В изд. Питер в этом году вышла книга «Сам себе тестировщик», пошаговое руководство по тестированию ПО
Автор: Чхави Радж Досадж
Досаджно, но это бесполезная для завершающих и неприятная для начинающих книга. Намешано в кучу всë сразу, как набор слайдов. Упомянуто (набросано) вообще всë, что касается тестирования ПО, и вроде бы ничего не упущено. В целом читается как «Улисс» Джойса — в каждом моменте кажется, что вот-вот еще немного, еще чуток и всë станет понятно. Но не станет. Постоянно распознаешь что-то знакомое, но объяснения-толкования не появляются, и всë уходит за следующим перелистыванием страницы.
Радуемся за автора, бо книгу он себе для себя сделал.
Сочувствуем тем, кто ее будет читать из интереса.
Жалеем переводчиков.
Автор: Чхави Радж Досадж
Досаджно, но это бесполезная для завершающих и неприятная для начинающих книга. Намешано в кучу всë сразу, как набор слайдов. Упомянуто (набросано) вообще всë, что касается тестирования ПО, и вроде бы ничего не упущено. В целом читается как «Улисс» Джойса — в каждом моменте кажется, что вот-вот еще немного, еще чуток и всë станет понятно. Но не станет. Постоянно распознаешь что-то знакомое, но объяснения-толкования не появляются, и всë уходит за следующим перелистыванием страницы.
Радуемся за автора, бо книгу он себе для себя сделал.
Сочувствуем тем, кто ее будет читать из интереса.
Жалеем переводчиков.
🤣7❤1
Любая система «туду» хороша, если список дел постоянно перед глазами.
Придумал простой способ добавить себе напоминалки о чём-то, что нужно сделать, глядя в консоль — прямо в консоль.
Придумал простой способ добавить себе напоминалки о чём-то, что нужно сделать, глядя в консоль — прямо в консоль.
Forwarded from Cunev / Official (Veaceslav Cunev)
[КАК ИИ УБИВАЕТ ПОНЯТИЕ КАРЬЕРНОЙ ЛЕСНИЦЫ]
Попался вот этот график по рынку США, который показывает, что количество вакансий начального уровня стремительно падает (синяя линия). Если в середине 2022 года количество вакансий начального уровне и других (зеленая линия), было одинаково, то за последующие два года их стало меньше на треть.
Причина - генеративный ИИ, который отлично подходит для выполнения многих задач начального уровня.
Т.е. нет смысла нанимать молодого сотрудника для выполнения простых задач, если их можно переложить на ИИ и с этими задачами отлично справится сотрудник более высокого уровня, который уже у вас работает.
Это означает, что рушится базовая логика профессионального роста в сфере «белых воротничков». Особенно остро эта проблема встаёт в юриспруденции, консалтинге, финансах, где исторически младшие сотрудники делали черновую работу вроде базовых исследований и подготовки отчётов.
Я вчера с помощью двух инструментов, GPT Researcher и Gemeni Deep Research, сделал два исследования, на интересующую меня тему, которые раньше заняли бы у меня недели. Сегодня я потратил полдня, которые включали в себя знакомство с этими продуктами, долгую установку одного из них на комп и, собственно, поиск информации. На сам поиск плюс формулирование запросов ушло меньше часа. Это фантастика!
И что делать молодым «белым воротничкам» - я не знаю. Раньше ситуация была, в целом, справедливая: ты как молодой и неопытный, выполняешь рутинные задачи, параллельно набираясь опыта у старших коллег. Теперь же бОльшую часть этой рутины съедает ИИ, старшим коллегам нет смысла вам делегировать эти задачи, ИИ их гарантированно делает лучше, быстрее и качественнее.
С другой стороны, новички могут, с помощью ИИ, быстрее обучиться, но все равно – как получить опыт реальных проектов и задач, без которых профессионал – не профессионал.
Ясно одно – профессиональную карьеру нужно строить кардинально иначе. Как – это вопрос дискуссий. У меня есть свой взгляд на этот вопрос, но пока это лишь гипотезы. Ну а классическое образование точно ожидает жесточайший кризис – учиться, не имея даже минимальных шансов после этого трудоустроиться, весьма спорное времяпровождение.
Чем раньше мы начнём об этом думать и к этому готовиться — тем лучше.
Попался вот этот график по рынку США, который показывает, что количество вакансий начального уровня стремительно падает (синяя линия). Если в середине 2022 года количество вакансий начального уровне и других (зеленая линия), было одинаково, то за последующие два года их стало меньше на треть.
Причина - генеративный ИИ, который отлично подходит для выполнения многих задач начального уровня.
Т.е. нет смысла нанимать молодого сотрудника для выполнения простых задач, если их можно переложить на ИИ и с этими задачами отлично справится сотрудник более высокого уровня, который уже у вас работает.
Это означает, что рушится базовая логика профессионального роста в сфере «белых воротничков». Особенно остро эта проблема встаёт в юриспруденции, консалтинге, финансах, где исторически младшие сотрудники делали черновую работу вроде базовых исследований и подготовки отчётов.
Я вчера с помощью двух инструментов, GPT Researcher и Gemeni Deep Research, сделал два исследования, на интересующую меня тему, которые раньше заняли бы у меня недели. Сегодня я потратил полдня, которые включали в себя знакомство с этими продуктами, долгую установку одного из них на комп и, собственно, поиск информации. На сам поиск плюс формулирование запросов ушло меньше часа. Это фантастика!
И что делать молодым «белым воротничкам» - я не знаю. Раньше ситуация была, в целом, справедливая: ты как молодой и неопытный, выполняешь рутинные задачи, параллельно набираясь опыта у старших коллег. Теперь же бОльшую часть этой рутины съедает ИИ, старшим коллегам нет смысла вам делегировать эти задачи, ИИ их гарантированно делает лучше, быстрее и качественнее.
С другой стороны, новички могут, с помощью ИИ, быстрее обучиться, но все равно – как получить опыт реальных проектов и задач, без которых профессионал – не профессионал.
Ясно одно – профессиональную карьеру нужно строить кардинально иначе. Как – это вопрос дискуссий. У меня есть свой взгляд на этот вопрос, но пока это лишь гипотезы. Ну а классическое образование точно ожидает жесточайший кризис – учиться, не имея даже минимальных шансов после этого трудоустроиться, весьма спорное времяпровождение.
Чем раньше мы начнём об этом думать и к этому готовиться — тем лучше.
👍5
Неожиданно медленно приближается год, в котором надо будет отвечать за прогнозы из 2018-го — https://dou.ua/lenta/columns/qa-education-future/
Кто-то знает тихую страну жаркого юга, в которой можно незаметно скрытьсяот самого себя?
Кто-то знает тихую страну жаркого юга, в которой можно незаметно скрыться
DOU
Кто, где и как будет учить тестировщиков в Киеве в 2026 году
Алексей Лупан занимается обучением тестировщиков в компании Astound Commerce. В 2016-м на конференции QA Fest он рассказывал о том, как обстоят дела с обучением тестировщиков в украйти, куда это всё идёт и к чему приведёт. Посмотрим, может, что-то уже изменилось…
❤4👍2🤔1
Тут только и остается, что очень долго (и очень по-стариковски) кряхтеть…
В одной компании подозрительно долго не могли найти программиста. Манагеры засуетились.
Оказалось, что у них работает ИИ-система для автоматического просмотра резюме и односекундного принятия решения “go/no go”. И они искали девов на “Angular”, а в ИИ был настроен поиск погроммистов на “AngularJS” — different frameworks, similar names, but… Послушный робот отказывал всем ангулярщикам, потому что != же.
Human mistake?
Human mistake.
Опытные эйчары давно делают всë то же самое без этих ваших ИИ — например, можно отсеивать всех кандидатов на должностьсварщика, если им меньше 30-ти лет… Просто отныне с ИИ этот процесс будет происходить быстрее и технологичнее.
А в той компании могли бы просто дать эйчарушкам chatGPT в руки и приказать нафигачить что-то полезное на ангуляре, раз они так резво используют передовые технологии.
В одной компании подозрительно долго не могли найти программиста. Манагеры засуетились.
Оказалось, что у них работает ИИ-система для автоматического просмотра резюме и односекундного принятия решения “go/no go”. И они искали девов на “Angular”, а в ИИ был настроен поиск погроммистов на “AngularJS” — different frameworks, similar names, but… Послушный робот отказывал всем ангулярщикам, потому что != же.
Human mistake?
Human mistake.
Опытные эйчары давно делают всë то же самое без этих ваших ИИ — например, можно отсеивать всех кандидатов на должность
А в той компании могли бы просто дать эйчарушкам chatGPT в руки и приказать нафигачить что-то полезное на ангуляре, раз они так резво используют передовые технологии.
International Business Times UK
'Lazy and Mediocre' HR Team Fired After Manager's Own CV Gets Auto-Rejected in Seconds, Exposing System Failure
An HR team was fired after their manager discovered their ATS system was auto-rejecting all candidates, including his own resume.
🤣3🤔2
Татьяна Черниговская понимает очень фундаментальную базу:
https://youtube.com/clip/UgkxKbCPsgT8qBxqsCa3LZ2Z8b4g3k1FGXPK?si=ku8Jn2yZlBLUSvkb
Вот сейчас неприятную, скажу, вещь, но... Но это правда. Вообще-то говоря, новые экспериментальные данные нам не нужны.
За год выходит, скажем, полмиллиона статей научных про исследования. Полмиллиона. Это все равно, что ноль, вы не можете их прочесть.
В Калифорнии периодически... то ли раз в год, то ли раз в два — происходит съезд по нейронаукам. Там бывают устные выступления, но это, скажем, там два нобелевских лауреата читают такие праздничные лекции. Все остальное — это постеры про исследования.
Если постеры, которые были в прошлом году, вытянуть в одну линию, то они вытянутся на 32 километра. Вы даже пройти мимо них всех не сможете. И вы не сможете их прочесть. Про обдумать я вообще не говорю.
https://youtube.com/clip/UgkxKbCPsgT8qBxqsCa3LZ2Z8b4g3k1FGXPK?si=ku8Jn2yZlBLUSvkb
YouTube
✂️ Новые экспериментальные данные нам не нужны
43 seconds · Clipped by ggl Alexei Lupan · Original video "Татьяна Черниговская: Почему мы никогда не узнаем правду о реальности?" by Айрат Хайруллин
Эдвар Эштон — Микки-7.fb2.zip
367.2 KB
В марте будет премьера фильма Микки 17. История основана на книге Эдварда Эштона «Микки 7».
На удивление крепкая научная фантастика, вполне в духе времени.
Сейчас идет волна научфанты о том, что незачем куда-то улетать, бо если найдем планету годную для жизни, то нас там сожрут — если не тамошние жители или их фауна, то тамошние микооорганизмы. А если найдем планету без жизни, то зачем она нам?
Эштон вроде бы двигался в том же направлении, но по пути заметил, что мы и сами себя сожрем, поэтому улетать надо непременно:
Кагбэ…
На удивление крепкая научная фантастика, вполне в духе времени.
Сейчас идет волна научфанты о том, что незачем куда-то улетать, бо если найдем планету годную для жизни, то нас там сожрут — если не тамошние жители или их фауна, то тамошние микооорганизмы. А если найдем планету без жизни, то зачем она нам?
Эштон вроде бы двигался в том же направлении, но по пути заметил, что мы и сами себя сожрем, поэтому улетать надо непременно:
Чем еще можно объяснить решение покинуть единственную планету, предназначенную нам самой эволюцией, — планету, которая не требовала терраформирования, прививок и войн с другими разумными существами? Жителям Земли стало ясно: если человечество останется на месте, люди в конечном счете перебьют друг друга. И они почти наверняка не ошиблись: никто не слышал ни звука со Старой Земли уже более шестисот лет.
Единственной надеждой на выживание в долгосрочной перспективе была экспансия.
Кагбэ…
👍4
Любопытно, что умение тестировать (педалить код) мало что решает и котируется только среди начинающих. Чем дальше в лес, тем больше нужно другое.
Вот список не умений, а направлений, в сторону которых должна быть ориентирована вся учеба начинающего айтишника:
* Критическое мышление
* Системное мышление
* Управление рабочим временем
* Адаптивность
* Ответственность
* Анализ требований
* Проектирование тестирования
* Документирование
* Написание и версионирование тестовых артефактов
* Исправление ошибок
* Оптимизация работы
* Коммуникации в командной работе
Речь не про Soft skills (умение договариваться с окружающими) и не про Hard skills (техническое знание, фундамент нашей работы). Это всё остальное, что стоит поверх этих двух понятий. Надо бы придумать этому название… „Ноосфера IT”, например?
Как всему этому научить?
Вот список не умений, а направлений, в сторону которых должна быть ориентирована вся учеба начинающего айтишника:
* Критическое мышление
* Системное мышление
* Управление рабочим временем
* Адаптивность
* Ответственность
* Анализ требований
* Проектирование тестирования
* Документирование
* Написание и версионирование тестовых артефактов
* Исправление ошибок
* Оптимизация работы
* Коммуникации в командной работе
Речь не про Soft skills (умение договариваться с окружающими) и не про Hard skills (техническое знание, фундамент нашей работы). Это всё остальное, что стоит поверх этих двух понятий. Надо бы придумать этому название… „Ноосфера IT”, например?
Как всему этому научить?
🔥9❤3👍3
Распознавание речи через нейросеть “Whisper” от OpenAI временами — забавное, относительно — полезное, а иногда от нее в ночной тиши седые волосы шевелятся сразу по всей квартире.
= Полезность =
даже самой крупной модели — относительна.
Там под капотом сразу несколько моделей глубокого обучения для автоматического распознавания речи (ASR, Automatic Speech Recognition), из них постоянно используются только три — small, medium или large.
• „small” работает быстро, компьютер напрягает, но не смертельно, однако и транскрибирует речь в текст неточно, поэтому результат читать сложно, там преобладают длинные фразы без знаков препинания. А если речь не чистая английская, а русская или любая другая (их там много), то увы.
• Модель „medium” сильно шуршит кулерами и напрягает cpu (даже когда запускается на gpu), но появляется больше точек с запятыми, и результат условно сносный.
• Модель „large” кочегарит компьютер по-максимуму, знаков препинания у неё больше, но и после неё тексты невозможно «просто прочитать», всё равно надо руками-глазами их проходить, сопоставлять с аудио и править.
= Забавность =
в том, что иногда в транскрибированном тексте появляются несколько лишних строк, которые с аудиотреком не синхронизированы, и выглядят как «меня тут жёстко заглючило», Например:
В аудио такого места нет, но в txt — вот оно.
Иногда в конце файла появляется эпическое сообщение «Субтитры добавил DimaTorzok»…
Консенсус в том, что когда-то были взяты в обучение тексты с такой припиской.
Юзеры турецкоподданного Whisper сообщают об аналогичной тайной клинописи в виде «Altyazı M.K.» В общем, у нас „DimaTorzok”, у них „M.K.”
= Галлюцинации =
Речь в аудиофайле завершилась, и сам файл завершен. А в тексте появляется что-то эдакое:
Этому неоткуда было взяться, но оно откуда-то взялось. Мне очевидно, что таким образом опытные инфомолдаване с планеты Нибиру сообщают нам о том, что…
Но на самом деле:
It is likely because the training data contained transcripts during silence. For example, if you think about subtitles for movies, sometimes you might see a Copyright notice in the subtitles, or you might see credits such as "Subtitles written by xyz", even though there is no actual speech happening in the audio at the timestamp where these subtitles appear. So imagine the neural net learning from this data. It will basically learn (for example) that when there is silence at the end of the video, it should "make up" some text to go along with the silence, the sort of text that it learns typically goes at the end of a video. The situation would be better with carefully cleaned up training data, although there is a tradeoff between how much effort it takes to clean up data, and how massive a data set you can build (more data = better).
= Полезность =
даже самой крупной модели — относительна.
Там под капотом сразу несколько моделей глубокого обучения для автоматического распознавания речи (ASR, Automatic Speech Recognition), из них постоянно используются только три — small, medium или large.
• „small” работает быстро, компьютер напрягает, но не смертельно, однако и транскрибирует речь в текст неточно, поэтому результат читать сложно, там преобладают длинные фразы без знаков препинания. А если речь не чистая английская, а русская или любая другая (их там много), то увы.
• Модель „medium” сильно шуршит кулерами и напрягает cpu (даже когда запускается на gpu), но появляется больше точек с запятыми, и результат условно сносный.
• Модель „large” кочегарит компьютер по-максимуму, знаков препинания у неё больше, но и после неё тексты невозможно «просто прочитать», всё равно надо руками-глазами их проходить, сопоставлять с аудио и править.
= Забавность =
в том, что иногда в транскрибированном тексте появляются несколько лишних строк, которые с аудиотреком не синхронизированы, и выглядят как «меня тут жёстко заглючило», Например:
…и начинается ступор потому что на это уже возражение вместо того чтобы что-то утверждать и потом возражать паспорта начнется или утверждение или с возражения доведите его логического до конца.
И ты.
И ты.
И ты.
И ты.
И ты.
И ты.
И ты.
Делаю в первых предложениях заявления потом дохожу до предложения…
В аудио такого места нет, но в txt — вот оно.
Иногда в конце файла появляется эпическое сообщение «Субтитры добавил DimaTorzok»…
Консенсус в том, что когда-то были взяты в обучение тексты с такой припиской.
Юзеры турецкоподданного Whisper сообщают об аналогичной тайной клинописи в виде «Altyazı M.K.» В общем, у нас „DimaTorzok”, у них „M.K.”
= Галлюцинации =
Речь в аудиофайле завершилась, и сам файл завершен. А в тексте появляется что-то эдакое:
Еще специализировался непонятно с pose79 на Zw choosytwerver.ru и
канал tv7 на secondrace.com и никакое сравнение нет.
Теперь, когда внутриceğiz с Paulus, что moinsED, может стать более чешистое.
Замечательно.
Спасибо большое.
Это была идея.
Мне было не gangsно, поэтому я тоже.
Не молчал 얼마 еще.
Tea.
Tea.
Молодой человек и хор.
Ч richtigeps, an prince, that's what I meant.
Этому неоткуда было взяться, но оно откуда-то взялось. Мне очевидно, что таким образом опытные инфомолдаване с планеты Нибиру сообщают нам о том, что…
Но на самом деле:
It is likely because the training data contained transcripts during silence. For example, if you think about subtitles for movies, sometimes you might see a Copyright notice in the subtitles, or you might see credits such as "Subtitles written by xyz", even though there is no actual speech happening in the audio at the timestamp where these subtitles appear. So imagine the neural net learning from this data. It will basically learn (for example) that when there is silence at the end of the video, it should "make up" some text to go along with the silence, the sort of text that it learns typically goes at the end of a video. The situation would be better with carefully cleaned up training data, although there is a tradeoff between how much effort it takes to clean up data, and how massive a data set you can build (more data = better).
❤1🔥1🤣1
Увидел на остановке троллейбиса объявление:
А вы все врёте о том, что в Молдове нет работы…
Ок, я идеальный кандидат на данную вакансию, ведь
а) глубоко внутри я всё ещё желательный студент, который, как и сто лет назад, просто ждёт подходящий троллейбис
б) я могу помочь студиозису, который не закрывает скобки, познать непознаваемые глубины основ Computer Science
б.1) и от меня не убудет
в) ну, и так далее.
Я, конечно же, позвонил, мне же надо понять, зачем человеку нужен репетитор. Узнать это оказалось ВНЕЗАПНО сложно.
В первый раз пенсионер (он так представился) сказал очевидное — «…Потому, что он мне нужен».
Я не понял.
Вторая итерация: «Я игнорировал это, а сейчас он мне нужен по работе».
Ок, но это не ответ.
С третьего захода он объяснил свое видение проекта: «Выйти в социум, делать видики, поговорить с людьми, объяснять что-то, вести обучение онлайн».
Я понял, и сразу отказался от взаимовыгодного сотрудничества.
Но почему?
«Ищу репетитор по компютеру (желательно студент 068…»
А вы все врёте о том, что в Молдове нет работы…
Ок, я идеальный кандидат на данную вакансию, ведь
а) глубоко внутри я всё ещё желательный студент, который, как и сто лет назад, просто ждёт подходящий троллейбис
б) я могу помочь студиозису, который не закрывает скобки, познать непознаваемые глубины основ Computer Science
б.1) и от меня не убудет
в) ну, и так далее.
Я, конечно же, позвонил, мне же надо понять, зачем человеку нужен репетитор. Узнать это оказалось ВНЕЗАПНО сложно.
В первый раз пенсионер (он так представился) сказал очевидное — «…Потому, что он мне нужен».
Я не понял.
Вторая итерация: «Я игнорировал это, а сейчас он мне нужен по работе».
Ок, но это не ответ.
С третьего захода он объяснил свое видение проекта: «Выйти в социум, делать видики, поговорить с людьми, объяснять что-то, вести обучение онлайн».
Я понял, и сразу отказался от взаимовыгодного сотрудничества.
Но почему?
👍4🤪3❤1👎1
Forwarded from Irina Smaghina
The Tester's Edge in an AI-Accelerated World
Why Clear Thinking Beats More Testing
Everyone is shipping faster. Everyone is adopting AI.
But not everyone is making smarter decisions.
Testing today isn’t about chasing bugs or running thousands of automated scripts.
It’s about staying sharp in a world moving at breakneck speed.
The Shift: From Testing to Understanding
Traditional testing asked:
“Does it work?”
Modern testing asks:
“What could go wrong?”
“What are we assuming?”
“What risk are we missing?”
That’s not just semantics.
That’s the difference between checking functionality and safeguarding value.
In a world of rapid releases, APIs stitched together in days, and AI writing production code, the real skill is seeing through the noise.
Why Many Teams Still Get Testing Wrong
- They automate before they understand.
- They confuse coverage with insight.
- They delegate quality instead of distributing it.
- They measure test cases, not confidence.
Automation is only valuable when it answers real questions.
If no one reads the results or knows what to do with them, it’s just theatre.
What the Best Testers Actually Do
They show up early.
In design, in refinement, in planning.
They ask the uncomfortable questions — not to slow things down, but to clear the path.
They don’t wait for handoffs.
They break down complexity, explore unknowns, and translate ambiguity into clarity.
They aren’t obsessed with tools.
They use tools to multiply their thinking, not replace it.
The Future of Testing Is Not a Role. It’s a Mindset.
The testers who thrive in AI-driven teams aren’t the ones with the fanciest frameworks.
They’re the ones who:
- Spot risk before it becomes a defect
- Guide teams through ambiguity
- Challenge assumptions with curiosity, not ego
- See systems as ecosystems, not pipelines
You can’t automate that.
You lead with it.
In an AI world, anyone can generate a test.
Few can ask the right one.
And those who can - they’re the ones shaping the future of quality.
🧠 Think less about “how many tests.”
💬 Think more about “what are we still blind to?”
That’s where modern testing lives.
That’s where testers lead.
Why Clear Thinking Beats More Testing
Everyone is shipping faster. Everyone is adopting AI.
But not everyone is making smarter decisions.
Testing today isn’t about chasing bugs or running thousands of automated scripts.
It’s about staying sharp in a world moving at breakneck speed.
The Shift: From Testing to Understanding
Traditional testing asked:
“Does it work?”
Modern testing asks:
“What could go wrong?”
“What are we assuming?”
“What risk are we missing?”
That’s not just semantics.
That’s the difference between checking functionality and safeguarding value.
In a world of rapid releases, APIs stitched together in days, and AI writing production code, the real skill is seeing through the noise.
Why Many Teams Still Get Testing Wrong
- They automate before they understand.
- They confuse coverage with insight.
- They delegate quality instead of distributing it.
- They measure test cases, not confidence.
Automation is only valuable when it answers real questions.
If no one reads the results or knows what to do with them, it’s just theatre.
What the Best Testers Actually Do
They show up early.
In design, in refinement, in planning.
They ask the uncomfortable questions — not to slow things down, but to clear the path.
They don’t wait for handoffs.
They break down complexity, explore unknowns, and translate ambiguity into clarity.
They aren’t obsessed with tools.
They use tools to multiply their thinking, not replace it.
The Future of Testing Is Not a Role. It’s a Mindset.
The testers who thrive in AI-driven teams aren’t the ones with the fanciest frameworks.
They’re the ones who:
- Spot risk before it becomes a defect
- Guide teams through ambiguity
- Challenge assumptions with curiosity, not ego
- See systems as ecosystems, not pipelines
You can’t automate that.
You lead with it.
In an AI world, anyone can generate a test.
Few can ask the right one.
And those who can - they’re the ones shaping the future of quality.
🧠 Think less about “how many tests.”
💬 Think more about “what are we still blind to?”
That’s where modern testing lives.
That’s where testers lead.
👍7❤5
Кент Бек — тот самый с Agile Manifesto, XP и TDD — рассуждает про augmented coding: когда тебя постоянно сопровождает умная шняга, которая подсказывает, поправляет и всячески поддерживает, но сразу идёт в пень, если перетягивает на себя одеяло.
Цитата:
Похоже на продолжение идей Дугласа Энгельбарта (придумал «мышку») про AUGMENTING HUMAN INTELLECT (1962).
В этом наше слабое место — мы не боремся за одеяло. Человечество будет некому и незачем завоёвывать, оно само поспешит отдаться в уютные руки окружающих его сервисов (Харари).
Ведь интеллект не нужно зачем-то куда-то to augment, ему нужны comfort & safety.
И смартфон.
Цитата:
— In vibe coding you don't care about the code, just the behavior of the system. If there's an error, you feed it back into the genie in hopes of a good enough fix. In augmented coding you care about the code, its complexity, the tests, & their coverage. The value system in augmented coding is similar to hand coding--tidy code that works. It's just that I don't type much of that code.
Похоже на продолжение идей Дугласа Энгельбарта (придумал «мышку») про AUGMENTING HUMAN INTELLECT (1962).
В этом наше слабое место — мы не боремся за одеяло. Человечество будет некому и незачем завоёвывать, оно само поспешит отдаться в уютные руки окружающих его сервисов (Харари).
Ведь интеллект не нужно зачем-то куда-то to augment, ему нужны comfort & safety.
И смартфон.
👍1
Что такое T-образный тестировщик?
Это специалист с глубокой экспертизой в одной области (например, нагрузочное тестирование) и широким пониманием смежных сфер (например, кулинария). ©
Гм…
А что/кто такое Г-образный тестировщик?
Это специалист, который ходит по офису буквой Гэ и бьет копытами каждого, кто сомневается в его глубокой Т-образной экспертизе.
А кто такой Б-образный тестировщик?
Это пузан в короткой футболке. В офисе не появляется, бо у вас там слоняются Гэ и Тэ-образные тестировщики «и в проезжих сеют страх»…
Это специалист с глубокой экспертизой в одной области (например, нагрузочное тестирование) и широким пониманием смежных сфер (например, кулинария). ©
Гм…
А что/кто такое Г-образный тестировщик?
Это специалист, который ходит по офису буквой Гэ и бьет копытами каждого, кто сомневается в его глубокой Т-образной экспертизе.
А кто такой Б-образный тестировщик?
Это пузан в короткой футболке. В офисе не появляется, бо у вас там слоняются Гэ и Тэ-образные тестировщики «и в проезжих сеют страх»…
🤣10
Правильно соображение о том, что в будущем любой «нормальный» ИИ будет стоить много денег, и человеки будут вынуждены недоедать, чтобы суметь заплатить подписку в $1000 в месяц на chatGPT, и это будет безальтернативно, даже если появится много его аналогов. В последнее время много говорят о том, что OpenAI убыточен, но закрываться нельзя, поэтому деньги сжигаются в ожидании какого-то лучшего будущего (когда юзеры начнут платить).
Факт, что все подсядем.
И не факт, что будем платить.
ИИ внутри компаний в перспективе будет локализованным, как сервера или NAS. Поднял у себя условный RAG (перевод с румынского кому-то нужен?) или какой аналог у этого всего будет в будущем, и погнали создавать и расширять внутрикорпоративную базу знаний, в которой ИИ «всë про тебя знает и ничего не забывает» — ключевое ограничение любого внешнего сервиса.
Чем дешевле будет железо в будущем, тем проще будет поднять домашний сервер «+ИИ». Возможно, это даже будут носимые девайсы.
Через какое-то условное время крупным компаниям придется днëм с ментами с фонариками искать живых людей, которые еще не додумались поднять у себя дома свой, очень личный и постоянно деньгуприносящий сервис и хотели бы ходить работать в офисах будущего, с бесплатным кофе и HR. Это может быть и частный бизнес, и участие в каких-то глобальных проектах по просчитыванию гигантских проектов за мелкий прайс. Сервер крутится, биткоин мутится.
(боевым голосом Остапа Ибрагимовича) Электронный конь грядет на смену офисной крестьянской лошадки!
Факт, что все подсядем.
И не факт, что будем платить.
ИИ внутри компаний в перспективе будет локализованным, как сервера или NAS. Поднял у себя условный RAG (перевод с румынского кому-то нужен?) или какой аналог у этого всего будет в будущем, и погнали создавать и расширять внутрикорпоративную базу знаний, в которой ИИ «всë про тебя знает и ничего не забывает» — ключевое ограничение любого внешнего сервиса.
Чем дешевле будет железо в будущем, тем проще будет поднять домашний сервер «+ИИ». Возможно, это даже будут носимые девайсы.
Смотрел обзоры современных китайских NAS — это уже очень далеко от идеологии «слабый процессор обслуживает простой доступ к файлам на дисках». Это внешне компактные, но внутри уже мощные компьютеры, годные для очень много чего всякого. Когда подешевеют, будет атас.
Через какое-то условное время крупным компаниям придется днëм с ментами с фонариками искать живых людей, которые еще не додумались поднять у себя дома свой, очень личный и постоянно деньгуприносящий сервис и хотели бы ходить работать в офисах будущего, с бесплатным кофе и HR. Это может быть и частный бизнес, и участие в каких-то глобальных проектах по просчитыванию гигантских проектов за мелкий прайс. Сервер крутится, биткоин мутится.
(боевым голосом Остапа Ибрагимовича) Электронный конь грядет на смену офисной крестьянской лошадки!
👍5🤔3
Современные программисты еще не совсем, но уже скоро начнут понимать тестировщиков и бизнес.
Для бизнеса программист — это живой ИИ-агент. Он что-то делает и выдает, мол, готово. Бизнес это трогает, пугается, говорит «Нет. Тут не то, тут не так. Сделай/Переделай нормально. Вот требования (контекст), учти это и это». Он приносит переделанное… Бизнес ищет другого ИИ-агента, который что-то делает и…
Тем временем программисты, которые не понимают эту бесконечную круговерть, делятся мудростью:
А это всë неизбежно, если использовать генерилки как школьник, в режиме «сделай вместо меня». Будет он проверять импорты руками, как же…
И всë поменяется. То, что вчера было нормой, станет признаком элитарной элиты — руками, сэр, только руками. Мы не покупаем искусственный код. Появится движение «Оставь агентов джунам!» с вопросами вроде «Если ты такой умный, то почему всë ещë пользуешься ИИ-агентами?» и «А вот в наше время…»
Но какие будут нужны тестировщики в мире ИИ-агентов, которые педалят код? Никакие, ведь тестировщики нужны не программистам, а менеджерам, которым нужен не код, а продукт. Код может быть плохим, но он вообще не показатель «успешного качества» проекта.
Роль уточнителей требований к проекту будет только шириться. Идеальная ниша для тестировщиков, которые медленно переползают из прошлого в будущее.
Для бизнеса программист — это живой ИИ-агент. Он что-то делает и выдает, мол, готово. Бизнес это трогает, пугается, говорит «Нет. Тут не то, тут не так. Сделай/Переделай нормально. Вот требования (контекст), учти это и это». Он приносит переделанное… Бизнес ищет другого ИИ-агента, который что-то делает и…
Тем временем программисты, которые не понимают эту бесконечную круговерть, делятся мудростью:
«Если ИИ-агент вдруг начинает писать хуже на том же коде - сыпать галлюцинациями, не попадать в контекст, выдавать бред вместо решений - это первый звоночек. Значит, в коде уже завелась дичь.
Проверяйте руками импорты, инициализации, всю логику. Потому что дальше будет хуже: тесты проходят, вроде всё работает, а под капотом - ад из костылей и фоллбэков» ©
А это всë неизбежно, если использовать генерилки как школьник, в режиме «сделай вместо меня». Будет он проверять импорты руками, как же…
И всë поменяется. То, что вчера было нормой, станет признаком элитарной элиты — руками, сэр, только руками. Мы не покупаем искусственный код. Появится движение «Оставь агентов джунам!» с вопросами вроде «Если ты такой умный, то почему всë ещë пользуешься ИИ-агентами?» и «А вот в наше время…»
Но какие будут нужны тестировщики в мире ИИ-агентов, которые педалят код? Никакие, ведь тестировщики нужны не программистам, а менеджерам, которым нужен не код, а продукт. Код может быть плохим, но он вообще не показатель «успешного качества» проекта.
Роль уточнителей требований к проекту будет только шириться. Идеальная ниша для тестировщиков, которые медленно переползают из прошлого в будущее.
❤11
Oboe.fyi— AI-платформа для генерирования персональных образовательных курсов на определенную тему.
Там генерируются
* какой-то текст
* аудио-лекция
* подкаст с двумя AI-ведущими
* интерактив — квизы, кроссворды и флеш-карточки
* саммари и FAQ
Язык только английский. На бесплатном тарифе можно генерировать два курса в месяц.
Я спросил про Analytical software testing, и он сделялъ:
https://oboe.fyi/courses/unlocking-software-quality-through-analytical-testing-9wgrr7m2
Ну… он хотя бы попытался. И ведь ЧСХ, объяснить — нет, но никто ж не обещал объяснить. Сказали, что сгенерируют образовательный курс — и сгенерировали. Чего же боле, что вам могу я сгенерять?!
Если ты прежде ничего не знал и не понимал про analytical testing, то после моего сгенерированного курса ты будешь знать про analytical testing и всë ещë ничего в нëм не понимать в два раза увереннее!
Возможно, для точечных кулинарных запросов или для «как взломать замок чужого гаража» такие персональные нейрогенерокурсы подойдут идеально. Ну или для наглого генерирования платных курсов про AI… их же в наше время очень мало (опытный инфомолдаванин во мне протяжно вздыхает).
Там генерируются
* какой-то текст
* аудио-лекция
* подкаст с двумя AI-ведущими
* интерактив — квизы, кроссворды и флеш-карточки
* саммари и FAQ
Язык только английский. На бесплатном тарифе можно генерировать два курса в месяц.
Я спросил про Analytical software testing, и он сделялъ:
https://oboe.fyi/courses/unlocking-software-quality-through-analytical-testing-9wgrr7m2
Ну… он хотя бы попытался. И ведь ЧСХ, объяснить — нет, но никто ж не обещал объяснить. Сказали, что сгенерируют образовательный курс — и сгенерировали. Чего же боле, что вам могу я сгенерять?!
Если ты прежде ничего не знал и не понимал про analytical testing, то после моего сгенерированного курса ты будешь знать про analytical testing и всë ещë ничего в нëм не понимать в два раза увереннее!
Возможно, для точечных кулинарных запросов или для «как взломать замок чужого гаража» такие персональные нейрогенерокурсы подойдут идеально. Ну или для наглого генерирования платных курсов про AI… их же в наше время очень мало (опытный инфомолдаванин во мне протяжно вздыхает).
Oboe
Unlocking Software Quality through Analytical Testing | Oboe
Analytical software testing involves a systematic and data-driven approach to evaluating software, ensuring its functionality, performance, and reliability while identifying critical issues early in the development lifecycle.
❤5🤣2
Только тебя и не хватает на https://certifiedunicorns.pro/hot-istqb-conference — 25 октября (суббота) 2025 с 11.30 до последнего зрителя, который самостоятельно отключится в 17.00
Бесплатно, за умови володіння мовою солов'їною
Деякі видають аромат успіху, інші — димлять порожнечею. Ми просмажимо все до хрускоту і чесно розкажемо, що реально дає користь (прямые руки), а що — фігня (кривые ожидания).
Бесплатно, за умови володіння мовою солов'їною
certifiedunicorns.pro
🔥HOT ISTQB Conference by Certified Unicorns
Тут міжнародні сертифікації ISTQB шкварчатимуть на вогні, а ми підісмажимо їх з чорним гумором і сарказмом.
❤4
В январе 2015-го Тим Урбан, ээ, дропнул большую статью «The AI Revolution: The Road to Superintelligence». В то время было захватывающе интересно об этом всём подумать. Сегодня как-то нет, но не суть.
По-моему, именно от рассуждений Тима пошли в народ страшилки про то, что
Да, если исходить из того, что у бесконечно абстрактной программы (1) уже есть не просто генератор связного текста, а действительный интеллект, а после этого ещё есть (2) бесконечно волшебная возможность
* самоперепрограммирования,
* понимания мира,
* самоперепрограммирования на основе постоянно уточняющегося понимания окружающего нас мира,
* осознать себя, свою самоценность, свою волю, своё место в этом мире…
* …и зачем-то заинтересоваться физикой. Хотя четырехлетний ребенок будущего мог бы заняться расчетом полного числа Пи.
Разговоры о вероятном могуществе супер-интеллектуального интеллекта подобны пространным мечтаниям о том, какие бенефиты МОЖЕТ БЫТЬ подарит мне жизнь, когда я, наконец-то, выучу гамму ми минор, соберу группу, запишу звездный альбом и начну куролесить по миру с многотысячными концертами. Осталось только купить гитару и научиться дёргать на ней струны… а потом вдруг понимаешь, что тебе уже 50 лет и гамма ми минор выучена только на 75%.
По-моему, именно от рассуждений Тима пошли в народ страшилки про то, что
…Но может произойти и следующее: слабому ИИ потребуется несколько десятилетий, чтобы стать AGI с низким уровнем интеллекта, но в конечном итоге это все равно произойдет. Компьютер будет способен понимать окружающий мир на уровне четырехлетнего ребенка, но уже через час он будет понимать сложнейшую теорию физики, которая объединяет теорию относительности с теорией квантовой механики, что не удавалось сделать ни одному человеку. Через еще полтора часа AGI достигает уровня ASI и будет превышать интеллект любого человека в 170000 раз или 270000, или какая разница вообще.
Да, если исходить из того, что у бесконечно абстрактной программы (1) уже есть не просто генератор связного текста, а действительный интеллект, а после этого ещё есть (2) бесконечно волшебная возможность
* самоперепрограммирования,
* понимания мира,
* самоперепрограммирования на основе постоянно уточняющегося понимания окружающего нас мира,
* осознать себя, свою самоценность, свою волю, своё место в этом мире…
* …и зачем-то заинтересоваться физикой. Хотя четырехлетний ребенок будущего мог бы заняться расчетом полного числа Пи.
Разговоры о вероятном могуществе супер-интеллектуального интеллекта подобны пространным мечтаниям о том, какие бенефиты МОЖЕТ БЫТЬ подарит мне жизнь, когда я, наконец-то, выучу гамму ми минор, соберу группу, запишу звездный альбом и начну куролесить по миру с многотысячными концертами. Осталось только купить гитару и научиться дёргать на ней струны… а потом вдруг понимаешь, что тебе уже 50 лет и гамма ми минор выучена только на 75%.
Wait But Why
The AI Revolution: The Road to Superintelligence
Part 1 of 2: "The Road to Superintelligence". Artificial Intelligence — the topic everyone in the world should be talking about.