Ирония в том, что интервьювер не может выйти за рамку "проблема-исследование-решение-результат". Он не готов услышать, что "проблема" – это уже результат так называемого проблем-фрейминга применительно к ситуации. И когда начинаешь рассказывать о ситуации, интервьювер вообще не понимает о чём это. Ему надо "мне спустили такую-то задачу, я опросил стольких-то пользователей, переделал кнопку, конверсия увеличилась".
Если во время рабочего дня приходится готовить еду, загружать стирку, гулять с собакой, развешивать бельё – может быть дело не во "врождённом" СДВГ?
Изначально программисты сидели в офисах с мирно жужжащими машинами и спокойно программировали весь рабочий день. Затем кто-то догадался посадить их в один open space со службой техподдержки и менеджерами, непрерывно разговаривающими по телефону. Затем этого показалось мало, и программистов стали подключать к видеоконференциям по 2-3 раза в день.
Очевидно, что эргономика современного офиса (да и удалёнки) несовместима с такими видами деятельности, как программирование и проектирование.
По идее, человек должен лучше нейросети знать как будет работать новая фича и как её оптимизировать, – именно это человек должен рассказать нейросети. Иначе нейросеть применит банальное решение сомнительного качества. Её ведь именно на таком тренировали.
Я когда обсуждаю с нейронкой архитектуру проекта, на каждое её предложение нахожу своё "но ведь тогда не будет работать это" и слышу в ответ "да, вы совершенно правы, я это упустил".
Качество найма действительно сломалось – все ищут опытного специалиста, а на собеседовании устраивают ему экзамен как студенту: "покажите что был за продукт, кто пользователи, какую проблему вы решали, какие исследования проводили, какова была ваша роль, объясните своё решение, какие были сложности, каков результат для бизнеса" – это прям по сценарию обучающего мастер-класса на каких-нибудь курсах "войти в айти за 3 месяца". В реальной жизни компании так не работают. Специалист сам находит возможность роста/улучшения продукта, нередко путём переворота всей информационной архитектуры или переводом на новый фреймворк. Никто ему такую задачу не ставил. Роль его была в изобретении нового подхода. Всё это не укладывается в стандартную экзаменационную схему для студентов.
На моей прошлой работе полгода активно внедряли ИИ для программистов и дизайнеров. Сейчас смотрю продукт – фичи, спроектированные ещё до внедрения ИИ, так до сих пор и не вышли в прод. Зато появились глюки в ранее нормально работающей фиче.
Наверное, Вы сами понимаете, что Ваши проекты – не работа мечты, на которую слетаются программисты-звёзды. Поэтому и качество услуг, которые Вам оказывали, соответствующее. Если в целом качество вас устраивало, но не устраивали сроки и цены, то ИИ – действительно, лучший выход (пока не задрали цены). ИИ натренирован на базе данных говнокода писать говнокод, компилировать, исправлять ошибки, и так по кругу, пока не запустится. В принципе, для многих задач этого достаточно.
Костыль усиливает калеку, а здорового замедляет. Я не про физическое, а умственное состояние человека. ИИ дотянет до среднего уровня в том, в чём ты плох. А в чём ты хорош, ИИ тебе только помешает.
Для себя я сформировал представление об ИИ как "усилитель способностей человека".
Нейросеть не усиливает, а подтягивает к среднему by design. Если в какой-то области способности человека ниже среднего, то нейросеть их усилит. Если в другой области способности человека выше среднего, то нейросеть будет тянуть вниз.
Собственно, в конце 1950-ых ИИ для того и создавался, чтобы заменить нерадивых менеджеров на предприятиях General Electric и начать принимать верные управленческие решения.
Но сейчас обезьяны получили в руки гранаты, и своих позиций уже не уступят. Наше будущее – это Планета Обезьян :)
Да, с некоторыми задачами старые модели справлялись лучше.
И да, промпты – это не специфический навык общения с нейросетью, это компетенции в предметной области той задачи, которая решается. Например, при генерации «фотореалистичных» изображений в промптах указывают фокусное расстояние линзы, тип источников света, их цветовую температуру и тому подобное. Это область знания из фотографии, а не из «умения общаться с ИИ».
отличный пример – чтобы объяснить нейросети как именно следует решать задачу, нужно обладать соответствующими компетенциями (то есть уметь делать это вручную). А неофиты из секты свидетелей ИИ такими компетенциями не обладают
Да, пока что ИИ лучше всего справляется с транскрипцией речи. Мне в университете на кафедре автоматизации и интеллектуализации ещё в 1996 году куратор группы предлагал взять темой диплома распознавание речи. Исследования активно велись ещё тогда, и за 30 лет человечество наработало достаточно опыта, чтобы технология созрела до нужного уровня. А остальные технологии, где сейчас пытаются применять нейросети, 30 лет назад даже ещё на горизонте не появились (кроме, пожалуй, распознавания образов). Так что до качества, сравнимого с человеческим, ещё очень далеко.
По заданию руководителя продумываю стратегический документ (например, квартальный план для моей команды или методологию аудита продукта). Получаю ответ: «А ты с чатиком советовался? Я закинул твой набросок в чатик, он нашёл недоработки, вот список. Жду исправлений к завтрашнему дню». Ясное дело, все «идеи» чатика нерелевантные и полны взаимных противоречий.
Делаю всё то же самое, но предваряю документ комментарием: «я тут посоветовался с чатиком, докинул контекста, попросил сравнить с конкурентами и оценить с позиции синьор-аналитика, после нескольких итераций мы с чатиком пришли к оптимальному варианту». Получаю ответ: «Ну вот, совсем другое дело! Отличная работа». Ясное дело, никакой искусственный интеллект я не использовал, а просто буквально повторил фразы начальника, которыми он каждый день описывает свои успехи (как ему кажется) применения ИИ.
Если что, такое было пару раз в порядке эксперимента, чтобы понять насколько всё плохо. Когда понял, наши пути разошлись. Симулировать бурную деятельность я не хочу.
Джей Райт Форрестер, с 1956 года профессор в Слоуновской школе менеджмента при МТИ. В этот период разработал теорию системной динамики. Автор книг «Основы кибернетики предприятия» (1961), «Динамика городов» (1969), «Мировая динамика» (1971). Целью создания системной динамики было применить научный и инженерный опыт к выяснению фундаментальных причин успеха и провала корпораций. Возникновение идей, приведших к созданию системной динамики, было спровоцировано его сотрудничеством с компанией General Electric в течение 1950-х. В то время менеджеры GE были озадачены колебаниями числа рабочих на одном из заводов в Кентукки, период которых составлял три года. Бизнес-циклы были признаны недостаточным объяснением этих колебаний. Путём ручного просчета структурной модели завода, включавшей организационную модель принятия решений о найме и увольнении работников, Форрестер сумел показать, что нестабильность числа рабочих была вызвана внутренней структурой фирмы и не была обусловлена никакими внешними факторами (Wiki).
В течение конца 1950-х и начала 1960-х Форрестер с командой аспирантов продвинул системную динамику от ручных вычислений до формального компьютерного моделирования. Весной 1958 Ричард Беннет создал первый язык моделирования методом системной динамики, названный им SIMPLE (Simulation of Industrial Management Problems with Lots of Equations, или Моделирование Проблем Промышленного Менеджмента Совокупностью Уравнений). В 1959 Филлис Фокс и Александр Пух написали первую версию DYNAMO (DYNAmic MOdels), улучшенную версию SIMPLE, вследствие чего язык системной динамики стал промышленным стандартом на следующие тридцать лет.
До конца 1960-х системная динамика применялась исключительно к корпоративно-управленческим проблемам.
Ирония в том, что интервьювер не может выйти за рамку "проблема-исследование-решение-результат". Он не готов услышать, что "проблема" – это уже результат так называемого проблем-фрейминга применительно к ситуации. И когда начинаешь рассказывать о ситуации, интервьювер вообще не понимает о чём это. Ему надо "мне спустили такую-то задачу, я опросил стольких-то пользователей, переделал кнопку, конверсия увеличилась".
Если во время рабочего дня приходится готовить еду, загружать стирку, гулять с собакой, развешивать бельё – может быть дело не во "врождённом" СДВГ?
Изначально программисты сидели в офисах с мирно жужжащими машинами и спокойно программировали весь рабочий день. Затем кто-то догадался посадить их в один open space со службой техподдержки и менеджерами, непрерывно разговаривающими по телефону. Затем этого показалось мало, и программистов стали подключать к видеоконференциям по 2-3 раза в день.
Очевидно, что эргономика современного офиса (да и удалёнки) несовместима с такими видами деятельности, как программирование и проектирование.
То-то и оно! ИИ ускоряет ту работу, которую ты не умеешь хорошо делать. Если умеешь – ты быстрей.
По идее, человек должен лучше нейросети знать как будет работать новая фича и как её оптимизировать, – именно это человек должен рассказать нейросети. Иначе нейросеть применит банальное решение сомнительного качества. Её ведь именно на таком тренировали.
Я когда обсуждаю с нейронкой архитектуру проекта, на каждое её предложение нахожу своё "но ведь тогда не будет работать это" и слышу в ответ "да, вы совершенно правы, я это упустил".
Качество найма действительно сломалось – все ищут опытного специалиста, а на собеседовании устраивают ему экзамен как студенту: "покажите что был за продукт, кто пользователи, какую проблему вы решали, какие исследования проводили, какова была ваша роль, объясните своё решение, какие были сложности, каков результат для бизнеса" – это прям по сценарию обучающего мастер-класса на каких-нибудь курсах "войти в айти за 3 месяца". В реальной жизни компании так не работают. Специалист сам находит возможность роста/улучшения продукта, нередко путём переворота всей информационной архитектуры или переводом на новый фреймворк. Никто ему такую задачу не ставил. Роль его была в изобретении нового подхода. Всё это не укладывается в стандартную экзаменационную схему для студентов.
На моей прошлой работе полгода активно внедряли ИИ для программистов и дизайнеров. Сейчас смотрю продукт – фичи, спроектированные ещё до внедрения ИИ, так до сих пор и не вышли в прод. Зато появились глюки в ранее нормально работающей фиче.
¯\_(ツ)_/¯
Наверное, Вы сами понимаете, что Ваши проекты – не работа мечты, на которую слетаются программисты-звёзды. Поэтому и качество услуг, которые Вам оказывали, соответствующее. Если в целом качество вас устраивало, но не устраивали сроки и цены, то ИИ – действительно, лучший выход (пока не задрали цены). ИИ натренирован на базе данных говнокода писать говнокод, компилировать, исправлять ошибки, и так по кругу, пока не запустится. В принципе, для многих задач этого достаточно.
Костыль усиливает калеку, а здорового замедляет. Я не про физическое, а умственное состояние человека. ИИ дотянет до среднего уровня в том, в чём ты плох. А в чём ты хорош, ИИ тебе только помешает.
вот это и есть meat proxy – лишнее человеческое звено. Пусть студенты сами себя проверяют, это же быстрей
Нейросеть не усиливает, а подтягивает к среднему by design. Если в какой-то области способности человека ниже среднего, то нейросеть их усилит. Если в другой области способности человека выше среднего, то нейросеть будет тянуть вниз.
Собственно, в конце 1950-ых ИИ для того и создавался, чтобы заменить нерадивых менеджеров на предприятиях General Electric и начать принимать верные управленческие решения.
Но сейчас обезьяны получили в руки гранаты, и своих позиций уже не уступят. Наше будущее – это Планета Обезьян :)
Да, с некоторыми задачами старые модели справлялись лучше.
И да, промпты – это не специфический навык общения с нейросетью, это компетенции в предметной области той задачи, которая решается. Например, при генерации «фотореалистичных» изображений в промптах указывают фокусное расстояние линзы, тип источников света, их цветовую температуру и тому подобное. Это область знания из фотографии, а не из «умения общаться с ИИ».
отличный пример – чтобы объяснить нейросети как именно следует решать задачу, нужно обладать соответствующими компетенциями (то есть уметь делать это вручную). А неофиты из секты свидетелей ИИ такими компетенциями не обладают
Всё так. Притом, результат среднего качества (в этом и суть балансировки коэффициентов при обучении модели).
Они плохо распознают русский. Лучше взять модель от Nvidia и крутить её локально.
Да, пока что ИИ лучше всего справляется с транскрипцией речи. Мне в университете на кафедре автоматизации и интеллектуализации ещё в 1996 году куратор группы предлагал взять темой диплома распознавание речи. Исследования активно велись ещё тогда, и за 30 лет человечество наработало достаточно опыта, чтобы технология созрела до нужного уровня. А остальные технологии, где сейчас пытаются применять нейросети, 30 лет назад даже ещё на горизонте не появились (кроме, пожалуй, распознавания образов). Так что до качества, сравнимого с человеческим, ещё очень далеко.
Мой реальный опыт:
По заданию руководителя продумываю стратегический документ (например, квартальный план для моей команды или методологию аудита продукта). Получаю ответ: «А ты с чатиком советовался? Я закинул твой набросок в чатик, он нашёл недоработки, вот список. Жду исправлений к завтрашнему дню». Ясное дело, все «идеи» чатика нерелевантные и полны взаимных противоречий.
Делаю всё то же самое, но предваряю документ комментарием: «я тут посоветовался с чатиком, докинул контекста, попросил сравнить с конкурентами и оценить с позиции синьор-аналитика, после нескольких итераций мы с чатиком пришли к оптимальному варианту». Получаю ответ: «Ну вот, совсем другое дело! Отличная работа». Ясное дело, никакой искусственный интеллект я не использовал, а просто буквально повторил фразы начальника, которыми он каждый день описывает свои успехи (как ему кажется) применения ИИ.
Если что, такое было пару раз в порядке эксперимента, чтобы понять насколько всё плохо. Когда понял, наши пути разошлись. Симулировать бурную деятельность я не хочу.
Как кандидат, я готов заплатить кадровому агентству с хорошей репутацией. Бывают такие?
Вы всё правильно говорите. А критическое мышление тут при том, что без него за "величайшие умы человечества" принимают таких персонажей:
Джей Райт Форрестер, с 1956 года профессор в Слоуновской школе менеджмента при МТИ. В этот период разработал теорию системной динамики. Автор книг «Основы кибернетики предприятия» (1961), «Динамика городов» (1969), «Мировая динамика» (1971). Целью создания системной динамики было применить научный и инженерный опыт к выяснению фундаментальных причин успеха и провала корпораций. Возникновение идей, приведших к созданию системной динамики, было спровоцировано его сотрудничеством с компанией General Electric в течение 1950-х. В то время менеджеры GE были озадачены колебаниями числа рабочих на одном из заводов в Кентукки, период которых составлял три года. Бизнес-циклы были признаны недостаточным объяснением этих колебаний. Путём ручного просчета структурной модели завода, включавшей организационную модель принятия решений о найме и увольнении работников, Форрестер сумел показать, что нестабильность числа рабочих была вызвана внутренней структурой фирмы и не была обусловлена никакими внешними факторами (Wiki).
В течение конца 1950-х и начала 1960-х Форрестер с командой аспирантов продвинул системную динамику от ручных вычислений до формального компьютерного моделирования. Весной 1958 Ричард Беннет создал первый язык моделирования методом системной динамики, названный им SIMPLE (Simulation of Industrial Management Problems with Lots of Equations, или Моделирование Проблем Промышленного Менеджмента Совокупностью Уравнений). В 1959 Филлис Фокс и Александр Пух написали первую версию DYNAMO (DYNAmic MOdels), улучшенную версию SIMPLE, вследствие чего язык системной динамики стал промышленным стандартом на следующие тридцать лет.
До конца 1960-х системная динамика применялась исключительно к корпоративно-управленческим проблемам.