Мы вступаем в мир, в котором просто выучиться на кого-то, получить профессию и считать что этого хватит чтобы прожить всю жизнь - мало. Нужно все время учиться и совершенствоваться (особенно в такой быстро меняющейся отрасли как IT) и быть готовым поменять специализацию в любой момент. Быть готовым потратить несколько месяцев (а то и лет) жизни чтобы освоить новую область, потому что она стала актуальной, а та что была раньше - уже не обеспечивает нас конкурентным преимуществом. Это нормально. Конечно, я не призываю к тому чтобы менять все каждые пару лет - такие работники чаще всего ненадежны и слабо знают тему. Но быть готовым учиться новому - это правильно. Фундаментальные знания никуда не делись - все еще надо шарить в математике, аналитике, регистрах и ассемблере, принципах управления сложностью, итд. И тот опыт который вы получаете работая над чем угодно - это ваш актив. Правила игры остались прежними, но конкуренция усилилась - ИИ дал высокую планку отсечки для входа в специальность. Это порождает следующую проблему - постепенно пропадут джуны - и это проблема. Как стать профи, если нет возможности поработать джуном? Мое мнение: появится аналог ординатуры в области IT. Медицинские специальности переживали эту проблему уже раньше и эта отрасль стала очень походить на нашу с вами. Надо не только лет 5 отучиться в институте и делать все лабы, надо еще пару лет на нижних должностях (если разрешат) поработать с мастерами своего дела. Как я понимаю у врачей сейчас так - у нас будет скоро так же. Однако я убежден, что и сейчас если вы с первых курсов начали работать и получать практический опыт, не ленитесь учиться и узнавать новое, работаете честно и пытаетесь разобраться что как устроено - у вас все отлично и все получится. Я таким сотрудникам всегда рад (правда за последние 4 года нанял только одного, но он молодец), и готов таким людям помогать пройти этот не простой путь быстрее и легче, готов делиться опытом и помогать всячески. И я думаю все современные IT компании будут действовать так же - инвестировать свои силы и опыт в новых сотрудников - ростить кадры себе. И этим надо пользоваться.
❤4
Таким образом - да, товарищ блоггер прав - количество рабочих мест в специальностях сократится - халявы не будет - останутся только лучшие. Впрочем жесткая конкуренция была всегда: один из авторов ядра Windows Darryl Havens (Даррил Хэвенс), рассказывал, что когда они писали ядро они работали по 100 часов в неделю и они очевидно выиграли конкуренцию.
Подытожим:
1. Мир изменился и за старый уклад держаться нет смысла.
2. Надо как и раньше выигрывать конкуренцию.
3. Надо уметь пользоваться инструментами (в том числе ИИ) и достигать с их помощью больше.
4. Надо все время учиться и осваивать новые области.
5. Надо не бояться сменить направление деятельности, потому что мир может не раз еще поменяться.
6. Как и раньше надо формировать социальный капитал.
7. Как и раньше надо честно работать и заниматься саморазвитием.
8. Надо стать незаменимым профессионалом.
Закончу словами моего учителя программирования в школе:
"Мы не ищем легких путей!".
Все будет хорошо! Долой уныние!
Хорошего вам дня и отличного настроения!
Подытожим:
1. Мир изменился и за старый уклад держаться нет смысла.
2. Надо как и раньше выигрывать конкуренцию.
3. Надо уметь пользоваться инструментами (в том числе ИИ) и достигать с их помощью больше.
4. Надо все время учиться и осваивать новые области.
5. Надо не бояться сменить направление деятельности, потому что мир может не раз еще поменяться.
6. Как и раньше надо формировать социальный капитал.
7. Как и раньше надо честно работать и заниматься саморазвитием.
8. Надо стать незаменимым профессионалом.
Закончу словами моего учителя программирования в школе:
"Мы не ищем легких путей!".
Все будет хорошо! Долой уныние!
Хорошего вам дня и отличного настроения!
👍19❤7🔥5
Forwarded from Кримсон Дайджест
На инфографике вы, дорогие коллеги, можете увидеть наше светлое будущее. График составлен (через Off The Charts от The Economist) на базе скандального свежего китайского исследования 27 000 школьников (7-12 класс) — «The Generative AI Learning Penalty: Evidence from Chinese Secondary Education».
Суть исследования: школьники, которые не использовали ИИ, составили контрольную группу, а китайские исследователи наблюдали за результатами тех, кто ИИ начал использовать в процессе обучения. Результат: школьники, которые использовали ИИ, стали выполнять домашние задания заметно быстрее (на 30%) и получать за него гораздо более высокие оценки (на 18%), но их результаты на вступительных экзаменах стали заметно хуже (минус 18-24%). Об этом написали ведущие СМИ планеты. Но вашего покорного слугу в этих результатах заинтересовал не этот (кмк, абсолютно самоочевидный чисто из базовых знаний о человеческой психике и природе) вывод, а заинтересовал противоположный («правый») хвост распределения результатов.
Посмотрите: у «пользователей ИИ» количество тех, кто справился с экзаменами очень-очень сильно лучше среднего, не увеличилось, а если брать только «лучше среднего» (без самых топовых результатов), то уменьшилось. Любимый многими тезис о том, что «дурак с ИИ потупеет, но зато умный поумнеет вообще невероятным образом», оказался экспериментально опровергнут на огромной выборке очень мотивированных (это же Китай!) умников (это же Китай!) с хорошей генетикой (это же Китай!) и с максимальным социокультурным давлением в плане достижения высоких академических результатов.
Получается, что ИИ, помимо массового отупения (т.е. любую работу в будущем будут делать быстрее, но хуже), может дать «самым умным» некоторое количество «объёма» (больше продакшена на единицу времени), но не больше качества — но даже это в самом лучшем и топовом случае. Человечество ближайшего будущего будет намного тупее, а потом (ещё и в силу демографических проблем) — намного малочисленнее. Это плохая новость. Хорошая новость — редко в человеческой истории социальные лифты для умных/волевых работали так хорошо — перед нами вероятный цифровой эквивалент Великой Чумы, только вместо того, чтобы выкосить четверть-треть населения, она сделает им перманентный «штраф к когниции» за привычку к ИИ.
Кстати, абсолютно уверен, что в реальности результаты будут хуже, чем в китайском исследовании: вне КНР культура самопринуждения намного менее развитая, плюс это всё-таки были китайские дети 7-12 класса, а что будет с поколениями, которые с ИИ-шками всё решают ещё до обучения чтению и письму (голосом) — страшно себе представить.
P.S.: Ваш покорный слуга продолжает экспериментировать с «должностными инструкциями» для типовых (которые обычно поручаются интернам) задач, используя self-hosted модели ИИ (сейчас на моём Nvidia Spark работают или турбированный и децензурированный Qwen 3.8, или перепиленная Thomson Reuters версия Qwen 3.6 или Gemma 4), заодно сравнивая результаты (у меня есть базовый «бенчмарк-стек» разных аналитических задач) с перформансом топовых западных моделей. Чем дальше, тем сильнее убеждаюсь в том, что «должностная инструкция» (не промпт, именно инструкция — «как сделать, что учитывать, на что обращать внимание») легко и с большим запасом перекрывает (т.е. не компенсирует, а «догнать и перегнать и обогнать на круг») разницу между китайскими «open weight» и американскими фронтир-моделями (для аналитических задач из реального мира, это не про кодинг). При этом пока их работа не дотягивает даже до уровня умного (пускай умно-ленивого) интерна, т.е. сделано старательно, но тупо. Стохастические попугаи думать не умеют, но их можно использовать (при нужной тренировке) как аналог поисковика.
ИИ — это не «цифровой бог», это аналог станка Гутенберга. На длинной дистанции важна не эффективность ротационной машины, расход чернил или красота офсетной печати, а смысл самого текста. Со смыслом у человечества будут сложности. Как с генерацией, так и с восприятием.
Суть исследования: школьники, которые не использовали ИИ, составили контрольную группу, а китайские исследователи наблюдали за результатами тех, кто ИИ начал использовать в процессе обучения. Результат: школьники, которые использовали ИИ, стали выполнять домашние задания заметно быстрее (на 30%) и получать за него гораздо более высокие оценки (на 18%), но их результаты на вступительных экзаменах стали заметно хуже (минус 18-24%). Об этом написали ведущие СМИ планеты. Но вашего покорного слугу в этих результатах заинтересовал не этот (кмк, абсолютно самоочевидный чисто из базовых знаний о человеческой психике и природе) вывод, а заинтересовал противоположный («правый») хвост распределения результатов.
Посмотрите: у «пользователей ИИ» количество тех, кто справился с экзаменами очень-очень сильно лучше среднего, не увеличилось, а если брать только «лучше среднего» (без самых топовых результатов), то уменьшилось. Любимый многими тезис о том, что «дурак с ИИ потупеет, но зато умный поумнеет вообще невероятным образом», оказался экспериментально опровергнут на огромной выборке очень мотивированных (это же Китай!) умников (это же Китай!) с хорошей генетикой (это же Китай!) и с максимальным социокультурным давлением в плане достижения высоких академических результатов.
Получается, что ИИ, помимо массового отупения (т.е. любую работу в будущем будут делать быстрее, но хуже), может дать «самым умным» некоторое количество «объёма» (больше продакшена на единицу времени), но не больше качества — но даже это в самом лучшем и топовом случае. Человечество ближайшего будущего будет намного тупее, а потом (ещё и в силу демографических проблем) — намного малочисленнее. Это плохая новость. Хорошая новость — редко в человеческой истории социальные лифты для умных/волевых работали так хорошо — перед нами вероятный цифровой эквивалент Великой Чумы, только вместо того, чтобы выкосить четверть-треть населения, она сделает им перманентный «штраф к когниции» за привычку к ИИ.
Кстати, абсолютно уверен, что в реальности результаты будут хуже, чем в китайском исследовании: вне КНР культура самопринуждения намного менее развитая, плюс это всё-таки были китайские дети 7-12 класса, а что будет с поколениями, которые с ИИ-шками всё решают ещё до обучения чтению и письму (голосом) — страшно себе представить.
P.S.: Ваш покорный слуга продолжает экспериментировать с «должностными инструкциями» для типовых (которые обычно поручаются интернам) задач, используя self-hosted модели ИИ (сейчас на моём Nvidia Spark работают или турбированный и децензурированный Qwen 3.8, или перепиленная Thomson Reuters версия Qwen 3.6 или Gemma 4), заодно сравнивая результаты (у меня есть базовый «бенчмарк-стек» разных аналитических задач) с перформансом топовых западных моделей. Чем дальше, тем сильнее убеждаюсь в том, что «должностная инструкция» (не промпт, именно инструкция — «как сделать, что учитывать, на что обращать внимание») легко и с большим запасом перекрывает (т.е. не компенсирует, а «догнать и перегнать и обогнать на круг») разницу между китайскими «open weight» и американскими фронтир-моделями (для аналитических задач из реального мира, это не про кодинг). При этом пока их работа не дотягивает даже до уровня умного (пускай умно-ленивого) интерна, т.е. сделано старательно, но тупо. Стохастические попугаи думать не умеют, но их можно использовать (при нужной тренировке) как аналог поисковика.
ИИ — это не «цифровой бог», это аналог станка Гутенберга. На длинной дистанции важна не эффективность ротационной машины, расход чернил или красота офсетной печати, а смысл самого текста. Со смыслом у человечества будут сложности. Как с генерацией, так и с восприятием.
❤3
Всем добрый вечер!
По поводу предыдущего поста с цитатой из Булгакова. Плюс был комментарий к нему.
Это очень сложный вопрос. Свою позицию я много раз озвучивал. На мой взгляд есть два ключевых момента, которые обосновывают эту цитату:
1. Сам по себе институт, или конкретный препод (в том числе и я) - это инструмент для получения знаний. И этот инструмент впихнуть знания в голову студентов не сможет. Задача студента в том чтобы воспользоваться институтом и преподами для того чтобы приобрести знания и навыки. Надо выполнять лабы самостоятельно, задавать вопросы преподу, использовать лаборатории, оборудования, мероприятия итд.
2. В нашей конкретной специализации (IT, программирование), знаний которые даются в институте за 4-5-6 лет не хватит чтобы стать спецом. Такая уж действительность. Поэтому надо дополнительно устраиваться на работу, самостоятельно что-то добирать по знаниям итд.
Я про это все уже писал.
Тут такая же аналогия как скажем с игрой на гитаре - можно сколько угодно читать про гитару, изучать ноты, и смотреть видосы, но пока ты сам лично руками не попробуешь, много раз ошибаясь, бренчать пальцами по струнам - ты не научишься играть на гитаре. Надо приложить усилия самому. Хотя и видео уроки и книги про гитару и ноты - все нужно и полезно.
Всем доброй ночи и приятных снов!
По поводу предыдущего поста с цитатой из Булгакова. Плюс был комментарий к нему.
Это очень сложный вопрос. Свою позицию я много раз озвучивал. На мой взгляд есть два ключевых момента, которые обосновывают эту цитату:
1. Сам по себе институт, или конкретный препод (в том числе и я) - это инструмент для получения знаний. И этот инструмент впихнуть знания в голову студентов не сможет. Задача студента в том чтобы воспользоваться институтом и преподами для того чтобы приобрести знания и навыки. Надо выполнять лабы самостоятельно, задавать вопросы преподу, использовать лаборатории, оборудования, мероприятия итд.
2. В нашей конкретной специализации (IT, программирование), знаний которые даются в институте за 4-5-6 лет не хватит чтобы стать спецом. Такая уж действительность. Поэтому надо дополнительно устраиваться на работу, самостоятельно что-то добирать по знаниям итд.
Я про это все уже писал.
Тут такая же аналогия как скажем с игрой на гитаре - можно сколько угодно читать про гитару, изучать ноты, и смотреть видосы, но пока ты сам лично руками не попробуешь, много раз ошибаясь, бренчать пальцами по струнам - ты не научишься играть на гитаре. Надо приложить усилия самому. Хотя и видео уроки и книги про гитару и ноты - все нужно и полезно.
Всем доброй ночи и приятных снов!
❤6
Всем рекомендую почитать дискуссию в комментариях от предыдущего поста. Очень хорошие вопросы и тему товарищ поднял и я высказал свое мнение.
🔥5