Så lär Stanford ingenjörer att koda när AI redan klarar gamla hemuppgifter
När en kodningsagent löser förra årets inlämningsuppgifter på ett enda prompt, måste kursupplägget tänkas om från grunden. På Stanfords kurs CS146S får studenterna nu ta sig an riktiga open source-projekt – lära sig en okänd kodbas, föreslå en förändring och faktiskt få den accepterad av projektets underhållare. Det är ett intressant svar på frågan om vad programmeringsutbildning egentligen ska träna när AI tar hand om det rutinmässiga.
Djupdykning
Stanford ställer en fråga som hela utbildningssektorn borde svettas över: när en AI klarar förra årets tentauppgifter på sekunder, vad testar vi egentligen? CS146S löser det genom att flytta fokus från att *producera* kod till att *navigera* i befintlig kod — studenter kastas in i okända open source-repos och måste förhandla sina ändringar med riktiga maintainers, alltså de frivilliga som faktiskt äger och granskar projekten. Det är en brutal men ärlig spegel av hur mjukvaruutveckling faktiskt ser ut i verkligheten, där 80% av jobbet är att förstå kod någon annan skrivit, inte att skriva ny. Det som kursen fångar som de flesta AI-diskussioner missar är att problemet inte är att AI skriver kod — det är att juniora utvecklare aldrig tvingas utveckla det tekniska omdömet som uppstår när man kämpar med ett komplext system utan genvägar. Om den här modellen sprider sig kan vi om fem år se en generation ingenjörer som är exceptionella på att orkestrera och kritisera AI-output, men som aldrig känt det specifika obehaget av att debugga något från grunden — och ingen vet ännu om det är ett problem eller bara nästa naturliga steg.