学以致用：语言模型在重塑教育中的作用

实现动手自主学习的途径是通过大型言语模型（LLM）。Jon Udell 展示了教育科技行业怎么利用人工智能。

译自Learn by Doing: How LLMs Should Reshape Education，作者 Jon Udell。

今日，我的朋友格雷格威尔逊(Greg Wilson)在将 tidyverse/Pandas 习语翻译成 SQL 时，问我以下问题:

好吧，我的 SQL 哪里错了?

drop table if exists person;
create table person(
 ident integer not null primary key,
 name text not null
);
drop table if exists job;
create table job(
 ident integer not null primary key,
 name text not null
);
drop table if exists did;
create table did(
 person_id integer not null,
 job_id integer not null
);
insert into person values (1, "Alice"), (2, "Bob");
insert into job values (20, "cook"), (30, "clean");
insert into did values(1, 20), (2, 20), (1, 30);
select person.name, job.name, count(*)
from person inner join did inner join job
on person.ident = did.person_id and did.job_id = job.ident
group by person.ident, job.ident
order by person.ident, job.ident;

成果中没有显现 (Bob, clean) 的值为 0。为什么？

我将这个问题转发给了我的首席帮手 ChatGPT，它给出了以下回答:

ChatGPT: 您的 SQL 脚本根本没有问题，但是最终的查询句子中联结表的办法有点问题。让我具体阐明一下:

表的创立和刺进数据: 您正确地创立了 person、job 和 did 这三张表，并向其中刺进了数据。这部分看起来没有问题。

最终的联合查询: 您企图将这些表的数据组合起来，以显现每个人做了哪些作业。但是，您运用 INNER JOIN 写的查询不会包含一个人没有作业的组合(如您示例中的 Bob 和“clean”)。这是因为 INNER JOIN 只包含两张表中都有匹配的行。

为了包含一切人和作业的组合，即使一个人没有做某项作业，您应该运用 CROSS JOIN 来创立 person 和 job 的笛卡尔积，然后与 did 表做 LEFT JOIN。这样，您可以得到一切组合，并统计出现的次数。

下面是更正后的查询:

SELECT person.name， job.name， COUNT(did.person_id) as job_count
FROM person
CROSS JOIN job
LEFT JOIN did ON person.ident = did.person_id AND job.ident = did.job_id
GROUP BY person.name， job.name
ORDER BY person.name， job.name;

这个查询会列出每种人和作业的组合，并统计每个人做每项作业的次数。关于 did 表中没有的组合(如您示例中的 Bob 和“clean”)，会显现 0 次。

准则 2: 永久不要相信，要验证

遵从准则 2(见7 个辅导言语模型作业的原则)，我下一步的举动是:

Jon: 听起起来不错，请写一个测验来证明它可行。

接下来产生的事情我之前提到过，在《言语模型怎么协助一个网站改版》一文中: ChatGPT 编写并运转了测验。如果您还没有看到这种情况产生，那几乎令人难以置信，我感觉许多人还没有看到过。

ChatGPT: 为了测验 SQL 查询，我将设置一个数据库环境的模拟，然后履行查询。这将演示查询在处理您的需求方面的正确性。让咱们进行测验:

创立表: 我将根据您的脚本创立 person、job 和 did 表。刺进数据: 我将刺进您供给的数据到这些表中。履行查询: 我将运转更正后的查询，以显现它怎么处理人和作业的组合，包含一个人没有作业记载的情况。

让咱们从这个测验开始:

import sqlite3
import pandas as pd
# Create an in-memory SQLite database
conn = sqlite3.connect(':memory:')
# Create tables
create_statements = [
    '''
    CREATE TABLE person (
        ident INTEGER NOT NULL PRIMARY KEY,
        name TEXT NOT NULL
    );
    ''',
    '''
    CREATE TABLE job (
        ident INTEGER NOT NULL PRIMARY KEY,
        name TEXT NOT NULL
    );
    ''',
    '''
    CREATE TABLE did (
        person_id INTEGER NOT NULL,
        job_id INTEGER NOT NULL
    );
    '''
]
for create_statement in create_statements:
    conn.execute(create_statement)
# Insert data
person_data = [(1, "Alice"), (2, "Bob")]
job_data = [(20, "cook"), (30, "clean")]
did_data = [(1, 20), (2, 20), (1, 30)]
conn.executemany('INSERT INTO person VALUES (?, ?);', person_data)
conn.executemany('INSERT INTO job VALUES (?, ?);', job_data)
conn.executemany('INSERT INTO did VALUES (?, ?);', did_data)
# Query to combine the tables
query = '''
SELECT person.name AS PersonName, job.name AS JobName, COUNT(did.person_id) AS JobCount
FROM person
CROSS JOIN job
LEFT JOIN did ON person.ident = did.person_id AND job.ident = did.job_id
GROUP BY person.name, job.name
ORDER BY person.name, job.name;
'''
# Execute the query
result = pd.read_sql_query(query, conn)
conn.close()
result
  PersonName JobName  JobCount
0      Alice   clean         1
1      Alice    cook         1
2        Bob   clean         0
3        Bob    cook         1  

作为跟进，我要求供给一个以CTEs（通用表达式）管道办法编写的查询版本，并仅供给查询的cross join组件的输出。

ChatGPT：要显现PersonJobCombos CTE的输出，咱们需求仅运转查询的那部分。该CTE生成一切或许的人员和作业组合，而不考虑一个人是否实践上做过作业。让咱们别离履行此CTE以查看其输出。

# Reconnect to the in-memory SQLite database
conn = sqlite3.connect(':memory:')
# Recreate tables and insert data as before
for create_statement in create_statements:
    conn.execute(create_statement)
conn.executemany('INSERT INTO person VALUES (?, ?);', person_data)
conn.executemany('INSERT INTO job VALUES (?, ?);', job_data)
conn.executemany('INSERT INTO did VALUES (?, ?);', did_data)
# Query for PersonJobCombos CTE
person_job_combos_query = '''
WITH PersonJobCombos AS (
    SELECT person.ident AS PersonID, person.name AS PersonName, job.ident AS JobID, job.name AS JobName
    FROM person
    CROSS JOIN job
)
SELECT * FROM PersonJobCombos;
# Execute the PersonJobCombos CTE query
person_job_combos_result = pd.read_sql_query(person_job_combos_query, conn)
conn.close()
person_job_combos_result
PersonID PersonName  JobID JobName
0         1      Alice     20    cook
1         1      Alice     30   clean
2         2        Bob     20    cook
3         2        Bob     30   clean

PersonJobCombos CTE的输出显现了人员和作业的一切或许组合：

Alice与“cook”和“clean”都配对。

Bob也与“cook”和“clean”配对。

这展示了人员和作业表的笛卡尔积，创立了每个人与每个作业的组合，而不考虑他们是否实践上做过这份作业。

规矩7：通过实践学习

现在这里有一个为难的坦白。在我上一份作业中，我写了许多SQL，在我当前的作业中我也写了许多。在上一份作业中，我从未发现过对cross join的需求。在运用Steampipe时，我在许多示例查询中遇到了这种习语，但从未以这种简略的办法出现过。Steampipe查询一般会将cross join与返回集的JSONB函数结合运用，以我不可思议的办法。在这些情况下，我会借助CTE管道以一系列简略的步骤构建查询，每个步骤都履行一项简略的转化。

我把规矩7放在最终，因为它感觉最重要。在这里，例如，我并没有故意去学习穿插衔接，我只是想知道怎么陈述Bob/clean对的值为0。因为穿插衔接是解决方案的有机部分，我或许会记住并可以参阅这个比如。我希望在面临类似问题时会想到它。

这次练习中我或许学到的不只仅是这些。我碰巧知道怎么从Python内部运用SQLite，但如果我不知道，ChatGPT将会默默地教给我这种办法，并供给另一个有用的示例供我参阅。

从头定义教育

咱们一直需求这种按需学习的办法，现在它正在变得或许。在这个比如中，咱们看到了一个tidyverse/Pandas从业者怎么在SQL中展示了解的习语。作为SQL从业者，我可以反其道而行，了解了解的SQL习语在R或Python中的运用。实践上，我刚刚做到了这一点，而ChatGPT不只可以编写代码，而且可以运转它——现在仅支撑Python（尚不支撑R），但好像不可避免的是LLMs将衔接到多个引擎以履行各种剖析使命。

现在让咱们想象一下一个或许激发Greg的模式和查询的课堂练习。教师或许会这样描绘这个使命：

教师：这些是人们可以做的作业：cook，clean。

这些是人：Alice，Bob。

这是他们做过的作业：Alice：cook，clean；Bob：cook。

展示怎么运用一个或多个SQL表对这种情况建模，并以这种格式陈述数据。

PersonName  JobName JobCount
Alice       clean   1
Alice       cook    1
Bob         clean   0
Bob         cook    1

你应该期望ChatGPT编写、运转并迭代一个嵌入SQLite并调用必要的SQL句子的Python脚本。当你得到一个可以陈述上述数据的脚本时，自己运转以进行验证，并包含该脚本。

现在回答这个问题：SQL输出怎么包含这一行？

这不在数据中，它从哪里来？

术语cross join并不在视野中！学生需求查看生成的代码，然后（在LLM的协助下！）解释为什么需求cross join以及它是怎么起作用的。

一些教师现在或许愿意并可以采用这种全新的办法。许多人或许会比及它嵌入在具有保护措施的课程中，以确保学生走上正轨。但无论怎么，教育范畴行将迎来一场巨大的革新。

程序员和作家Ellen Ullman喜欢说程序员依照自己的形象和希望创立体系。咱们是第一批体验到咱们现在都视为天经地义的生活办法的人：异步的、机器介导的、始终在线的。现在咱们将是第一批体验到LLM辅佐教育的人。

关于可以用Python解决的课程练习，教师和学习者生活在一个散布不均匀的未来。通向这种更均匀散布的、实现这种实践操作性学习的路径尚未被明确指引，但我希望教育作业者正在带着头灯和手电筒走在这条道路上。

本文在如此众生（yylives.cc/）首发，欢迎大家拜访。