Вообще, хотелось бы хоть где-то увидеть, что вот такая-то компания решила использовать у себя ИИ и в результате сэкономила столько-то денег.
Всё что есть сейчас - это экономия за счёт сокращения рабочих мест. Причем нет никакой уверенности, что эти сокращения были оправданны. Вполне возможно, что в будущем придется опять набирать персонал, т.к. ИИ не справляется.
Соглашусь с автором, что знание алгоритмов и Computer Science позволяет лучше понимать, что происходит "под капотом" у языка программирования, какие типы данных для чего используются и как избежать распространенных ошибок с неверной оценкой сложности алгоритмов. Базовые вещи действительно неплохо бы понимать. Но тут главное не переусердствовать, и уже в реальной работе, там где это возможно, стараться обходиться готовыми решениями, без написания "велосипедов".
Возможно это индивидуально всё, спорить не буду. В моём случае, надо где-то не реже чем раз в пол-года всё по новой повторять, чтобы не забыть, а это без ясной мотивации довольно проблематично сделать.
Хотя конечно если не целиться на бигтех, где по 5 техсобесов с хард-задачками, которые надо решить без ошибок за минимальное время, то всё попроще. Базовый уровень и основные алгоритмы, думаю вполне можно запомнить надолго.
Сильно демотивирует, когда через какое-то время, уже ничего из этих задач не помнишь. В реальной работе эти знания не используются, поэтому надо их постоянно тренировать, чтобы просто не забыть. Как это всё совмещать с работой над реальным проектом и каким-то отдыхом после работы - решительно непонятно.
Можно ли "вайбкодингом" разработать большое и сложное приложение. Да можно.
Только для этого придется разбить структуру приложения на отдельные блоки и описать связь между ними.
И кто же на такое способен...? Ответ: "архитектор ПО", т.е. человек из высшей иерархии IT-специалистов.
Да, тут автор верно подметил. На данный момент, ИИ не способен принимать осознанные архитектурные решения. Если четко не указать нужную структуру программы, требуемые технологические решения, используемые фрейворки, то в итоге можно получить настоящий "винегрет" из кода, который даже может будет работать, но это не точно.
Для себя выработал такой подход:
Держать контекст выполнения запроса настолько маленьким, насколько это возможно. Если нужно что-то исправить, то делать это в отдельном запросе, потому что пару раз попросите исправить ошибку и всё - контект размоется и ИИ потеряет нить рассуждения.
В кодовой базе иметь некий Markdown файл, где бы хранилось описание программы, текущее состояние разработки, какая часть функционала реализована, а какая нет, используемые технологии, ссылки на документацию (например в отдельных Markdown файлах), описание важных частей кода и т.д. В начале можно попросить ИИ создать такой файл и потом обновлять его. Это позволит ИИ оставаться сфокусированным на задаче и не терять нить рассуждений между запросами.
Ну и всегда иметь перед глазами написанный код, чтобы понять когда ИИ пошел не туда куда надо и оперативно исправить ситуацию.
Да, невозможность апгрейда в новых Mac-ах это прямо фатальный недостаток, производительные модели с достаточным объёмом ОЗУ стоят каких-то неадекватных денег.
по хорошему, тут конечно некая дифференциация должна быть по секторам экономики. условно $100k - базовая граница, $150k - ИТ-сектор и т.д. но всё равно, даже рассматриваемое повышение границы и ранжирование по размеру зарплаты - это куда лучше чем низкий порог по зарплате и лотерея с 30% шансом на получение визы. тогда кандидаты с большим опытом работы могли бы сразу подаваться на H1B.
Так дело в том, что просто нет у них модели с актуальными на 2025 год характеристиками. Если бы для модели скажем с 16 GB RAM, 2TB постоянной памяти, топовым Snapdragon, они просили бы x2 от рынка - это был бы совсем другой вопрос. А покупать морально устаревшее железо за хороший такой прайс - это непонятно зачем.
Так у него крайне посредственные характеристики, на 2025 год - 256GB storage и 8GB RAM, записи видео в 4k@60fps нет, да еще только с одной физической sim-картой. Для кого это вообще сделано? Если для энтузиастов, то почему не предоставить модель на уровне флагманов?
Так смысл в найме джуна в том, что за полгода-год он сможет обучиться и начать приносить компании прибыль, а ИИ-модели то ведь не обучатся, так и останутся на уровне джуна.
Они же айтишники, а не рабочие на урановом руднике. Что может произойти от года работы за компом, чтобы был значительный вред здоровью?
Был схожий опыт работы с утра до ночи программистом. Через какое-то время, месяц-два, перестаешь понимать что ты и где ты, даже уснуть проблема, т.к. мысли как шли в голове полным ходом так и идут, несмотря на усталость. В итоге для себя решил, что оно того не стоит.
Вероятность ошибки многократно возрастёт. Одно дело самому написать код, когда погружен в контекст задачи, и совсем другое когда надо смотреть чужой код. Причём автогенерированный код, даже некорректный - очень правдоподобно выглядит, вот прямо как рабочий, но не работает по факту.
Неужели коллеги никогда не давали на ревью нагенеренный чатом-гпт код? Вайб-кодинг и вот это всё сейчас очень популярно, особенно среди джунов. Причем популяризуется повсеместно.
Дело в том, что отовсюду постоянно идёт информация как замечателен ИИ и как он отлично помогает в работе. Бизнес, наслушавшись подобного хайпа, начинает это везде внедрять, не особо интересуясь мнением специалистов, а технология-то ещё очень сырая. Эффективность зачастую не то, что в плюс - в минус может уйти. По итогу приходится с этим всем как-то жить, занимаясь не только своей работой, но ещё и следя и исправляя ошибки за ИИ.
ведь теперь 1 разработчик с 2-3 подписками на ИИ заменяет 2-3 других разрабов из-за увеличений продуктивности.
это то, что пытаются продать, не более. в реальности там +10-15% к производительности и то скорее за счёт потери хард-скиллов разработчиком из-за вайбкодинга.
Вообще, хотелось бы хоть где-то увидеть, что вот такая-то компания решила использовать у себя ИИ и в результате сэкономила столько-то денег.
Всё что есть сейчас - это экономия за счёт сокращения рабочих мест. Причем нет никакой уверенности, что эти сокращения были оправданны. Вполне возможно, что в будущем придется опять набирать персонал, т.к. ИИ не справляется.
Соглашусь с автором, что знание алгоритмов и Computer Science позволяет лучше понимать, что происходит "под капотом" у языка программирования, какие типы данных для чего используются и как избежать распространенных ошибок с неверной оценкой сложности алгоритмов. Базовые вещи действительно неплохо бы понимать. Но тут главное не переусердствовать, и уже в реальной работе, там где это возможно, стараться обходиться готовыми решениями, без написания "велосипедов".
Возможно это индивидуально всё, спорить не буду. В моём случае, надо где-то не реже чем раз в пол-года всё по новой повторять, чтобы не забыть, а это без ясной мотивации довольно проблематично сделать.
Хотя конечно если не целиться на бигтех, где по 5 техсобесов с хард-задачками, которые надо решить без ошибок за минимальное время, то всё попроще. Базовый уровень и основные алгоритмы, думаю вполне можно запомнить надолго.
Сильно демотивирует, когда через какое-то время, уже ничего из этих задач не помнишь. В реальной работе эти знания не используются, поэтому надо их постоянно тренировать, чтобы просто не забыть. Как это всё совмещать с работой над реальным проектом и каким-то отдыхом после работы - решительно непонятно.
Да, тут автор верно подметил. На данный момент, ИИ не способен принимать осознанные архитектурные решения. Если четко не указать нужную структуру программы, требуемые технологические решения, используемые фрейворки, то в итоге можно получить настоящий "винегрет" из кода, который даже может будет работать, но это не точно.
Для себя выработал такой подход:
Держать контекст выполнения запроса настолько маленьким, насколько это возможно. Если нужно что-то исправить, то делать это в отдельном запросе, потому что пару раз попросите исправить ошибку и всё - контект размоется и ИИ потеряет нить рассуждения.
В кодовой базе иметь некий Markdown файл, где бы хранилось описание программы, текущее состояние разработки, какая часть функционала реализована, а какая нет, используемые технологии, ссылки на документацию (например в отдельных Markdown файлах), описание важных частей кода и т.д. В начале можно попросить ИИ создать такой файл и потом обновлять его. Это позволит ИИ оставаться сфокусированным на задаче и не терять нить рассуждений между запросами.
Ну и всегда иметь перед глазами написанный код, чтобы понять когда ИИ пошел не туда куда надо и оперативно исправить ситуацию.
Да, невозможность апгрейда в новых Mac-ах это прямо фатальный недостаток, производительные модели с достаточным объёмом ОЗУ стоят каких-то неадекватных денег.
вот это конечно худшее, что можно представить. джуны вместе с ИИ навайбкодят незнамо что, а потом это всё исправлять..
по хорошему, тут конечно некая дифференциация должна быть по секторам экономики. условно $100k - базовая граница, $150k - ИТ-сектор и т.д. но всё равно, даже рассматриваемое повышение границы и ранжирование по размеру зарплаты - это куда лучше чем низкий порог по зарплате и лотерея с 30% шансом на получение визы. тогда кандидаты с большим опытом работы могли бы сразу подаваться на H1B.
выглядит вполне разумно. странно, что ранее этого ещё не сделали.
Так дело в том, что просто нет у них модели с актуальными на 2025 год характеристиками. Если бы для модели скажем с 16 GB RAM, 2TB постоянной памяти, топовым Snapdragon, они просили бы x2 от рынка - это был бы совсем другой вопрос. А покупать морально устаревшее железо за хороший такой прайс - это непонятно зачем.
Так у него крайне посредственные характеристики, на 2025 год - 256GB storage и 8GB RAM, записи видео в 4k@60fps нет, да еще только с одной физической sim-картой. Для кого это вообще сделано? Если для энтузиастов, то почему не предоставить модель на уровне флагманов?
Но на собеседовании будь готов LeetCode-задачки решать, чтоб прямо от зубов отскакивало.
Так смысл в найме джуна в том, что за полгода-год он сможет обучиться и начать приносить компании прибыль, а ИИ-модели то ведь не обучатся, так и останутся на уровне джуна.
Был схожий опыт работы с утра до ночи программистом. Через какое-то время, месяц-два, перестаешь понимать что ты и где ты, даже уснуть проблема, т.к. мысли как шли в голове полным ходом так и идут, несмотря на усталость. В итоге для себя решил, что оно того не стоит.
Даже за x10 от рынка большой вопрос, а надо ли это. Ведь можно за год такой потогонки сильно испортить здоровье. И что потом делать?
Вероятность ошибки многократно возрастёт. Одно дело самому написать код, когда погружен в контекст задачи, и совсем другое когда надо смотреть чужой код. Причём автогенерированный код, даже некорректный - очень правдоподобно выглядит, вот прямо как рабочий, но не работает по факту.
Неужели коллеги никогда не давали на ревью нагенеренный чатом-гпт код? Вайб-кодинг и вот это всё сейчас очень популярно, особенно среди джунов. Причем популяризуется повсеместно.
Дело в том, что отовсюду постоянно идёт информация как замечателен ИИ и как он отлично помогает в работе. Бизнес, наслушавшись подобного хайпа, начинает это везде внедрять, не особо интересуясь мнением специалистов, а технология-то ещё очень сырая. Эффективность зачастую не то, что в плюс - в минус может уйти. По итогу приходится с этим всем как-то жить, занимаясь не только своей работой, но ещё и следя и исправляя ошибки за ИИ.
Для датацентров это особо значения не имеет. Основное назначение технологии - это явно не домашнее использование.
это то, что пытаются продать, не более. в реальности там +10-15% к производительности и то скорее за счёт потери хард-скиллов разработчиком из-за вайбкодинга.