«Без участия чело­века ИИ генерирует фигню»: 5 причин учиться кодингу в эпоху нейросетей

В последнее время все чаще звучит мнение, что ИИ вскоре заменит программистов.

Читатели Т⁠—⁠Ж с этим не согласны. Они объяснили, почему людям все еще стоит идти в ИТ, а мы собрали их аргументы в один материал.

Нейросети пишут визуально красивый и хороший код, который по факту не работает. А чтобы понять, где программа допустила ошибку или не проставила условие, нужно уметь программировать.

Если код будет писать только нейросеть, ревью делать будет некому. Вот как должен тот, кто не знает программирования, исправить проблему? Долбить нейронку, пока она сама не догадается, что изменить? В итоге она начнет учиться на своих кривых программах и выдавать результат хуже, чем сейчас.

Я активно использую ChatGPT в своей работе как программист. Могу сказать, что сейчас он на уровне junior+, пишет не всегда оптимально, иногда приходится переписывать. Также он часто создает собственные библиотеки, хотя нужных функций в них может не оказаться.

Кроме того, он может изменить модель данных или сократить ее свойства до одной буквы без видимой причины. Ошибки в коде встречаются на разных этапах: от опечаток до проблем на этапе компиляции и во время работы программы.

Нейросеть может заменить работников, которые не развиваются и не могут конкурировать с ней на одном уровне. Но все равно нужен человек, который будет ставить задачи и проверять результаты.

Надо убрать программистов вообще, кому они нужны?

И пусть нейросеть шуршит в вашем дорогом security-sensitive коде  . Мы же верим, что она все правильно сделает и ваши платежные системы на сотни тысяч операций в секунду не сломаются. И верим, что она не сольет данные ваших клиентов.

Пусть бизнес и безопасники разрешают вашей нейронке выполнять SQL-код в базе данных. Мы же верим, что она не убьет какие-то сведения, без которых мы не можем проводить оплату.

Пусть делает сайт с учетом всех возможных кейсов поведения, что особенно болезненно в конструкторах. Мы же верим, что она работает без проблем, верим в ее «ответственность».

Мы ведь верим, да? Нейронка работает правильно, да? Никто не должен за ней подтирать? Она ведь не теряется в средних проектах? Не верим. Знаем, не сможет.

А разработчик может. Каждый день проверяем. Не быстро, с кучей мата, но рано или поздно любая хотелка и проблема будет решена.

То, что вы накодили с помощью ChatGPT, скорее всего, было написано уже миллион раз до вас и лежало на «Гитхабе». Это вы продать не сможете. Бизнес платит не за кодинг, а за решение проблем. Разработчик на кодинг тратит не более 30% рабочего времени.

А вы попробуйте сгенерировать то, что соответствует требованиям, внутренним стандартам безопасности, что будет полезно бизнесу и что можно поддерживать в дальнейшем. Нейросети хорошо автоматизируют рутину, а не работу инженера.

Людей, изучающих программирование, действительно может стать меньше. Но тех, кто есть, будут ценить еще больше, чем сейчас, потому что грядет дефицит высококвалифицированных кадров. Они будут нужны, чтобы управлять нейросетями, потому что без участия человека ИИ генерирует фигню. Специалист, который знает, как все должно быть, будет направлять ИИ, чтобы получить нужный результат. Получится смесь системного аналитика и архитектора.

ИИ — это лишь инструмент, а не замена специалисту. Этот инструмент экономит время и ускоряет разработку. Но айтишников с хорошими скиллами сегодня ценят, а если они еще имеют навык промпт-инжиниринга  — вообще цены им нет.

Мое видение таково: ИИ-инструменты действительно хороши, но пока нужен тот, кто с ними работает.

Развитие всего в мире идет по экспоненте, то есть приближается к некоторому пределу. LLM быстро преодолели путь от сумбура до рабочего кода, но дальнейший прогресс, скорее всего, замедлится.

Во-первых, существующие нейронки обучались на информации всего интернета, и теперь для роста им нужен еще один интернет. Пока это нереально.

Во-вторых, наполнение интернета информацией уже сейчас происходит с помощью ИИ-генерации, и поздние модели будут обучаться на шлаковых ответах более старых ИИ. Таким образом, качество может ухудшиться.

Итог — учиться программированию нужно. Если сейчас никто не будет этим заниматься, через десять лет нас ждет очередная волна дефицита кадров, потому что старые специалисты будут уходить, а новых толковых не будет.

ИИ где-то после 500 строчек перестает понимать программу в целом и начинает вставлять неработающие костыли, а то и вообще дичь какую-то.

Предположим, без увеличения вычислительной мощности нейросети смогут оптимизировать до 1000 строк. А дальше — квадратичная зависимость, лежащая в основе трансформеров  : для увеличения понимаемого размера фрагмента в два раза нужно повысить мощность графического процессора и память в четыре.

Чтобы модель могла оперировать частями программы в 10 000 строк, нужно будет нарастить ее мощность в 100 раз. А мы уже и так упираемся в закон Мура, техпроцесс развивается все медленнее. Скорее всего, придется брать количеством датацентров и заменой графических процессоров на нейронные.

Такой ИИ сможет генерировать не самые тривиальные микросервисы и более-менее дружить их между собой, но это точно будет стоить не меньше, чем зарплата хорошего программиста, так как все эти датацентры будут потреблять примерно столько же энергии, сколько сейчас — все человечество.

И даже когда мощность вырастет в 100 раз, оперировать сложными проектами в миллионы строк кода сможет только человек — хоть и медленнее, чем ИИ.