Молчаливый мозговой штурм (silent brainstorm)

Будущее разработки в эпоху ИИ
Хочется подытожить и приземлить заявленную тематику.
Собственно вот, 11 декабрьских тезисов.

1. Декларативное программирование. Разработка станет диалогом с ИИ, где вместо пошаговых инструкций (императивный подход) мы будем описывать желаемый конечный результат (декларативный подход), полагаясь на способность машины самой найти способ реализации. Вся история IT - это повышение уровня абстракции. ИИ - это просто следующий, очень большой шаг в этом направлении.

2. Укрупнение абстракций. Эволюция разработки продолжается в сторону оперирования всё более крупными блоками: от простых функций мы перешли к облачным сервисам, а теперь переходим к высокоуровневым ИИ-инструкциям, где «код» становится лишь скрытой деталью реализации.

3. Агентоцентричный дизайн (M2M Economy). Интерфейсы будущего перестанут ориентироваться исключительно на человека; возникнет необходимость проектировать системы для взаимодействия машин с машинами (Machine-to-Machine). Сайты и API будут оптимизироваться не под визуальное восприятие (GUI), а под способность автономных ИИ-агентов считывать структуру данных, договариваться и совершать транзакции без участия людей. Это создаст новую экономику, где агенты станут главными потребителями цифровых услуг.

4. Переход к вероятностному ПО. Традиционная жесткая логика (if-else) уступает место недетерминированным ответам нейросетей, где один и тот же запрос может давать разный результат. Понятие «бага» в генеративной части размывается, а инженерия смещается от поиска идеальной точности к управлению рисками. Приложениям придется стать «гибкими», внедряя механизмы самопроверки и самовосстановления (self-healing), чтобы корректно обрабатывать неточности ИИ, не ломая общий процесс. Внедрение недетерминированных нейросетей требует создания мощнейших слоев валидации («Guardrails»). Архитектура теперь должна строиться по принципу "Zero Trust" не только к пользователю, но и к собственным компонентам.

5. Эволюция качества (Eval-Driven Development). Это новый TDD (Test-Driven Development). Разработка ИИ-приложений потребует смены парадигмы контроля качества: от ручного тестирования и «ощущений» (Vibe Check) к инженерному подходу на основе метрик (Evals). Поскольку нейросети недетерминированы, каждое изменение промпта может улучшить одно, но сломать другое. Разработчикам придется строить пайплайны, где LLM-судьи автоматически оценивают ответы других моделей, превращая тестирование из рутины в фундамент надежности продукта.

6. Code Review как основной навык. Процесс написания кода уступит место его рецензированию (Code Review), где главная задача разработчика - проверять, корректировать и направлять сгенерированные ИИ решения, адаптируя их под стиль и стандарты команды. Навык чтения кода становится важнее навыка быстрой печати. Но ревьюить код сложнее, чем писать. Если ИИ нагенерировал 1000 строк кода за минуту, сеньор потратит час на то, чтобы понять, нет ли там скрытой уязвимости. Потребуется ответ на вопрос, как с этим быть.

7. Трансформация роли фреймворков. С одной стороны, разработчики перестанут зависеть от библиотек и фреймворков, так как ИИ способен писать нативный, высокопроизводительный код без лишних абстракций. С другой стороны, ИИ будет учиться и генерить код именно вокруг популярных фреймворков. Т.к. архитектурная предсказуемость и стандартность выгодны бизнесу, поддержке и самим ИИ-инструментам. Роль фреймворков сместится с «упрощения написания кода» на «обеспечение безопасности и архитектурных стандартов». Они станут невидимым каркасом, внутри которого генерируют код агенты, гарантируя, что творчество ИИ останется в рамках корпоративных стандартов.
#aiassisteddev@longlivetale #vibecoding@longlivetale

👇

👆

8. Языки программирования и читаемость кода. Популярные языки вроде Python и JavaScript, вероятно, укрепят свое доминирование, поскольку ИИ обучен и качественнее всего генерирует код именно на них. При этом сама структура кода может измениться: поскольку его написанием все чаще занимаются нейросети, необходимость делать его понятным для человеческих глаз отходит на второй план. Код может стать сложным и запутанным для человека, но эффективным для машины, превращаясь в своего рода «черный ящик». В результате разработчики, вероятно, перестанут читать исходники напрямую, полагаясь на управление через ИИ-агентов и проверку работы системы тестами. С другой стороны, в критичных и долгоживущих системах читаемость будет обязательным регулятивным и экономическим требованием.

9. Вайб-кодинг создаст потребность в «Чистильщиках». Появится новый класс задач и профессий, связанных с «разгребанием» и стабилизацией хаотичного кода, быстро сгенерированного непрофессионалами или ИИ-агентами, чтобы превратить рабочие прототипы в надежный продакшн. Это описывает реальную проблему "Shadow IT" нового поколения: кода много, он работает, но никто не знает как. Спрос на "ремонтников" будет огромным. И в некоторых случаях нам придется переписывать эти «вайбовые» решения, чтобы они выдерживали нагрузку и были безопасными.

10. Кризис Junior-разработчиков и трансформация обучения. Рынок труда снизит спрос на новичков, умеющих только механически писать код по техзаданию - эту роль забирает ИИ. Входной порог смещается: теперь от джуниора требуется не просто знание синтаксиса, а системное мышление. Успешными станут те, кто развивается как T-shaped специалисты: понимает фундаментальные основы работы ПО (чтобы валидировать решения ИИ), но при этом сразу учится проектировать архитектуру и оркестрировать работу AI-инструментов, минуя стадию рутинного написания шаблонного кода. Пока без ответа остается вопрос "Если ИИ заберет рутину, как мы будем растить экспертов?" Индустрии придется перепридумать систему менторства и обучения, иначе через 5–10 лет некому будет валидировать сложные решения ИИ.

11. Человеческий фактор как премиум. Несмотря на автоматизацию, ценность человеческого труда, экспертизы и живого участия не исчезнет, а перейдет в разряд премиальных услуг, так как люди по-прежнему будут доверять важные решения и обучение только другим людям.

#aiassisteddev@longlivetale #vibecoding@longlivetale

Наконец-то!
Китайский инженер создал самонаводящуюся мусорную корзину, которая самостоятельно перемещается, чтобы поймать все, что вы в нее бросите. Используя датчики движения и искусственный интеллект, корзина определяет траекторию движения объекта и идеально позиционируется, чтобы ничего не пролетело мимо.

Наверное, не всем из вас знаком мужчина по имени Демис Хассабис (Demis Hassabis). Меж тем, это основатель и текущий руководитель Google Deepmind - подразделения Гугл, которое занимается исследованиями и разработками в сфере ИИ. Несмотря на нашумевший OpenAI со своим ChatGPT, Google Deepmind - это одна из мощнейших лабораторий по ИИ в мире.

Демис Хассабис защитил докторскую диссертацию по когнитивной нейробиологии. В 2024 году он получил нобелевскую премию по химии: за создание модели ИИ AlphaFold, которая решила проблему предсказания трехмерной структуры белков.

Недавно наткнулся на короткое интервью, которое всячески рекомендую к просмотру.
What's next for AI at DeepMind, Google's artificial intelligence lab

Из интересного:

- Работаете ли вы сегодня над системой, которая обладала бы самосознанием?
- Я не думаю, что какая-либо из современных систем, обладает самосознанием или, знаете ли, осознанностью в каком-либо смысле. Очевидно, что каждый должен принимать свои собственные решения, взаимодействуя с этими чат-ботами. Но я думаю, что теоретически это возможно.
- Но является ли самосознание вашей целью?
- Не явно, но это может происходить неявно (Not explicitly but it may happen implicitly). Эти системы могут обрести некоторое чувство самосознания. Это возможно. Я думаю, что для этих систем важно понимать себя и других, и это, вероятно, начало чего-то вроде самосознания.

Также он говорит, что если машина обретет самосознание, мы можем этого просто не заметить.

- Я думаю, есть две причины, по которым мы считаем друг друга разумными. Первая заключается в том, что вы демонстрируете поведение сознательного существа, очень похожее на мое поведение. Но, во-вторых, вы работаете на одной и той же "подложке". Мы с нашими мягкими мозгами сделаны из одного и того же углеродного материала.
- Теперь, когда речь идет о машинах, очевидно, что они работают на кремнии. Таким образом, даже если они демонстрируют одинаковое поведение и даже если они говорят одни и те же вещи, это не обязательно означает, что у нас будет такое же ощущение осознанности, как и у них.

И последнее, про воображение и способность мыслить вне заданных границ.

- У них нет любопытства, и им, вероятно, немного не хватает того, что мы бы назвали воображением и интуицией. Думаю, что в ближайшие 5–10 лет у нас появятся системы, способные не только решать важные научные задачи или доказывать гипотезы, но и самостоятельно их формулировать.

Ну и чтобы 2 раза не вставать, можно также посмотреть
The Thinking Game
Вышедшая недавно полнометражная документалка “The Thinking Game”, которая уже набрала более 230 млн просмотров. Съемки фильма заняли пять лет. Режиссер ставил задачу показать изнутри жизнь топовой ИИ-лаборатории Google DeepMind, разрабатывающей ИИ для научных задач и решения глобальных проблем. И мечтающей достичь AGI.

PS. Напомню, что Яндекс-браузер ловко дублирует любые видео, если в оригинале тяжеловато.

Плюс один способ использовать книжку. И не прочитал вроде, но мудрость почерпнул.
Ловко!

Кстати, классная техника "Я-высказывание" для того, чтобы давать конструктивную обратную связь. Не все владеют, к сожалению.

Вместо: «Ты вечно опаздываешь! Тебе на меня наплевать. Ты ведешь себя как эгоист».
Сказать: «Мы договаривались встретиться в 19:00, а сейчас 19:40. Я прождала 40 минут одна и замерзла. Мне неприятно и обидно. Пожалуйста, предупреждай меня заранее, если задерживаешься».

Три главных принципа:
1. Опора на факты (как видеокамера). Говоришь только о том, что можно увидеть или услышать.
2. Конкретика. Говоришь о конкретном случае, а не обобщаешь словами «всегда», «никогда», «вечно».
3. Я-сообщения. Говоришь о своих чувствах или последствиях для дела, а не о том, какой этот человек.
4. Добавляешь просьбу или пожелание.

Схема высказывания:
Факты + Последствия + Просьба

Почему важно уметь этим пользоваться? Ты даёшь человеку «зеркало», чтобы он увидел свои действия со стороны, но при этом не почувствовал необходимости защищаться или нападать в ответ. Но для этого, конечно, нужно иметь терпение и уметь слушать.

Работает не только в личной коммуникации, но и в рабочей. Правда для обратной связи в рабочих ситуациях «золотым стандартом» является несколько иной формат:
Ситуация-Поведение-Влияние (Situation-Behavior-Impact)

Ситуация: «Антон, сегодня утром, когда я презентовал стратегию отделу...»
Поведение: «...ты несколько раз смотрел в телефон и улыбался, глядя в экран...»
Влияние: «...меня это сбивало, мне казалось, что материал тебе не интересен, и я терял уверенность в выступлении».

И вот тут, к слову, всякие ИИ-помощники могут быть очень кстати для того, чтобы на них потренироваться давать обратную связь в технике "Я-высказывание" или "Ситуация-Поведение-Влияние".
Просишь накидывать тебе кейсы, даёшь на них формулировки. Далее просишь дать анализ и варианты для улучшения. Несколько дней по 10 минут упражнений и ты становишься мастером нетоксичной конструктивной обратной связи.

А в следующих сериях.
Как отвечать на токсичность:
Что делать, если Антон в ответ на твоё высказывание плюнул тебе в лицо.
Что отвечать, если начальник орет: «Ты идиот!», чтобы перевести это в конструктив.

#психология@longlivetale

К предыдущему посту.
Девочки, да? Или наглая ложь?
Не могу разобраться (

Да?

Совет сегодняшнего дня:
подойди к зеркалу, посмотри на себя. Убедись, что ты шикарен/шикарна. Иди дальше.

Кстати,
На этой неделе провёл научно-методический семинар "Векторы развития преподавания фундаментальных дисциплин в эпоху ИИ". Кодовое краткое название "Математика в эпоху ИИ".

Обсуждали 2 большие и важные темы:
1. Обозначить текущие вызовы и сформулировать гипотезы изменений: как интегрировать современные технологии в преподавание предметных областей и фундаментальных дисциплин
2. Провести брейншторм непосредственно по дисциплине “Основы комбинаторики и теории чисел” и предложить конкретные направления изменений и первые прикладные шаги для внедрения в учебный процесс.

В составе - уважаемые участники из ФПМИ (Физтех-школа прикладной математики и информатики) и ИИИ (Институт искусственного интеллекта): А.М. Райгородский, Ю. В. Визильтер, К. В. Воронцов, А. Н. Безносиков, А. И. Панов, Д.Г. Ильинский, Н.П. Тучкова, А.П. Халов. Широко известные люди в узких кругах, как говорится.

И вот как думаете, что является наиболее сложным при организации и проведении такого рода мероприятий? 🙂

Перед тем как открыть ответ, на секундочку задумайтесь
Ответ:
1. Собрать всех уважаемых людей в одной временной точке. Т.к. все они безумно занятые люди с забитым графиком. Да ещё и внезапно приходящими приглашениями для участия в иных конкурирующих мероприятиях.
2. Уложиться в тайминг. Т.к. всем есть что сказать, у всех очень глубокое и важное видение в контексте обсуждаемых вопросов, все могут много интересно говорить на тему своей экспертизы.

Но звёзды были на нашей стороне и мы таки этот семинар провели. Результатом стала дорожная карта проекта "Трансформация курса ОКТЧ с использованием ИИ" в качестве пилота для выработки методологии того, как учить высшей математике в целом.

Если понизить градус пафоса, то проблема вполне понятная. Академическое (университетское) сообщество и Физтех в первых рядах, крепко задумывается над тем как сейчас в эпоху генеративных ИИ учить студентов и людей в широком смысле (у всех Вузов есть ДПО).
Очевидно, что студенты пользуются ИИ для выполнения домашек и всего прочего. Да и преподаватели используют ИИ. Все используют ИИ. Неочевидно (пока) какова новая роль преподавателя и как этим всем управлять в рамках учебного процесса. Но скоро мы все вместе сориентируемся и начнём жить наши лучшие жизни 🧘‍♀️🧘🏻

Моя скромная мысль, которую я всегда озвучиваю - это "AI-first" в образовании. Надо легитимизировать использование ИИ. Но очевидно, что с получением возможностей, ты получаешь ответственность. Должны быть чёткие правила, твой способ обучения изменится, и подходы к проверке тебя (как студента) будут иные.

PS. Впервые я применил AI-first в прошлом году, когда придумал задание Vibe Product Dev (Вайб Продакт Дев). Получилось классно. Писал об этом здесь

PPS. А ещё я изобрёл интесивы в духе AI-first для инженерных команд и уже некоторое время успешно их провожу. Подробнее об этом на моём сайте

Такие дела

Мысли выходного дня:
У меня есть правило: каждый день я трачу на изучение английского ровно один час. Если пропускаю — на следующий день прибавляется ещё один час занятий. В течение сегодняшнего дня, кстати, я буду изучать английский три месяца.

Кстати, кажется самое время напомнить классный лайфхак по использованию Телеграма. Очень выручает

Джуны на выход?
Любопытное пишет мужчина из строительного бизнеса про кризис профессии архитектурная визуализация (3d-визуализация).

"Раньше 3d-шники были жирные коты, которые имели очередь из клиентов и зарабатывали огромные деньги. Теперь это профессия, которая по данным аналитиков - номер один в мире!!!! по темпам падения вакансий."

Но произошла интересная вещь. Из-за ИИ у всех в мире поднялась планка и требования к картинкам. Теперь схематичные убогие картинки не устраивают заказчика. Всем теперь в базе подавай фотореалистичные изображения.

И что вы думаете? Спрос на арт-директоров и на AI-визуализаторов вырос. Теперь нужны люди по управлению этими ИИ. Люди, которые понимают в сценах, освещенности и еще десятках параметров картинок и ставят правильную задачу и быстро выдают картинки.

Вывод: джуны - на выход. Люди с опытом, вовлеченностью, хорошим художественным чутьем становятся востребованы, у них снижаются издержки на производство и потенциальный доход даже вырастет.

Такие дела.