Стремительное развитие нейросетей обводит существующую уже давно проблему — избалованность пользователя.
Нас окружает множество крутых и невероятно проработанных программ — та же инста, чатГПТ, телеграм, ноушон и прочие. Они приучают нас к интуитивному интерфейсу, множеству возможностей, красивому визуалу и моментальной скорости отклика. Любой, кто хочет вывести новый IT-продукт на рынок, вынужден соответствовать этому уровню или быть забытым.
Достаточно ли одного качества продукта для хорошего результата? Здесь приходит разочарование номер два — темп жизни. Рынок требует быстрых достижений: cms позволяют сделать сайт за 10 минут, а fastapi создаёт документацию для ваших api-методов за долю секунды. Улицы полнятся рекламой — сделаем вам приложение за неделю под ключ!
Теперь представьте: вы приходите к клиенту и называете ему срок разработки программы, скажем, в 12 месяцев и ещё полгода на доработку функционала и тестирование. Готов ли он будет ждать так долго?
Зачем нам вообще нейросети?
Сегодняшний день даёт решение — собирать программы из кирпичиков. Есть готовые библиотеки и фреймворки, которые можно комбинировать между собой и получать функционал в мгновение ока. Добавьте в эту смесь приличную долю нейросетей — они напишут недостающий код, протестируют, сделают дизайн и запустят самую эффективную рекламу. Человеку остаётся малое — дописывать функции в те самые библиотеки… Вот только и это уже тоже делают нейросети.
В таких условиях менять сферу работы на IT кажется безумием — машины вот-вот вытеснят всех остальных, причём как исполнителей, так и клиентов!
Конечно, реальность выглядит сложнее — и профессионалы IT не спешат никуда уходить. Для нас работы стало только больше и востребованность продолжает расти. Хотя надпись «искусственный интеллект» лепят налево и направо, в действительности эти системы ещё очень далеки от устранения рабочих мест разработчиков и тестировщиков. А уж DevOps-инженерам и системным администраторам дышится спокойно как никогда.
Есть две главных причины, почему сгенерированный машиной код не отнимает наши рабочие места.
Причина первая
Способности анализа у машин очень низкие и существующие технологии не позволяют решить эту фундаментальную проблему. На самом деле разработчики используют подобные технологии уже лет 15-20 как — с тем же успехом, что и сегодня. Любая достаточно нетривиальная задача решается компьютерным мозгом с множеством логических ошибок в коде и — что особенно критично в современном мире — уязвимостями в безопасности программы.
Причина вторая
Едва ли не более критичная ситуация возникает с обоснованием ответа. У нас шутили, что у каждой строчки кода должны быть имя и фамилия. Мало принять решение — его требуется мотивировать и объяснить.
Самая сложная задача, с которой я сталкивался, заключалась в автоматизации расхождения судов. Правила расхождения прописаны в международных документах в явном виде, поэтому научить судно отворачивать влево или вправо в зависимости от положения встречного судна кажется несложным предприятием. На деле можно без труда составить десяток ситуаций, в которые можно попасть и из которых нельзя будет выйти при строгом следовании всем правилам — одними придётся пренебречь в пользу других. К тому же сами правила сформулированы в стиле «готовить до готовности», сухие алгоритмы машин такое не любят.
Капитаны кораблей обладают высочайшими квалификациями и в случае ошибки могут подробно изложить логику принятых решений. Современные программные решения позволяют либо выдавать мотивированные решения, которые могут быть оценены на корректность и оправданность, либо получать решения из закрытого ящика с неизвестным содержимым, но позволяющим реализовывать такие не формализуемые системы. Пока мы не научимся получать и то, и другое, заменить человека в полной мере не удастся.
Есть нюанс
Есть ещё одна особенность, о которой не могу не сказать. Чтобы натренировать подобный искусственный интеллект, требуется невероятное количество данных. Это очень дорого и непросто организационно. Поэтому быстро все приходят к одной мысли — взять то, что можно найти в интернете. Огромное количество картинок, видео, исходных кодов всего от прошивок чайника до серверных операционных систем… И это бесплатно! Гиганту вроде Гугл пришлось бы продать очень много почек за то, что они получили за сущие копейки благодаря наглости и свободному интернету. Эти вещи хорошо регулируются: есть законы о добросовестной конкуренции и международное авторское право, не позволяющее злоупотреблять интернет-выгрузками. За примером ходить далеко не нужно — та же Майкрософт использовала открытый код, в том числе и написанный вашим покорным слугой, для обучения своего кодогенератора вопреки явному запрету лицензионного соглашения. Я не сомневаюсь, что этот маятник вернётся в виде сокрушающих судебных исков для всех, кто нарушил таким образом законы, и конечно это скажется на индустрии и темпах развития подобных систем.
Заключение
Уже точно можно сказать, что нейросети не перестанут развиваться и что они плотно войдут в нашу жизнь. А мы привыкнем к ним и адаптируемся — продолжая при этом ходить на работу и заниматься любимым делом. Причём статистика занятости показывает, что адаптация к этой новинке рын
ка происходит даже быстрее, чем к другим подобным открытиям прошлого, которым тоже пророчили оставить человека не у дел. В конце концов, искусственный интеллект — это не новый маэстро, а очередной инструмент, коих у любого профессионала в избытке.
Друзья, обязательно подпишитесь на мой канал, оставляйте комментарии и делитесь своим мнением. Расскажите, что из мира IT хотели бы узнать. А также заходите на мой сайт https://helloIT.world/ — там вас ждут интересные курсы и бесплатные вебинары.