Как воспитывать чужой интеллект
Есть простой прием, который помогает и людям, и ИИ быстро учиться на ошибках. По сути, это маленькое ядро ускоренной эволюции.
Прием удивительно прост:
когда у вашего сотрудника или Опуса с Чатом что-то пошло не так или результат оказался хуже ожиданий, обсуждайте не саму ошибку, а принцип, который позволяет ее увидеть.
Прием настолько универсальный, что я не раз применял его и к себе, и к сотрудникам, и к ИИ. Он стоит того, чтобы отвергнуть сотни курсов вайбкодинга ради одного этого приема (повторенного десять тысяч раз, как завещал Брюс Ли). Почему?
Если просто указать на ошибку, ИИ или сотрудник ее исправят. И через пять минут могут снова накосячить, если ничему не научились. Даже если сказать «исправь все похожие ошибки», он найдет что-то почти идентичное, но не поймет, почему это плохо.
Так можно работать, пока у вас два-три неопытных сотрудника или ИИ-агента. Но если вы хотите масштабироваться, придется перестать быть для них нянькой и освободить время, которое уходит на поиск ошибок и проверки.
Совсем другой результат получается, когда вначале вы объясняете, какой момент сделан плохо — логика, дизайн, текст, что угодно, а потом говорите, что ждали чуть другого. В простом случае можно описать ожидания, в более сложном — дать возможность подумать и догадаться. И попросить сформулировать принцип, как надо смотреть на задачу, чтобы сотрудник или ИИ мог дальше принимать решения, как вы сами.
Например, при верстке pdf с оглавлением ИИ расположил список авторов каждого раздела на большом расстоянии от названия главы. В итоге мы сформулировали принцип, что расстояние между частями страницы — это не только дизайн, оно показывает смысловую связь. Чем ближе по смыслу элементы, тем теснее они должны располагаться. Как картинка и подпись, цитата и ее автор.
Обязательно прочтите, как принцип сформулирован. Иногда он хорош с первого раза. Чаще получается слишком узким или обобщающим, а то и вовсе про другое. Тогда дискуссия продолжается, пока формулировка не станет отражать ваше восприятие задачи.
И потом задаете коронный вопрос:
что ты сделаешь, чтобы этот принцип применялся всюду, где это уместно?
И всё это не гарантирует, что в нужный момент он вспомнит про принцип. Если хотите, чтобы принцип работал, его надо встроить в код. Чтобы каждый цикл решения задачи заканчивался запуском валидатора, который проверяет, применим ли принцип к этой задаче и был ли он соблюден, и пишет проверяемый отчет. Это не гарантия, но так надежней. Иначе принцип будут знать, но игнорировать.
Если у ИИ применение принципа встраивается в программу, то что делать с сотрудником? Если ваша задача в области, которая мало меняется и цена ошибки велика, то это чеклисты. В остальных случаях лучше положиться на естественный интеллект человека. Если он готов думать и развиваться, он сам придумает способ, как не повторять ошибки.
В нескольких проектах я пошел дальше и научил ИИ, как самому формулировать новые принципы — еще до того, как я укажу ему на ошибку. Научил делать перенос принципов из одной области в другую. И понимать, когда одного описанного приема недостаточно для развития системы и нужно добавлять в нее сложность. Но начать стоит с описанного простого приема.
И еще приятный бонус. Если прием применять регулярно, у вас появится список ваших принципов. Этакое описание нейросети в вашей голове. С нуля сделать его очень сложно, мало кто может сходу системно и точно описать, чем хорошее отличается от плохого. А постепенно накапливая опыт в точках разрыва и непонимания с чужим интеллектом, вы избежите пересказа банальностей и опишете именно свою картину мира.
Так можно передать другим не только накопленный опыт, но и ваш способ думать.