Программистом будет каждый: что ждет разработчиков в эпоху нейросетей
Прикладной аспект
Впрочем, нейросети используют не только специалисты, но и обычные люди в своей повседневной жизни. Один из ярких примеров — чат-бот ChatGPT, получивший всемирную известность. По своим функциям он напоминает обычный поисковик, которым ежедневно пользуются миллионы человек. — Разница в том, что ChatGPT больше ориентирован на пользователя и дает четкие результаты. Не нужно тратить время на изучение информации на разных страницах — достаточно сформулировать конкретный запрос и получить на него такой же конкретный ответ, — говорит руководитель веб-интегратора «Осьминожка» Михаил Шрайбман.
Гибкие навыки, софт-скиллы — то, на что тимлидам стоит смотреть в будущем. Если в команду приходит джун, который пока не слишком хорошо программирует, но грамотно выявляет проблему, составляет работающие промпты и использует нейросеть для разработки, возможно, он в перспективе будет даже эффективнее джуна с прокачанными хард-скиллами. Потому что нейросети не стоят на месте, генерация кода становится лучше с каждым днем.
У проблемы загрязнения данных есть интересный нюанс: она в большей степени свойственна для нейросетей, обучающихся на материалах на английском языке, ведь на нем написано гораздо большее количество текстов. Поэтому для языков, которые не столь популярны, эта проблема будет менее выражена, и в какой-то момент локальные ИИ-модели могут стать даже качественнее, чем англоязычные.
Понимание особенностей нейросетей и умение обращаться с ними, правильно составлять запросы и избегать «галлюцинаций», — еще один важный пункт в обучении будущих разработчиков. Если условный GitHub Copilot уже повышает продуктивность и разгружает специалистов, то умение работать с ним быстро станет обязательным условием приема в команду.
Также чат-боты могут помогать в изучении иностранного языка (как, например, бот «Кеша» от Skyeng, практикующий язык с пользователями), добавляет директор направления Data Fusion Лиги цифровой экономики Александр Кобозев. Еще одна интересная разработка — Firefly от Adobe, с помощью которой даже новичок сможет создать 3D-изображение. — Если от учебы перейти к работе, то, например, в креативной индустрии нейросети уже справляются с созданием контента — генерируют изображения, пишут посты и статьи. А тем, кто находится в поиске работы, нейросети могут помочь составить резюме, — рассказывает Михаил Шрайбман. Цифровые помощники с помощью вводных данных могут даже протестировать пользователя и подсказать ему, в каком направлении двигаться в плане карьеры.
Особенно актуальными чат-боты оказались для студентов и школьников, которые с их помощью могут быстро найти ссылку на нужный источник информации или ответ на интересующий вопрос. Нейросети способны решать математические задачи или исправлять ошибки в тексте. Шрайбман отмечает, что сервисы, умеющие выполнять подобные задачи, существовали и раньше. Но чат-боты удобны тем, что работают в «режиме одного окна»: это помогает сконцентрироваться на вопросе и не тратить много времени на поиск и обработку информации.
Также ИИ-компаниям стоит развивать методы очистки датасетов от шума, которые используются для выявления среди данных спамерских текстов, рекламы, повторяющихся текстов и т. д. Интуитивно кажется, что если искусственно сгенерированный контент более низкого качества, чем контент, сгенерированный человеком, то можно научиться автоматически это определять и таким образом очищать обучающие данные от неполезного содержимого.
Гибкие навыки — это то, что нужно в работе помимо непосредственных знаний: способность адаптироваться, критическое мышление, эмпатия и эмоциональный интеллект, умение вести переговоры, управлять, делегировать, ставить себе цели. В будущем, в котором каждый программист станет менеджером, это бесценные скиллы.
Вечное сияние генеративного разума
Несмотря на все недостатки, синтетические материалы могут быть полезны в ситуациях, когда данных очень мало или их нет вовсе. Очень многое здесь зависит от количества сгенерированных данных, которые использовались для обучения, и их качества, соответствия решаемой задаче и нормам этики, безопасности и т. п.
Второй вид нейросетей для программирования пишет код с нуля по запросу-промту. Им можно поставить задачу на естественном языке, например: «У меня есть 100 CSV файлов, напиши код на Python, который собирает все эти файлы, фильтрует по три столбца с фильтром «paid» и собирает в один файл XLS, при этом каждый CSV получается на новой вкладке», — и они выполнят задачу. Так можно использовать ChatGPT или Gemini — нейросеть от Google.
Так же незаметно в нашу реальность вошли алгоритмы машинного обучения. Оглаской сопровождался запуск ChatGPT, но чат-бот всегда был просто платформой, одним из способов показать на понятном примере, как работают большие языковые модели. Алгоритмы машинного обучения существуют уже очень давно — это любые беспилотные транспортные средства, рекомендации в интернет-магазинах и на стриминговых платформах.
Увидеть результат такого засорения можно уже сегодня. Языковые модели позволяют создавать контент, который выводит из строя системы мониторинга публикаций в сети. Из-за него ломаются алгоритмы контроля общественного мнения, а это приводит к ситуациям, когда думали, что будет Клинтон, а получился Трамп.
Это, в свою очередь, может привести к тому, что следующие модели искусственного интеллекта, которые будут обучаться на этих синтезированных данных, будут предоставлять еще более искаженный результат. И тот контент, который сгенерируют уже они, окажется еще более испорченным и далеким от реальности.
В России среди многочисленных сфер использования нейросетей особо выделяют компьютерное зрение. Его применяют для распознавания объектов на изображениях и анализа видео, объясняет «Известиям» разработчик систем машинного зрения, сооснователь и технический директор Checkadvisor — компании-участника Московского инновационного кластера — Никита Северинов. — Например, нейросети могут использоваться для автоматического распознавания лиц на фотографиях или видео, что помогает в сфере безопасности и борьбе с преступностью, — рассказывает эксперт.
Перемены в ИT уже привели к появлению так называемых гражданских разработчиков — людей без профильного технического образования, которые пишут программы на no-code инструментах. Человек, который сделал себе сайт-портфолио на конструкторе Tilda, — это гражданский разработчик. Языковые модели изменят IT еще сильнее. Человек без профильного образования сможет придумать и написать программу — например, чат-бот. Для этого ему не нужна будет помощь программиста. И собственную мини-программу он сможет развернуть на своем же ПК, без необходимости обращаться к чужим серверам для хранения и обработки данных, что уберет еще один риск — риск того, что использование нейросетей приведет к утечкам данных.
Сейчас нейросеть превратилась в инструмент разработки, такой же, как дополнения к IDE и платформа Stack Overflow. Чтобы продолжать работать, нужно менять парадигму мышления, подход к обучению и найму сотрудников, а также к инструментам, которые разработчики используют каждый день. Нужно начинать программировать в формате Software 2.0, с упором на обучение и управление большими языковыми моделями.
И большой шаг для программирования
Первый — ассистенты разработчиков. Они подключаются к интерактивной среде разработки (IDE, Integrated Development Environment) и помогают программистам дописывать код. Их основная функция — автозаполнение. Нейросеть анализирует код в режиме реального времени и предлагает программисту решение, если он сталкивается со сложным моментом. По такому принципу работают GitHub Copilot (продукт коллаборации GitHub и OpenAI, разработчика ChatGPT) и watsonx Code Assistant от IBM.
Во время выступления на форуме Computex исполнительный директор Nvidia Джейсон Хуанг сказал, что скоро каждый человек станет программистом. Он представил суперкомпьютер DGX GH200, предназначенный для создания генеративных ИИ-моделей. Для этой системы, подчеркнул Хуанг, не имеет значения, как именно вы программируете. «[Теперь] каждый — программист. Достаточно просто сказать компьютеру что-нибудь».
В последнее время в ИИ-сообществе только и разговоров, что о судьбе нейросетей. В недавно опубликованной научной статье группа британских и канадских исследователей пришла к резонансному выводу: если обучить нейросеть на материалах, сгенерированных другой ИИ-моделью, то это приведет к техническому коллапсу, который заключается в неизбежном падении качества работы нейросети.
Что делать компаниям в это новое время? Адаптироваться — интегрировать в ежедневные процессы виртуальных ассистентов, нанимать специалистов, которые хорошо понимают, что такое ИИ, и умеют с ним работать. Причем способность правильно определить задачу и составить промт — это гибкие навыки.
На самом деле подобные проблемы свойственны и людям. Если человек с детства воспитывается на какой-то определенной литературе, например на философских экзистенциальных произведениях, это наверняка очень сильно повлияет на его взгляды и на мысли, которые он будет генерировать в течение жизни. В некотором роде модели искусственного интеллекта похожи на детей: они учатся и узнают что-то о мире из самых разных текстов, звуков или изображений, и результат сильно зависит от того, какие материалы использовались для обучения. Зачастую родители следят за тем, чтобы ребенок не читал неподходящую литературу, которую он может случайно найти в интернете. Чем-то похожим предстоит заниматься и ИИ-разработчикам.
В то же время у активного внедрения нейросетей есть и обратная сторона — потенциальное исчезновение ряда профессий, которые могут быть автоматизированы. К примеру, по словам Никиты Северинова, нейронные сети отчасти заменят работу банковских служащих по обработке чеков и других операционных задач. — Также нейросети могут заменить представителей ряда профессий, связанных с анализом данных, что чревато уменьшением количества рабочих мест в этой сфере, — говорит собеседник «Известий».
