ИИшка и будущее профессии программиста

В сообществе разработчиков, на зарубежных ресурсах, активно обсуждается страх перед развитием искусственного интеллекта. Существует опасение, что «завтра» технологии заменят специалистов, оставив их без работы. Такое же мнение встречается и на просторах отечественного коммьюнити.

В этой связи, хотелось бы добавить своё, скромное, видение происходящего.

Если не хочется читать всю статью, вот сжатый вариант:

Ну а теперь по порядку.

В Интернете любят делать шум - во имя просмотров и реакций, спасибо и арбитражникам, и "Экспертам". Однако, не смотря на громкие слова, что "всех заменит ИИ" (может в будущем оно так и будет, не знаю), практически никто не говорит о приближенных вещах.

Важно видеть и разделять "скорость" с которой шагает ИИ: скорость исследований в области ИИ и скорость изменения рыночной конъюнктуры. Последнее, к слову говоря, из-за хайпа вокруг ИИ и разных соц. сетей со всеми шортсами, рилсами и т.д., даёт ложное представление о том, что всё меняется черезмерно быстро.

На текущий момент бизнес-среда не готова к мгновенному внедрению ИИ. Для массового перехода требуются:

Полноценное внедрение ИИ — небыстрый процесс, это дает специалистам «окно возможностей», чтобы адаптироваться. Но адаптация не означает изучение новых библиотек — она требует изменения самого подхода к мышлению.

Рынок по-прежнему в первую очередь нуждается в людях, способных анализировать, интегрировать и адаптировать технологии в Реальные бизнес-задачи.

Важно выделить следующие критические проблемы современных больших языковых моделей (LLM):

LLM работают на статистических корреляциях, а не на логике. Они знают, что слово «Б» часто идет после слова «А», но не понимают почему. Это приводит к тому, что модель может выдать идеально структурированный, но абсолютно логически неверный ответ в нестандартной ситуации, где привычные шаблоны не работают.

Если модель совершает критическую ошибку в расчетах или выводах, практически невозможно понять, на каком этапе произошел сбой. Это делает их трудноприменимыми в сферах с высокой ценой ошибки.

Из-за своей архитектуры (предиктивная выдача следующего токена) LLM всегда стремится дать ответ. Если в обучающей выборке не было нужных данных, LLM сгенерирует максимально правдоподобный, но вымышленный факт, сохраняя при этом экспертный тон.

По мере того как интернет заполняется контентом, созданным ИИ, новые модели начинают учиться на данных предыдущих моделей. Это создает «эффект ксерокопии»: мелкие ошибки накапливаются, нюансы стираются, и качество выдачи постепенно падает, превращаясь в цифровой «белый шум». Но пока что, полученный результат, это нечто усреднённое из того на чём обучалась модель.

Кодер, который слепо копирует решения ИИ, встает на путь когнитивной деградации, что ведет к потере навыка анализа и понимания системы. Фраза "Чтобы быть лучшим — нужно учиться у лучших" для ИИ очень актуальна, и если модели будут обучаться на некорректных примерах, то и результат будет соответствующий.

Автоматизация написания кода — это то направление, где ИИ действительно становится сильным и уже показывает хорошие результаты, включая небольшое понимание общих архитектурных концепций на уровне кода (усредненные решения, без рассмотрения нюанса конкретно вашей системы). Следовательно, надеяться на то, что знание "синтаксиса" языка программирования и/или нескольких языков программирования обеспечит вам стабильность — ошибочная стратегия. ИИ в этом критерии может вытеснить специалистов гораздо быстрее, чем в других областях.

Что не изменится в ближайшее время (~5 лет):

Я всегда говорил: "Жизнь инженера ... это буквально, век живи — век учись!". Не стоит бояться, что ИИ станет умнее, сильнее и кого-то заменит. Человек всегда создавал вещи, чтобы, в конечном итоге, упростить себе жизнь.

Стоит менять фокус собственного развития:

Стоит осознать, что требования к профессии меняются. ИИ не заменит программиста, но программист, использующий ИИ и понимающий архитектуру, заменит того, кто просто умеет писать код. Сейчас — лучшее время для тех, кто готов учиться новому и брать на себя ответственность за сложные системы.