Программист с 25-летним стажем про AI: «Каждый уволенный программист — это бюджет на несколько новых GPU»
Знаете сайт informatykzakladowy.pl? Его ведёт Томаш Зелиньски, программист с 25-летним стажем, который развивал финансовые системы для NBP, создавал и верифицировал защиту банковских мобильных приложений, а также работал над поисковой системой Microsoft Bing, пишет канал DzikPic.
Знаете сайт informatykzakladowy.pl? Его ведёт Томаш Зелиньски, программист с 25-летним стажем, который развивал финансовые системы для NBP, создавал и верифицировал защиту банковских мобильных приложений, а также работал над поисковой системой Microsoft Bing, пишет канал DzikPic.
Недавно он написал у себя в твиттере, что в январе этого года перестал скептично относиться к AI: «Я ещё не до конца в этом разобрался, но профессия программиста изменится больше, чем я думал год назад».
Wyborcza сделала с ним по этому поводу интервью (вы можете послушать подкаст по ссылке).
Вот что сказал пан Зелиньски:
Поначалу программист смотрел на чат-боты с позиции скептика. Но после того, как сам проверил возможности очередных версий LLM-, пришёл к выводу, что «спустя несколько лет развития эти инструменты стали достаточно хорошими, чтобы иногда ускорять работу человека, а порой повышать её качество».
Например, если несколько лет назад AI мог написать всего пару строчек кода, то сегодня LLM могут сгенерировать по запросу план работы, а затем реализовать его пункт за пунктом. Но, конечно, результат ещё нестабилен.
Пан Зелиньски и сам пользуется AI, так как работает в DeepL. По его словам, в компании нет запрета на использование кода, написанного AI. Наоборот, «сотрудников поощряют к экспериментам со всем, что появляется на рынке». Хоть это и не значит, что они сразу используют тестируемые инструменты в своём коде.
При этом программист подчёркивает: сегодняшние LLM не будут одинаково полезны во всем. Да, они помогают генерировать прототипы для внутренних тестов и экспериментов («AI позволяет сократить работу с недель до дней»). Но нужно понимать, что LLM обучаются на большом количестве уже существующего исходного кода, поэтому чаще всего будут предлагать код с архитектурой, похожей на образцы. Если же вы создаёте уникальный проект, то LLM будет скорее мешать, чем помогать.
Вместе с тем создание нового кода — не единственное возможное применение AI в отрасли ПО. Часто LLM помогает в понимании структуры существующих исходных файлов или поисках информации по внутренней базе.
Для того же вайб-кодинга нужно хотя бы понимать, что ты делаешь: «Если ты не имеешь понятия о программировании, ты не способен оценить безопасность такого решения, твой LLM, впрочем, тоже нет. Рискуешь ты осознанно, а вот твои пользователи рискуют уже неосознанно».
Что насчёт массовых увольнений в бигтехе из-за ИИ? По мнению пана Зельвинскего, это «прекрасная отговорка» — кто знает, почему на самом деле провели лейоффы. С другой стороны, «каждый уволенный программист — это бюджет на несколько новых GPU». А в современном капитализме показатели должны расти каждый квартал, иронизирует он.
Самая большая проблема LLM — что в отличие от джуна модель не способна запомнить свою ошибку и научиться: «Когда процесс их обучения завершён, усвоенные знания и возможности „замораживаются“». И хотя сейчас существует несколько путей обхода этого ограничения, ни один из них пока не является эффективным.
«LLM умеют очень быстро создавать новый код, но значительно менее эффективны в его модификации и поддержке. Компании, предоставляющие услуги AI, фиксируют гигантские убытки, а каждый новый клиент ухудшает их финансовый результат. Возможно, через полгода или год источники финансирования иссякнут, а OpenAI и Anthropic попросту обанкротятся?».
«В радиусе 100 км ни души, это мне очень подходит». Как сисадмин работает на польской полярной станции
В блоге theprotocol.it вышло интервью с программистом на польской полярной станции Hornsund Лукашем Куцем. Канал DzikPic пересказывает, как выглядит работа айтишника на севере.
Релоцировались? Теперь вы можете комментировать без верификации аккаунта.
Не стоит всерьез воспринимать человека который опаздывает с выводами на год