Google vrea să schimbe testele de programare cu interviuri despre AI: de ce codul care rulează nu mai este suficient
Un profesor de la Universiti Putra Malaysia spune că a înlocuit testele tradiționale de programare cu discuții în care studenții explică felul în care au folosit AI pentru a rezolva o problemă. În modelul prezentat de Google, Gemini din Google Colab nu este tratat ca o unealtă interzisă, ci ca un partener de lucru pe care studentul trebuie să-l controleze, să-l contrazică atunci când greșește și să-l justifice în fața profesorului. Ideea contează și pentru România: odată ce un chatbot poate genera rapid funcții, grafice sau modele de machine learning, un test care măsoară doar dacă elevul a memorat sintaxa riscă să evalueze mai degrabă accesul la un instrument decât înțelegerea reală. (blog.google)
Ce propune, de fapt, modelul cu Gemini și Google Colab
Exemplul Google vine de la Prof. Ts. Dr. Nurfadhlina Mohd Sharef, lector și Chief Digital Officer la Facultatea de Informatică și Tehnologia Informației a Universiti Putra Malaysia. În loc ca studenții să fie notați exclusiv pe baza unui test clasic de cod, aceștia pot lucra cu Gemini în Google Colab, iar evaluarea finală include un interviu verbal despre alegerile făcute. Studentul trebuie să poată explica de ce a ales un anumit model, ce alternativă i-a sugerat AI-ul, ce a respins și cum ar verifica dacă recomandarea este greșită. (blog.google)
Este o schimbare importantă de accent. Într-un examen tradițional, întrebarea poate fi: „Poți scrie de la zero un algoritm de clasificare?” Într-o evaluare adaptată erei AI, întrebările devin mai apropiate de munca reală: „De ce ai ales această abordare?”, „Ce date pot produce rezultate eronate?”, „Ce face acest parametru?”, „Cum ai depista o halucinație în codul generat?” sau „Cum demonstrezi că rezultatul are sens?”.
Google Colab este potrivit pentru un astfel de experiment fiind un mediu de notebook găzduit în browser, fără configurare locală, cu colaborare și acces la resurse de calcul. În versiunea actuală, platforma poziționează Gemini ca asistent pentru generarea, explicarea, depanarea și transformarea codului, inclusiv pentru analiză de date și exerciții educaționale. (developers.google.com)
Totuși, este esențial de spus ce nu reprezintă această poveste: nu este un studiu independent care demonstrează că interviurile cu AI sunt universal superioare examenelor scrise. Este experiența unui cadru didactic, publicată de Google, și trebuie citită ca un model de lucru promițător, nu ca rețetă gata de aplicat pentru orice liceu, facultate sau bootcamp.
De ce un program care funcționează nu dovedește automat competența
AI-ul schimbă radical semnificația unui „proiect funcțional”. Un student poate obține în câteva minute cod care rulează, teste generate automat și explicații care sună convingător. Dar asta nu garantează că înțelege complexitatea algoritmului, calitatea datelor, limitele unei biblioteci sau riscurile de securitate ale unei implementări.
Aici interviul are o valoare reală. Este mult mai greu să mimezi înțelegerea când trebuie să explici, cu propriile cuvinte, de ce un set de date este dezechilibrat, de ce o metrică este nepotrivită ori ce se întâmplă dacă o funcție primește valori lipsă. Profesorul nu verifică doar rezultatul final, ci raționamentul, capacitatea de a face debugging și discernământul în raport cu sugestia AI.
Pentru mai multe detalii despre această parte a subiectului, vezi Nu mai rata nicio factură: cum am construit o extensie Thunderbird bazată pe AI.
Aceeași idee apare și în zona profesională. Google avertizează că testarea superficială a sistemelor AI — câteva prompturi încercate și un răspuns care „pare bun” — poate ascunde bucle inutile, apeluri greșite către instrumente, consum excesiv de tokeni și costuri cloud mai mari. În software, un rezultat plauzibil nu este întotdeauna un rezultat corect; în educație, un notebook care rulează nu este întotdeauna dovada că studentul a învățat. (developers.googleblog.com)
Pentru studenții români, miza este practică. Companiile nu vor angaja doar oameni care știu să ceară unui model „scrie-mi un API în Python”. Vor căuta dezvoltatori juniori care pot verifica sugestia, pot identifica o vulnerabilitate, pot formula un test util și pot explica de ce au ales o soluție în locul alteia. AI reduce timpul până la primul rezultat, dar nu elimină responsabilitatea pentru rezultat.
Asistentul de cod este util când oferă context, nu când înlocuiește gândirea
Research-ul din jurul asistenților de programare indică aceeași direcție: valoarea lor nu stă doar în completarea automată a unei linii de cod, ci în capacitatea de a explica, de a lucra cu contextul proiectului și de a ghida implementarea. Google documentează pentru Gemini Code Assist funcții de chat, depanare, generare de teste, selectarea de fișiere și foldere ca sursă de context, plus „local codebase awareness” pentru înțelegerea mai bună a codului din spațiul de lucru. (docs.cloud.google.com)
Dar există și limite foarte concrete. În conversațiile din IDE, adăugarea unui folder drept context poate include doar primele 100 de fișiere găsite, iar calitatea răspunsului depinde de contextul oferit, de structurarea proiectului și de prompt. Cu alte cuvinte, „știe tot repository-ul” este mai mult o formulare de marketing decât o garanție absolută pentru orice proiect mare. (docs.cloud.google.com)
Pentru începători, asta înseamnă că un bun asistent AI nu ar trebui să fie folosit ca generator de răspunsuri finale. Rolul util este de tutor: să explice o eroare, să propună două soluții cu compromisurile lor, să ceară clarificări și să ajute utilizatorul să construiască teste. Un student care copiază codul are un avantaj de moment. Un student care îl poate citi, modifica și apăra are o competență transferabilă.
Ghid ServerSpan relevant: De ce ENGINYRING ar putea fi furnizorul de gazduire de care nu știai că ai nevoie.
Merită urmărit și un detaliu relevant pentru utilizatorii români: Gemini Code Assist acceptă prompturi în limba română, iar lista de limbaje verificate de Google include, între altele, Python, PHP, JavaScript, TypeScript, SQL și Java. Asta poate reduce bariera de intrare pentru cursanți, fără să înlocuiască nevoia de a înțelege documentația tehnică, de multe ori disponibilă mai complet în engleză. (docs.cloud.google.com)
Cum ar putea fi aplicată ideea în școli, facultăți și cursuri din România
Adoptarea nu trebuie să însemne renunțarea totală la examenele clasice. Sunt încă utile exercițiile fără AI pentru a verifica bazele: sintaxă, logică, structuri de date, citirea unui stack trace sau scrierea unei funcții simple. Problema apare când acestea devin singura formă de evaluare, deși mediul de lucru real include deja documentație, căutare web, colegi, code review și tot mai des asistenți AI.
O variantă echilibrată pentru o facultate din România ar putea combina trei elemente: un exercițiu individual, cu reguli clare privind folosirea AI; un proiect în care AI-ul este permis și trebuie documentat; apoi un interviu scurt în care studentul explică deciziile. Profesorul poate cere istoricul prompturilor, versiunile intermediare ale notebookului și câteva modificări făcute pe loc. Astfel, nu este penalizată folosirea unui instrument actual, dar nici nu este răsplătită delegarea completă a gândirii.
Există și riscuri care nu trebuie ignorate. Instituțiile trebuie să stabilească reguli clare privind datele introduse în chatboturi, mai ales dacă proiectele includ informații personale, seturi de date interne sau cod care aparține unei companii. De asemenea, profesorii au nevoie de timp și formare: un interviu bun nu înseamnă doar „ai folosit AI?”, ci întrebări care separă memorarea unei explicații de înțelegerea autentică.
Lucruri practice de urmărit:
- Cereți studenților să noteze ce a generat AI-ul și ce au schimbat ei.
- Evaluați explicația, testele și verificarea rezultatelor, nu doar codul care rulează.
- Păstrați exerciții fără AI pentru competențele fundamentale.
- Evitați încărcarea în servicii publice a codului sau datelor sensibile.
- Folosiți întrebări de debugging și modificări pe loc în locul unui simplu „prezintă proiectul”.
Concluzie: modelul propus de profesorul din Malaysia nu spune că programarea devine mai ușoară sau că profesorii pot fi înlocuiți de Gemini. Spune ceva mai util: atunci când AI poate produce cod, valoarea umană se mută spre judecată, verificare și capacitatea de a explica deciziile. Pentru educația tech din România, acesta este probabil testul care merită modernizat primul.