Про навчання - 3: Семантичні хвилі

#learning #tips

Коли ви вчите новий концепт, то вам треба обидві форми пояснення - як абстрактна, так і конкретна. Більш того, вчити стає трохи легше, якщо ви дотримуєтесь "семантичної хвилі", яку придумав Карл Матон.

Згідно Матона, коли ви дотримуєтесь хвилі, то постійно переключаєтесь між абстрактним визначенням та конкретними прикладами. Чим більш різноманітні приклади - тим краще. В тому числі - невірні приклади (з поясненням чому вони неправильні). Цей процес називається "розпакуванням".

Вивчаючі приклади, ви потім зможете переглянути абстрактну концепцію та будувати більш глибоке її розуміння. Таке розуміння дозволить бачити приховані внутрішні зв'язки та називається "перепакуванням", за тим же Матоном.

Програмування позв'язане із вивченням абстрактних речей. Основна проблема полягає в тому, що з часом поняття стають ще абстрактнішими. Але чим краще ми вивчаємо та розбираємось з термінами на початку навчання - тим більше конкретними вони стають для нас.

Про навчання 4: Чи потрібно навчатись, коли все й так є в Інтернеті

#learning #tips

З появою Інтернету навчання змінилося. Здається -

"нащо знати той API чи читати книжки від початку до кінця, коли є Google Search, Stack Overflow, ChatGPT з отими копайлотами? Адже уся інформація доступна на відстані декількох кліків"

То що - не вчитись тепер взагалі? Давайте подивимось, що говорять про це вчені.

Чому треба запам'ятовувати?

Ми вчимося завдяки тому, що зберігаємо інформацію в довгостроковій пам'яті та формуючи зв'язки між різними на перший погляд речами.
Якщо цього знання у нас пам'яті немає - то зв'язки не утворяться. А значить - ми не сформуємо ніяких абстрактних концептів та не отримаємо розуміння на більш високому рівні.

Саме тому, кожного разу коли Вам буде потрібно зробити SQL запит із JOIN'нами - вам треба буде згадувати - що ж таке JOIN взагалі.

Як вчаться експерти?

Різниця також є в тому, як користуються Інтернетом новачки та експерти. Новачку потрібно знову й знову вивчати деталі та формувати зв'язки.
Експерт же, що має глибокі знання - йому чи їй досить погуглити лиш деякі окремі деталі, які забуваються.

Чому надмірно гуглити - це погано?

Існує ряд досліджень про шкоду надмірного гугління. Одне з них показує, що ми гірше запам'ятовуємо інформацію, коли швидко дістали її з Інтернету, ніж коли ми прочитали про це в книзі. Інше дослідження доводить, що інформація забувається, коли ми не намагаємося спочатку згадати її - а одразу летимо гуглити. Тож швидке гугління "краде" в нашого мозку можливість попрацювати та зміцнити зв'язки.

Гугління також впливає на когнітивне навантаження (про яке ми також говорили). Бо нам треба переключитись з одного виду діяльності (написання коду чи тестів) на інший - пошук в інтернеті. Коли інформація вже є в нашій пам'яті - такого переключення між контекстами не потрібно.

То що робити?

Це все не означає, що гуглити не треба та можна ігнорувати технології.
Просто треба також й самостійно вчитись, опрацьовувати інформацію, робити нотатки.
Щоб не залишитись в ситуації :

"мені відключили копайлот/chatgpt - я тепер не можу працювати"

Про навчання 5: Як зрозуміти, що вчити?

#learning #tips

Про те, що треба вчитись - говорять усі. Наче й ресурсів вдосталь: книжки, курси, вебінари, ментори. Але як зрозуміти, що треба вчити?

Універсальної відповіді немає. Бо в кожного свій контекст.

Але можна застосувати таку методику:

- Проаналізуйте те, що вам цікаво - те що вас дійсно захоплює в роботі (Подумайте, що ви можете робити так довго, що наче "забуваєте про час").
- Подивіться на те, що вам не вистачає в роботі зараз. Це може бути доменні знання, фреймворк, технологія чи інструмент.
- Запитайте в менеджера, що вам не вистачає для промоушену. Це також може стати джерелом тем для навчання.
- Подивіться вакансії - що зараз треба на ринку праці. Скорочення можуть бути в будь-який момент. Тому впевніться, що ваші навички актуальні.

P.S. Краще поглибитись в тему, здобути перші знання та закріпити їх на практиці. Ніж читати тисячі сторінок книжок теорії

P.P.S. Я трекаю навички у вигляді mind map та переглядаю їх раз у квартал чи півроку.

Про навчання - 6: Експерти та новачки

#learning #tips

Різниця між експертом та новачком.

Чим відрізняються новачки від експертів? Дослідження показують, що експерти (наприклад в грі в шахи) вміють запам'ятовувати та розпізнавати стан дошки в конкретний момент часу. Це допомагає швидко приймати рішення.

Розробники - експерти можуть розпізнавати типові паттерни в коді. Так, ті самі дизайн паттерни, які запитують на співбесідах. Ба більше - експерти можуть глянути на код та зрозуміти "що ота частина під капотом імплементує сортування". Новачку в тій же самій ситуації треба докласти більше зусиль та читати код рядок за рядком.

Як же новачку стати експертом? Відповідь проста - читати, писати та розбиратись у різному коді. Як хорошому так і поганому.

Бути експертом - навчатись по-іншому

Існує така річ, як expertise-reversal effect. Він означає, що для новачкам та експертам потрібні радикально різні підходи до навчання.

- Новачкам буде корисним отримати туторіали та різні cheat листи з використання інструментів. Експерти самі здатні продумати подібні туторіали.
- Новачкам потрібні легкі завдання для закріплення вивченого - поки нова інформація наче пазл не стане на потрібне місце.
- Новачкам потрібні приклади та точне пояснення результату. Експертам більше підійдуть “відкриті” питання та обговорення.
- Експертам потрібне мінімальне пояснення та більша свобода дії.

Бути експертом - не означає бути хорошим вчителем.

Дуже часто сіньйори чи техліди не можуть пояснити новачкам якісь аспекти просто тому, що вони роблять багато речей "автоматично". Експертам важко відокремити такі навички та розбити їх на окремі вправи чи пояснення.

В такому випадку може допомогти влаштувати сесію між експертом, новачком та більш обізнаним інженером (який трохи краще знається на системі, ніж новачок). Такий інженер зіграє роль "мосту" між фахівцями - допоможе експерту візуалізувати знання, а новачку - отримати зрозуміле пояснення.

Неявні знання

Те ж стосується накопичення великої кількості "неявних" знань в голові однієї "експертної" людини. Такі неявні знання ще називаються тацитовими. Це можуть бути як доменні знання з проекту, так і технічні знання з фреймворку чи конфігурації системи.

Щоб запобігти накопиченню таких знань - варто писати документацію. Наприклад - FAQ документи, гайди з конфігурації, корисні збірки команд на кожен день.
Для експерта користь буде в зменшенні кількості однакових питань - бо люди спочатку підуть й шукають відповідь на Конфлюенсі.

Чотири стадії компетенції

#learning

Коли ми вчимося новому, ми так чи інакше проходимо через чотири стадії компетенції.

Стадія 1 - Несвідома Некомпетентність

Ви не знаєте того, що не знаєте. Ви тільки почали вивчати тему.

Щоб прогресувати, треба запитати себе - "Чого саме мені потрібно навчитися?". Зробити дослідження теми, спробувати знайти вже готові роадмапи навчання чи програми з потрібного предмету в університетах.

Стадія 2 - Свідома Некомпетентність

На цьому етапі ви вже усвідомлюєте те, що ви багато чого не знаєте (свою поточну некомпетентність). Якщо у вас вже багато років досвіду - ви можете зіштовхнутись з синдромом самозванця - бо він починає свою дію саме на цій стадії.

Як рухатись вперед? Встановіть конкретні цілі навчання, дивіться на проєкти в якості прикладів, шукайте ментора всередині компанії чи деінде.

Стадія 3 - Свідома Компетентність

Ви вже набули необхідних знань та навичок, але треба продовжувати ці навички свідомо закріплювати на практиці. Плюс - треба думати, як ви можете застосувати ці знання в різних контекстах.

Для розвитку - задайте собі питання - "Як я можу застосувати навички в інших, більш складних ситуаціях?"

Стадія 4 - Несвідома Компетентність

Рівень експерта, коли ви виконуєте роботу та застосовуєте навички автоматично. Як-от їзда на велосипеді чи швидкий набір тексту на клавіатурі.

Щоб прогресувати, на цій стадії треба постійне навчання та практика.

І ще одне!

По мірі того, як ви будете переходити зі стадії до стадії - ви можете стикнутись із Парадоксом Експерта. Що це? Чим більше ви вивчаєте та заглиблюєтесь у тему, тим більше ви бачите нових тем, які треба вчити. Наче провалюєтесь в кролячу нору з оповідань про Алісу. А далі - знову нападає синдром самозванця разом із невпевненістю у своїх силах.

Як нейтралізувати цю проблему? Визнайте, що не знати чогось - це абсолютно нормально та є частиною зростання. Записуйте цікаві теми для поглибленого вивчення, слідкуйте за власним прогресом, шукайте зворотній звʼязок від людей, чия думка важлива для Вас.

P.S. Це придумав не я, це вже відомо із середини минулого століття.

📚Книжкове літо 2024

#books #testing #learning

Сьогодні я хотів би поділитись з вами кращими книжками, що я встиг прочитати влітку.

Тестування

📕Advanced Testing of Systems-of-Systems - Volume 1: Theoretical Aspects та Volume 2: Practical Aspects - цікаві книги про те, як підходити до тестування складних систем (що складаються з інших складних систем). Багато практичних прикладів, але друга частина мені здалася навіть більш теоретичною ніж перша. Корисне є, але якщо ви читали багато тест менеджерської літератури та здавали екзамен ISTQB Test Manager - нового буде мало.

📔Artificial Intelligence and Software Testing: Building systems you can trust - невеличка, але вкрай корисна книга про те, як тестувати недетерміновані системи - на прикладі AI та ML. Можна провести деякі паралелі із блокчейном. Книжка тільки розкриває цю тему та дає базові знання - то ж не треба очікувати якихось чарівних "таблеток".

Навчання

📘Make It Stick: The Science of Successful Learning - книжка про те, що сучасне навчання не є ефективним, а існують кращі науково доведені способи як це робити. Книга хороша, але остання третина - чергове повторення попереднього матеріалу та інтервʼю з тими, хто користувався способами, що пропонують автори.

📗Ultralearning - книжка від Scott H. Young, що пройшов 4-річну програму MIT з computer science - за 1 рік! В книзі автор розповідає про свій метод (по факту набір з відомих методів). 20% книги трохи водянисті, але решта - мені сподобалась.

📙Building a Second Brain - так як веду нотатки, користуюся Obsidian та методом PARA - цю книжку рано чи пізно треба було почитати. Книга за авторством Tiago Forte, який метод PARA й створив. В ній автор більш глибоко розкриває метод, наводить безліч прикладів та й взагалі багато пише про те, чому нотатки в сучасному світі вкрай необхідні.

А що ви прочитали цього літа?

❓Як обрати, що вчити?

#learning

В Суворому QA комʼюніті завжди цікаві дискусії. Ось наприклад вчора було таке питання:

У кого яка поведінка в вивченні? Будете вчити те, де знаєте що кульгаєте? Або підете на ще один курс по темі, де ви норм розбираєтеся, але хочеться краще?

Тема навчання та розвитку дуже велика. Все як завжди залежить від того, чого ви хочете.

🔖Загальні відповіді

- Науково доведено, що людина скоріш буде практикуватись в тому, що вже й так знає та вміє. Бо це легко, це виходить. А якщо виходить - буде задоволення від виконаного завдання чи курсу.
- Щоб уникнути такої проблеми, треба памʼятати - ми вчимося тоді, коли нам складно. Так, у вас буде спокуса все кинути, бо складно. Але це - процес навчання. Тому краще обирати для навчання ті теми, в яких ви почуваєтесь найслабшими.
- Щоб зрозуміти, наскільки ви знаєте тему - спробуйте розповісти про неї комусь, навчити її, виступити на конференції. Або спробуйте сформулювати питання на високих рівнях таксономії Блума та відповісти на них (цікава техніка).
- Не всі знання однаково корисні. Треба розділяти концепції та процедури. Процедури - це будь-що, що ми робимо по визначеному алгоритму, наприклад налаштування серверу чи користувача або вирішення конкретної задачки на обраній мові програмування. Процедури запамʼятовуються ТІЛЬКИ ЧЕРЕЗ ПРАКТИКУ.

🤔Що роблю саме я

- Рефлексія. Відмічати, які робочі таски даються важче, ніж інші. Яких знань мені не вистачає. Це можуть бути знання програмування, технологій, продукту, домену.
- Візуалізація. Збираю усі ці замітки та формую карту того, що треба вчити взагалі для роботи.
- Пріоритети. Виділяю з усього списку найгарячіші теми та прокачую їх окремо. В мене працює фокус на 1-2 темах на виділений період часу - тиждень, два, або більше. Усю іншу інформацію - фільтрую та додаю в папку (коли-небудь потім)
- Відмічаю свій прогрес у вивченні. Записую, що тепер можу робити, коли розібрався у новому та закріпив то на практиці. "Тепер я можу налаштувати користувача", "Тепер я знаю, як подивитись логи в цьому сервісі та дослідити весь флоу"
- Роблю нотатки усього. Процедури, нова інформація чи концепції, мітинги.
- Закріплення. Досить недавно прийшов до того, що для кращого запамʼятовування та закріплення знань - треба робити собі власні тести знань. Можна для цього застосувати chatgpt, anki карти, що завгодно.

📰І ще одне!

А для тих, хто хоче навчитися чогось нового - можна піти на QA Magic Meetup 6.0, що відбудеться вже 26 жовтня, в Києві.

Очікуються цікаві доповіді від спікерів із практичним досвідом. Мені, наприклад, цікаво послухати доповіді про персональну ефективність та QA метрики.
Плюс, там буде нетворкінг й афтепаті. Для тих, хто поїхати не зможе - буде онлайн трансляція.

🤷Як ви вчитесь?

#question #learning

Поки я готуюся до своєї доповіді наступного тижня, в мене виникло декілька питань до читачів каналу.

- Як ви навчаєтесь? Чи це спланована активність чи більш хаотична?
- Як ви обираєте той чи інший матеріал чи курс?
- Який вид матеріалу (курс, книга, блог пост, відео) вам більше подобається?
- Як ви розумієте, що навчились достатньо?

І головне - навіщо ви вчитесь?

Було б дуже цікаво почути ваші думки та відповіді.

Обережно з Napkin AI (й не тільки)

#tools #learning

Не так давно я поділився цікавим ресурсом для створення діаграм з тексту - Napkin AI. Цей сервіс дійсно корисний.

❗️Але хочу зробити окрему ремарку. Діаграми з тексту корисно робити тоді, коли ви вже розібрались в матеріалі та лише хочете знайти ще один спосіб представити інформацію.

💡Для того, щоб глибше розібратись в концепції чи питанні, краще малювати ці діаграми (чи mind map) самостійно.

Чому?

Тому що НАВЧАННЯ відбувається саме тоді, коли ви самі ВІЗУАЛІЗУЄТЕ складні речі та ШУКАЄТЕ звʼязки між тим, що вже знаєте та новим матеріалом.

Додаткові сервіси, типу Napkin (або інших LLM) можуть “вкрасти” момент розуміння. Вам буде лише ЗДАВАТИСЬ, що ви зрозуміли. А коли потрібно буде переказати інформацію комусь іншому - ви знову будете повертатись до ваших нотаток, чи блогу (книжки).

🎒Чому інколи корисно навчатись тому, що вже знаєш?

#insight #learning

Коли ми навчаємось, здається, що одного джерела (книжки чи курсу) достатньо, щоб опанувати нову навичку.
Але зі свого досвіду можу сказати, що інколи розбирати навіть начебто знайомі речі - вкрай корисно!

❔Чому? Тому що різні люди подають інформацію по-різному. Хтось гарно розповідає, хтось - пояснює з візуальними матеріалами, хтось - доводить свою правоту за допомогою математики. (Так, я зустрічав математичне обгрунтування, чому вичерпне тестування - неможливе!).

Кожен новий матеріал дозволяє поглянути на проблему під трошки іншим кутом. Глибина ваших знань зростає. А як результат - бачиш звʼязки там, де раніше й не думав.

А ще - бачиш, яким чином можна розповідати досить складні речі більш простими словами, з аналогіями та прикладами.

🔗Яскравий приклад для мене - блокчейн. Коли я тільки почав його вивчати, у 2021 році, то ділився вивченим тут, в каналі. Наче все було зрозуміло.

Але тільки зараз, побачивши одні й ті ж матеріали від десятків різних спеціалістів, я бачу - як можна розповісти про усі ці концепції набагато легше, з мінімумом складних термінів.

P.S. Глибина матеріалу напряму залежить від аудиторії. 99% курсів й матеріалів, нажаль, глибиною похвалитись не можуть. Тому й розтягують контент, який можна росказати за годину - на цілі тижні.

P.P.S В цьому криється проблема "молодих інфлюенсерів" (люди поспішають ділитись знаннями, що не до кінця не зрозумівши їх). Такі люди дійсно можуть розповісти про різні класні штуки, але не своїми словами, а завченими термінами. Тому який-неякий досвід треба мати, перед тим як ділитись. Або - дуже ретельно пропрацьовувати теми.

Вмінню пояснювати теж треба вчитись. Не кожен спеціаліст може бути хорошим викладачем.

🍟 Сервіси для швидкого навчання

#learning #llm

Я багато читаю та дивлюся різні доповіді. Значна частина з того - дослідницькі роботи чи дійсно великі статті.
Але щоб прочитати статтю чи роботу на 10-20 сторінок треба багато часу.

То ж я спробував декілька сервісів, які обіцяють значно пришвидшити темпи читання матеріалів. А саме: NotebookLM (від Google - то ж на базі Gemini) та YouLearn

➕Плюси:
- відравляєш в них дослідницьку роботу, велику статтю чи навіть відео - й отримуєш короткі нотатки, питання для самоперевірки та можливість спілкуватись з чатом в контексті теми.
- можна додати декілька робіт в один проєкт
- можна навіть перетворити великий документ у ... запис подкасту! Де два ведучих будуть поступово розкривати контент статті! Причому доволі непоганої якості. На перший погляд дуже й дуже цікаво.

➖Мінуси
- NotebookLM ще не доступний в Україні (можна через VPN). YouLearn - вже можна використовувати
- Обидва сервіси працюють лише з текстом. Тож графіки вони не зрозуміють
- Треба ще більше вільного часу щоб ще й слухати статті у вигляді подкасту
- Сервіси "звільняють" нас від годин читання, але забирають отой А-ХА момент, коли ми саме навчаємось, звʼязуємо концепти між собою.

Висновок: цікаво спробувати, але користуватись кожного дня я скоріш не буду.

Модель отримання навичок братів Дрейфус

#thinking #learning

Коли ми навчаємось чи навчаємо когось (як ментор чи на курсах), треба розуміти як люди взагалі отримують нові навички. Одна з моделей, яка може розповісти про це - це модель Стюарта та Губерта Дрейфусів. Згідно з цією моделлю, кожен студент проходить крізь пʼять різних етапів: новачок, просунутий початківець, компетентний спеціаліст, досвідчений спеціаліст та експерт.

Етап 1 - Новачок

У новачків немає або дуже мало досвіду. Новачки навіть не стільки вчаться, скільки хочуть виконати конкретну задачу в моменті часу. Новачкам потрібні рецепти (покрокові інструкції).
Проблема з рецептами в тому, що вони позбавлені контексту. То ж неможливо зробити "універсальні рецепти на усі випадки".

Етап 2 - Просунутий початківець

Просунуті початківці вже можуть потроху "ламати правила". Вони навіть можуть формулювати свої рецепти, але все ще не можуть досліджувати проблеми глибоко. Просунутим новачкам не цікаво знати проблему в масштабі. Але вони можуть користуватись порадами в нових контекстах, які схожі на ті, що вже траплялись. В початківцях ще не сформувалось цілісне розуміння (та й немає бажання його отримати).

Етап 3 - Компетентний спеціаліст

Компетентний спеціаліст може "дебажити" проблеми. Такі люди можуть взяти задачу, дослідити її та знайти рішення на основі їх досвіду. Компетентні люди можуть навіть займати лідерські позиції в команді.

Етап 4 - Досвідчений спеціаліст

Досвідченим спеціалістам потрібна цілісна "велика" картина. Вони прагнуть зрозуміти підходи на концептуальному рівні, то ж можуть страждати від занадто спрощеної інформації. Такі спеціалісти можуть аналізувати свої результати та робити висновки про зміни (покращення) в підходах. Вони також можуть вчитись на досвіді інших - зі статей, дослідницьких робіт, доповідей. Додатково - на цьому рівні люди можуть застосовувати "кращі практики" в залежності від конкретного контексту.

Етап 5 - Експерт

Експерти - то найперші джерела знань та інформації в команді, компанії, індустрії. Вони постійно у пошуку нових та кращих методів. Це саме ті люди, що пишуть книжки, виступають з лекціями. Експерти довіряють власній інтуїції. Експерти знають різницю між важливими та другорядними деталями

Гаразд, але що з того?

- Більшість людей знаходяться на рівні просунутий новачок
- Новачкам потрібні люди, які б їх направляли та давали зворотній звʼязок
- Продуктивність експертів падає, якщо підходи й правила єдині для всіх рівнів
- Користуйтесь правила та гайдами для новачків, залиште інтуїцію для експертів
- Експерти не завжди найкращі вчителі, бо вони мислять паттернами, які подекуди не можуть пояснити іншим
- Кожна наша окрема навичка рухається згідно моделі Дрейфусів. То ж можна "прокачувати" навички наче окремі гілки героя в RPG
- Не достатньо просто практикуватись 10000 годин. Треба розбивати практику на конкретні задачі потрібної складності, мати постійний зворотній звʼязок щоб виправляти помилки одразу
- Для швидкого прогресу потрібно оточувати себе більш експертними людьми в команді
- Ми вчимося краще коли спостерігаємо та імітуємо. То ж сесії парного тестування чи програмування можуть стати у нагоді

AI tools and how they kill learning

#ai #tools #learning

Написав невелику статтю на тему того, як сучасні інструменти зі штучним інтелектом вже зараз впливають на наше навчання. Та на навчання людей, що тільки починають в ІТ.

А як ви думаєте - чи легше стало дійсно навчитись новому з ШІ - чи складніше?

🎱Швидкість навчання vs. Новизна інформації

#learning

Розгляньмо графік. Червоним кольором показано швидкість навчання, а синім - кількість нової для нас інформації.

Цей графік показує, що коли ми тільки починаємо свій шлях в новій спеціалізації - ми вчимося повільно. Разом із тим - кількість всього нового та цікавого дуже велика. Хочеться вивчити і те і інше. Навчання повне відкриттів.

З часом ми набираємось досвіду- то ж швидкість навчання тепер зростає. Разом із тим зменшується фільтр нової інформації. Ми відкриваємо курс чи книгу й розуміємо, що на 300 сторінок маємо тільки 10-20 сторінок з дійсно свіжою або цікавою для нас інформацією. Решту - можна спокійно пропустити.

🪄Абсолютно нормально вчитися повільніше на початку. Та ще більше нормально - читати й вчити тільки те, що для вас нове.Й пропускати решту. Бо це - про ефективність та розумне використання часу.

P.S. А ще з досвідом треба більше часу витрачати на пошук звʼязків між тим, що ти вже знаєш та дрібками нового.

🚀 Про інтуїцію в тестуванні

#testing #learning

Під час однієї з дискусій на конференції Бетельгейзе ми говорили про те, які задачі тестувальника ми (поки що) не можемо передати в руки алгоритмам штучного інтелекту.

Основна думка була в тому, що ШІ не має тієї інтуїції та того контексту, який має тест інженер, залучений у проєкт. Але що таке інтуїція?

Інтуїція в тестуванні

Серед технік тест дизайну є одна, що називається error guessing, себто вгадування помилок. Вона базується на здатності тестувальника знаходити та передбачувати появлення дефектів на основі досвіду минулих, схожих, помилок в подібних компонентах. Тобто ця техніка передбачає наявність в тестувальника ... інтуїції.

Інтуїція в навичках

Якщо дивитися на модель Дрейфуса, то існує пʼять рівнів володіння навичками: новачок, просунутий новачок, компетентний, вправний та експерт.

👉 Новачкам потрібні чіткі інструкції (можна назвати їх промптами)
👉 Просунутим новачкам теж потрібні інструкції, але вони вже можуть пробувати виконувати щось по-своєму.
👉 Компетентні люди вже можуть досліджувати проблеми та виправляти їх самостійно.
👉 Просунуті - можуть аналізувати роботу інших та виправляти самих себе. Саме тут найбільше застосовуються ті самі фундаментальні знання.
👉 Експерти - працюють на основі інтуїції. А інтуїція будується на досвіді та практиці. Експерти знають різницю між важливими та нерелевантними деталями. Експерт знає на яких з них дійсно треба фокусуватись - бо має розвинуту здатність до pattern matching (співставляння зі зразками)

Тож новачкам (та ШІ) треба давати чіткі вказівки. Вчіться робити ці інструкції точно та зрозуміло. Зважайте на контекст!
А от експерти від таких чітких правил стагнують та страждають.

Нажаль, в деяких організаціях інтуїції забороняють застосовувати бо вона не “повторювана” чи то не “наукова”. Якщо ви менеджер - дайте можливість експертам застосовувати інтуїцію.

Що ж нам з усим цим робити?

⚡️ Ставайте експертами в своєму продукті та тих навичках, якими володієте.
⚡️ Розвивайте здатність отримувати нові відкриття з багатьох джерел, співставляти факти, застосовувати свій досвід.
⚡️ Щоб мати можливість опиратися на цей досвід - треба вміти цей досвід помічати, записувати, оцінювати та рефлексувати. (Тут знову згадаю про важливість нотаток)

🕶 Забутий крок, який зробить роботу з ШІ більш ефективною

#ai #llm #learning

Майже всі зараз так чи інакше користуються ШІ інструментами. Це може бути різні ШІ-агенти або ж розумна генерація тестів чи код ревʼю.

Ми набагато менше гуглимо, а Stack Overflow репортить рекордно низьку активність. Окреме питання, до чого це призведе. Бо ШІ для кодингу вчиться в тому числі на правильних відповідях зі SO. То ж якщо не буде звідки брати інформацію про нові фреймворки та рішення - з часом ефективність ШІ може впасти (особливо для кардинально нового). Але можемо посперечатись в коментарях.

Але набагато більшою проблемою є те, як тестери користуються ШІ зараз. ШІ вигляда як така собі куля передбачень, що відповідає на питання. Але чи правильні ці відповіді? Як зрозуміти? Особливо, коли ти тільки вчишся новій для себе сфері, як-от автоматизація, програмування чи новий інструмент для тестування.

🎓 Різниця між знанням та розумінням

Перед тим, як говорити про якість відповідей, треба визначити два важливих терміни: знання та розуміння.

👉 Знання це структуровані, доступні для пошуку представлення фактів, правил та описів світу. ШІ якраз може дати нам ці знання у вигляді фактів. (Але чи достовірні вони?). Знання відповідають на питання - що це, які правила, як працює цей процес.

👉 Розуміння - це те, наскільки ми здатні використовувати знання щоб моделювати й пояснювати реальність. Більше того, розуміння це наша здатність будувати причинно-наслідкові звʼязки та передбачати як система чи процес буде себе вести у випадку, коли умови зміняться. Розуміння - це не просто звалище випадкових фактів.

Коли ШІ дає нам знання - воно дає таку собі мапу. Але розуміння приходить тоді, коли ви самі пройшли за цією мапою.

💡Про легкість ШІ

До появи ШІ, коли людина щось не знала - це було очевидно. Але з ШІ можна побачити появу фальшивої компететності.

Дуже легко запитати в ChatGPT - “Напиши мені автомейшн фреймворк на Playwright” чи “Згенеруй мені тести на цю специфікацію”. Навіть трейні може отримати швидкий результат. Але без розуміння, людина не зможе відповісти, чому автотести впали, чому взяли саме цей інструмент чи підхід, що станеться, якщо система впаде, й тд. (Або чи достатнє покриття в тестів).

ШІ може “навалити” дуже багато фактів. Наприклад блокчейн можна бачити як: розподілену систему, консенсус, хешування, цифрові підписи, базу даних. Але тільки із розумінням людина може обʼєднати ці факти в одну ментальну модель.

🔬Протестуйте ваше розуміння

Як швидко визначити чи ви розумієте, чи просто бездумно користуєтесь фактами від ШІ

👉 Спробуйте пояснити визначення чи концепцію без жаргону, своїми словами.
👉 Спробуйте продумати, що трапиться із системою у випадку помилки
👉 Спробуйте відгадати, як поведе себе система, коли прибрати той чи інший компонент (або що при яких умовах правило перестане діяти)
👉 Спробуйте “перенести” ідею з одного домену в інший
👉 Спробуйте прогнозувати, що станеться, якщо ви запустите той код, шо пропонує вам ШІ

Якщо коротко - знання можна “скачати”. Розуміння здобувається із зусиллям.

❗️Один крок, щоб підвищити розуміння

Основна порада (особливо в навчанні) - не питайте ШІ просто “Поясни мені Х”.

Замість цього, формулюйте більш глибокі питання:
⭐️ Чому Х може впасти? У чому плюси й мінуси використання Х?
⭐️ Наведи приклад неправильного пояснення Х
⭐️ Що більшість людей неправильно розуміють про Х?

Копайте глибше. Виходьте за рамки фактів. Інтегруйте факти у свою картину світу. Створюйте свої ментальні моделі та аналізуйте, як вони будуть працювати в різних умовах. В такому випадку ШІ дасть дуже вагомий приріст ефективності.