七喜创意广告合集

<随心_句子c><随心_句子c><随心_句子c><随心_句子c><随心_句子c>大(da)佬(lao)教(jiao)妳(ni)玩(wan)轉(zhuan)ChatGPT！精(jing)選(xuan)八(ba)篇(pian)「人(ren)機(ji)交(jiao)互(hu)頂(ding)會(hui)CHI」論(lun)文(wen)：普(pu)通(tong)程(cheng)序(xu)員(yuan)如(ru)何(he)吃(chi)上(shang)AI紅(hong)利(li)？

新(xin)智(zhi)元(yuan)報(bao)道(dao)

編(bian)輯(ji)：LRS

【新智元導(dao)讀(du)】讓(rang)ChatGPT成(cheng)為(wei)人机交互的(de)新接(jie)口(kou)。

ChatGPT的發(fa)布(bu)，让AI正(zheng)式(shi)加(jia)入(ru)工(gong)具(ju)箱(xiang)，不(bu)過(guo)寫(xie)prompt對(dui)於(yu)非(fei)英(ying)語(yu)母(mu)语者(zhe)、非AI從(cong)業(ye)者來(lai)說(shuo)仍(reng)然(ran)是(shi)壹(yi)個(ge)難(nan)題(ti)。

在(zai)最(zui)近(jin)召(zhao)開(kai)的 人机交互領(ling)域(yu)顶級(ji)会議(yi)ACM CHI（Conference on Human Factors in Computing Systems）2023上，发表(biao)了(le)大量(liang)基(ji)于大型(xing)语言(yan)模(mo)型的研(yan)究(jiu)及(ji)工具，能(neng)夠(gou)拉(la)低(di)ChatGPT類(lei)工具的使(shi)用(yong)門(men)檻(kan)。

从事(shi)人机交互工作(zuo)的前(qian)田(tian)納(na)西(xi)大學(xue)教授(shou)Austin Z. Henley精选了八篇论文，从提(ti)示(shi)的設(she)計(ji)、訓(xun)練(lian)，到(dao)改(gai)善(shan)编程教学、結(jie)構(gou)化(hua)日(ri)誌(zhi)管(guan)理(li)等(deng)，打(da)开ChatGPT的正確(que)玩法(fa)！

程序员和(he)语言模型之(zhi)間(jian)的概(gai)念(nian)匹(pi)配(pei)

「代(dai)碼(ma)生(sheng)成」大型语言模型可(ke)以(yi)把(ba)用戶(hu)輸(shu)入的自(zi)然语言翻(fan)譯(yi)为代码，不过在近乎(hu)無(wu)限(xian)的自然语言输入空(kong)间中(zhong)，只(zhi)有(you)一小(xiao)部(bu)分(fen)指(zhi)令(ling)可以準(zhun)确指导代码生成。

对于非AI專(zhuan)业的終(zhong)端(duan)用户，即(ji)普通程序员来说，学習(xi)提示输入的难题主(zhu)要(yao)是抽(chou)象(xiang)概念之间的匹配。

這(zhe)篇论文在電(dian)子(zi)表格(ge)中的數(shu)據(ju)分析(xi)的特(te)定(ding)背(bei)景(jing)下(xia)研究了这一难题，使用Codex代码生成器(qi)將(jiang)用户的自然语言query映(ying)射(she)为Python代码、執(zhi)行(xing)代码並(bing)顯(xian)示结果(guo)。

研究人员提出(chu)了grounded抽象匹配，通过将代码翻译成系(xi)統(tong)的和可預(yu)測(ce)的自然语言，来彌(mi)補(bu)抽象的差(cha)距(ju)。

在一項(xiang)受(shou)試(shi)者之间的思(si)考(kao)-朗(lang)读研究（n=24）中，研究人员将grounded抽象匹配與(yu)基于先(xian)前建(jian)立(li)的查(zha)詢(xun)框(kuang)架(jia)原(yuan)則(ze)的ungrounded的替(ti)代方(fang)案(an)進(jin)行了比(bi)較(jiao)。

结果发現(xian)，有基礎(chu)的方法提高(gao)了终端用户对代码生成模型的範(fan)圍(wei)和能力(li)的理解(jie)，以及有效(xiao)使用所(suo)需(xu)要的语言種(zhong)类。

總(zong)结：为了幫(bang)助(zhu)终端用户编写 LLM 提示，研究人员设计了一个系统，将用户的自然语言输入映射到一系列(lie)系统操(cao)作，可以准确地(di)向(xiang)用户傳(chuan)達(da)系统如何解釋(shi)他(ta)們(men)的提示，并給(gei)出一个可编辑的細(xi)粒(li)度(du)操作列表。

非 AI 专家(jia)如何嘗(chang)试(失(shi)敗(bai))设计 LLM 提示

像(xiang)GPT-3这樣(yang)预训练的大型语言模型可以进行开箱即用的多(duo)輪(lun)指导，可以作为设计自然语言交互工具的基础。

使用自然语言来引(yin)导语言模型的输出（即提示prompt）已(yi)經(jing)成为一种重(zhong)要的设计技(ji)術(shu)，非人工智能专家也(ye)需要学习使用。

不过制(zhi)作有效的提示是具有挑(tiao)戰(zhan)性(xing)的，而(er)且(qie)基于提示的交互是很(hen)脆(cui)弱(ruo)的。

这篇论文探(tan)討(tao)了非人工智能专家是否(fou)可以使用design probe成功(gong)地參(can)与「终端用户提示工程」，一个基于LLM的聊(liao)天(tian)机器人设计工具原型，支(zhi)持(chi)开发和系统評(ping)估(gu)提示策(ce)略(lve)。

最终，研究中的probe参与者对提示设计进行了机会性的探索(suo)而非系统性的探索，但(dan)仍然很难让参与者掌(zhang)握(wo)终端用户编程系统和交互式机器学习系统。

研究人员发现，源(yuan)自人与人之间的教学经驗(yan)的期(qi)望(wang)，以及过度泛(fan)化的傾(qing)向，是有效提示设计的障(zhang)礙(ai)，實(shi)验结果对于非人工智能专家面(mian)对的基于LLM的工具设计以及提高程序员和公(gong)眾(zhong)的LLM和提示素(su)養(yang)都(dou)有影(ying)響(xiang)，并为进一步(bu)研究提供(gong)了机会。

总结：提示工程现在相(xiang)當(dang)流(liu)行，但是非人工智能专家能写出有效的提示嗎(ma)？研究人员調(tiao)查了人们在写提示時(shi)面臨(lin)的挑战，并设计了一个工具来帮助这些(xie)非专业人士(shi)。

程序设计課(ke)的老(lao)師(shi)经常(chang)在课堂(tang)上进行练习，以帮助他们发现进度落(luo)後(hou)的学生，找(zhao)出学生錯(cuo)誤(wu)理解的概念。

不过研究人员在采(cai)訪(fang)编程导师时发现，在练习中監(jian)控(kong)学生的进度是很困(kun)难的，特別(bie)是对于大班(ban)学生。

这篇论文提出了VizProg，允(yun)許(xu)教师在课堂练习中实时监控和檢(jian)查学生编程进度的系统。

VizProg将学生的狀(zhuang)態(tai)表现为二(er)維(wei)歐(ou)幾(ji)裏(li)得(de)空间圖(tu)，实时编码学生的解決(jue)問(wen)题的方法和进度。

VizProg使老师能够瀏(liu)覽(lan)学生代码的时间和结构演(yan)變(bian)，了解代码之间的關(guan)系，并确定何时提供反(fan)饋(kui)。

通过大規(gui)模地管理学生的活(huo)動(dong)，这项工作为提高现場(chang)学习的質(zhi)量提出了一个新的范式。

总结：对于教师来说，理解学生在课堂活动中的表现是一个挑战。研究人员设计了一个工具，实时可視(shi)化学生的不同(tong)手(shou)段(duan)，展(zhan)示全(quan)班的编辑距離(li)视图，同时也允许教师检查特定的提交。

基于人工智能的筆(bi)記(ji)本(ben)代码助手设计

人工智能驅(qu)动的代码助手，如Copilot，正在迅(xun)速(su)成为当代编码環(huan)境(jing)中无處(chu)不在的組(zu)成部分。

在这些环境中，计算(suan)笔记本如Jupyter提供了豐(feng)富(fu)的界(jie)面，能够进行探索性和展示性工作的方式将代码和输出同时展示。

盡(jin)管笔记本很受歡(huan)迎(ying)，但人们对笔记本中代码助手的適(shi)当设计知(zhi)之甚(shen)少(shao)。

研究人员通过創(chuang)建一个设计空间（从对现有工具的调查中得出），并通过采访设计研究（与15位(wei)实踐(jian)中的数据科(ke)学家），来研究计算型笔记本中代码助手的潛(qian)力。

通过这项工作，研究人员为这个空间中的未(wei)来系统确定了挑战和机会，如数据可视化等任(ren)務(wu)的消(xiao)歧(qi)義(yi)價(jia)值(zhi)，嚴(yan)格范围的特定领域工具（如linters）的潜力，以及禮(li)貌(mao)助手的重要性。

总结: 这是对计算机笔记本中 AI 代码助手的设计空间的探索，为人工智能的用户體(ti)验提供了一个有用的框架，包(bao)括(kuo)用户如何叠(die)代他们的输入，如何改进输出，等等。

Colaroid: 一个创作可探索的多階(jie)段教程的文学编程方法

多阶段编程教程是程序员的关鍵(jian)学习資(zi)源，使用漸(jian)进的增(zeng)量步驟(zhou)来教用户如何构建更(geng)大的軟(ruan)件(jian)系统。

一个好(hao)的多阶段教程能清(qing)楚(chu)地描(miao)述(shu)代码，解释每(mei)一步的理由(you)和代码的变化，并允许读者在学习教程的过程中进行实验。

在实践中，作者创建具有这些屬(shu)性的教程是非常耗(hao)时的。

这篇论文介(jie)紹(shao)了Colaroid，一个用于创建高质量的多阶段教程的交互式创作工具。

Colaroid教程是一个增強(qiang)的计算笔记本，其(qi)中的片(pian)段和输出代表了一个项目(mu)的快(kuai)照(zhao)，突(tu)出了源代码的差異(yi)，每个片段都有完(wan)整(zheng)的源代码背景，并且能够在一个鏈(lian)接的IDE中加載(zai)和修(xiu)补项目的任何阶段。

在兩(liang)项实验室(shi)研究中，研究人员发现Colaroid使创建多阶段教程变得容(rong)易(yi)，同时与视頻(pin)和基于網(wang)絡(luo)的教程相比，为读者提供了更多優(you)勢(shi)。

总结:即使是一个簡(jian)短(duan)的编程教程也需要花(hua)費(fei)很多时间才(cai)能做(zuo)好。研究人员设计了一个用于创建基于交互式笔记本的教程的工具，可以让作者从代码庫(ku)的歷(li)史(shi)中獲(huo)取(qu)代码塊(kuai)，然后重新混(hun)合(he)以获得更好的解释。

AI代码生成器对初(chu)学者的支持

像OpenAI Codex这样的人工智能代码生成器有可能通过从自然语言描述中生成代码来帮助新手程序员，然而，过度依(yi)賴(lai)可能会对学习和保(bao)持產(chan)生負(fu)面影响。

为了探索人工智能代码生成器对编程入门的影响，这篇论文对69名(ming)新手（10-17歲(sui)）进行了对照实验。

学习者进行了45个Python代码编写任务，其中一半(ban)的学习者可以使用Codex，每个任务之后都有一个代码修改的任务。

实验结果显示，使用Codex可以显著(zhu)提高代码编写的成績(ji)（完成率(lv)提高了1.15倍(bei)，分数提高了1.8倍），同时不会降(jiang)低手动修改代码任务的成绩。

此(ci)外(wai)，在训练阶段使用Codex的学习者在一周(zhou)后进行的评估后测试中表现略好，尽管这一差异沒(mei)有达到统计学意(yi)义。

值得註(zhu)意的是，如果事先接觸(chu)过Codex，Scratch前测分数较高的学习者在保留(liu)后测中的表现明(ming)显要好。

总结: 世(shi)界想(xiang)知道人工智能将如何改变教育(yu)。过度依赖会妨(fang)碍学习吗？研究人员进行了一项为期3周的研究，发现使用人工智能工具完成任务的学生在手工编码任务或(huo)测试中的表现并不差，也许人工智能终究是新的计算器。

Log-it: 支持使用交互式、上下文、结构化和可视化日志进行编程

日志（logging）是一种廣(guang)泛使用的检查和理解程序的技术。

不过日志的表现形(xing)式仍然经常采用其古(gu)老的形式，即駐(zhu)留在终端、控制臺(tai)或日志文件中的線(xian)性文本流，尽管很简單(dan)，但由于大量缺(que)乏(fa)结构和上下文的文本日志，解释日志输出往(wang)往具有挑战性。

这篇论文进行了內(nei)容分析和专家访談(tan)，以了解日志中固(gu)有的做法和挑战。

活动结果表明，目前对日志的表述并没有提供程序员解释日志或程序行为所需的丰富结构。

研究人员提出了Log-it，一个使程序员能够在现场交互式地结构化和可视化日志的日志界面。

一项針(zhen)对新手和专家的用户研究表明，Log-it的语法和界面具有最小的学习曲(qu)线，日志的交互式表示和组織(zhi)可以帮助程序员輕(qing)松(song)定位、綜(zong)合和理解日志。

总结:Print 语句(ju)仍然是一种流行的调试方法，但它(ta)并不总是最有效的技术。研究人员设计了一个时髦(mao)的工具来构造(zao)和可视化输出。

从语法中获得可用的结构化编辑器

结构化编辑在编程的可学习性、工具建设和编辑效率方面都有好处。

不过创建一个可用的结构化编辑器是很费力的，通常需要工具建设者手动创建或调整编辑交互关系。

这篇论文提出了Sandblocks，允许用户为每一种有形式化语法的语言自动生成结构化编辑器的系统。

該(gai)系统的输入调和过程可以作用于任意的语法樹(shu)，为生成的编辑器提供一致(zhi)的交互方式。

该编辑器的编辑体验被(bei)设计成用户熟(shu)悉(xi)的文本编辑，但与以前的工作相比，不需要在语法中进行手动標(biao)注。

文中通过一项用户研究（N=18）来證(zheng)明该编辑器在不同语言中的可用性。

与传统的文本编辑器相比，参与者平(ping)均(jun)只花了21%（JS）、34%（Clojure）和95%（RegExp）的时间，并报告(gao)说编辑感(gan)覺(jiao)很自然，得分是6/7。

总结: 结构化编辑是那(na)些似(si)乎每个人都喜(xi)欢的想法之一，研究人员致力于开发一个结构化的编辑器，可用于所有的编程语言，同时仍然具有很高的可用性；提供了一个一致的用户界面，可以在给定形式语法的几乎任何语言上使用。

参考资料(liao)：

https://austinhenley.com/blog/futureofprogramming2023.html返(fan)回(hui)搜(sou)狐(hu)，查看(kan)更多

責(ze)任编辑：