabilística y la resolución automatizada de crucigramas ha sido reconocida con tres premios al mejor artículo y tres premios a artículos influyentes. Littman es codirector de la Iniciativa de Robótica Centrada en la Humanidad de Brown y miembro de la Asociación para el Avance de la Inteligencia Synthetic y la Asociación para Maquinaria de Computación. También es miembro del Instituto de Liderazgo Leshner para el Compromiso Público con la Ciencia de la Asociación Estadounidense para el Avance de la Ciencia, centrándose en la Inteligencia Synthetic. Actualmente se desempeña como Director de la División de Sistemas Inteligentes e Información de la Fundación Nacional de Ciencias.