Почему нейросети пока не могут заменить разработчиков

Ажиотаж вокруг нейросетей не утихает. Алгоритмы ИИ торгуют на биржах, водят автомобили, помогают расследовать преступления и сочиняют музыку в стиле Егора Летова. В общем, передаем привет Уиллу Смиту с фильмом «Я, робот», и начинаем вежливо здороваться с умной техникой, в расчете на пощаду после восстания машин.

Дело идет к тому, что искусственный интеллект скоро заменит представителей любых профессий, не пощадив даже папиков-программистов. Стоит ли этого бояться? Как быстро нейросети прокачаются хотя бы до уровня джунов? Начнется ли борьба за работу и выживание? Разберемся вместе с наставниками IT-школы TeachMeSkills!

Copilot и ChatGPT — самые вероятные «заменители» прогеров

Возможности ИИ ограничены двумя вещами — вычислительными мощностями для их тренировок и временем. Научить компьютер анализировать фото и отличать Моне от Мане можно минут за 20. Самые хайповые, дерзкие и интересные большинству программистов «нейронки» — ChatGPT и Copilot. Первая банально на слуху, а вторая создана специально для облегчения труда девелоперов:

Нейросеть Copilot полностью соответствует своему названию — это второй пилот, напарник и виртуальный коллега. Умная надстройка способна анализировать код и предлагать варианты его продолжения в виде отдельных фрагментов и целых функций.
ChatGPT, наоборот, играет роль нейронной сети общего профиля. Она отвечает на вопросы пользователей, применяя обширную базу данных. Помощь в разработке компьютерных систем на уровне начинающего программиста — лишь одна из опций чат-бота.

Нейросеть Copilot полностью соответствует своему названию — это второй пилот, напарник и виртуальный коллега. Умная надстройка способна анализировать код и предлагать варианты его продолжения в виде отдельных фрагментов и целых функций.

ChatGPT, наоборот, играет роль нейронной сети общего профиля. Она отвечает на вопросы пользователей, применяя обширную базу данных. Помощь в разработке компьютерных систем на уровне начинающего программиста — лишь одна из опций чат-бота.

«Глобально, речь идет о двух интеллектуальных системах, заточенных под разные задачи. Если Copilot — сугубо для программирования и написания кода, то ChatGPT — про все и сразу», — Максим Степанович, наставник курса «Machine Learning» в TMS.

Три проблемы нейросетей

Индийская компания Duukan из сферы техподдержки уволила 90% сотрудников и заменила их искусственным интеллектом. Американское издание BuzzFeed сократило 180 журналистов из-за алгоритмов ML. Пермская команда Xsolla избавилась от 150 специалистов, потому что нейросеть посчитала их «малопродуктивными».

Статистика тревожная, но программистов она не касается. Существуют по меньшей мере три причины, не позволяющие алгоритмам искусственного интеллекта выживать девелоперов из насиженных профессиональных гнезд. Сегодня ИИ выступает лишь в роли инструмента, помогающего справляться с интеллектуальной рутиной.

1. Слабое понимание контекста

Нейронная сеть не осознает контекст проекта, для которого она пишет код, несмотря на все усилия создателя промпта (умного запроса — набора инструкций, используемого для генерации нужного результата). Машина не понимает суть глобальной задачи и не разбирается в деталях реализации модулей, входящих в состав продукта. Если на выходе специалисту удается получить нечто рабочее — скорее всего, код сильно забагован, ужасно уязвим и слабо оптимизирован.

«Разработчик не просто пишет код — он его придумывает, внедряет, оптимизирует, подставляет костыли и так далее. Если взять простую задачу — например, сделать элементарный скрипт или написать HTML-страничку — нейросеть с ней справится, но только после детального разъяснения условий. Человеку, который сам не осознает, в чем суть задания, не помогут никакие инструменты — ChatGPT, Copilot или их аналоги», — Максим Степанович, наставник курса «Machine Learning» в TMS.

2. Законодательство и ответственность

Ответственность за вред, причиненный искусственным интеллектом — тема глубокая, деликатная и противоречивая:

как определить степень вины автопилота, влепившего легковушку в грузовик на скорости свыше 120 км/ч?
можно ли судить разработчика врачебного софта, внезапно отправившего человека на операцию по неправильному диагнозу?
с кем разбираться инвесторам, потерявшим деньги из-за сбоев в работе ботов-трейдеров?

До тех пор, пока юристы и специалисты по этике не найдут ответы на эти вопросы, о повальном внедрении нейросетей в разные профессии можно забыть. Поэтому алгоритмы машинного обучения остаются инструментами — для расшифровки звонков, поиска ошибок в коде и автоматизации рутины. С течением времени все может поменяться, но точно не в ближайшие 5-10 лет.

«Мы дали машине право выбора, что привело к неприятным последствиям — кто будет отвечать? Разработчик? Нет. Компьютер? Нет, его не накажешь. Примерно так сейчас дела обстоят с американскими автопилотами — в одних штатах они разрешены, в других — запрещены. Приложения есть, но пользоваться ими тяжело. Случись что, виновным станет человек, а брать на себя ответственность никто не хочет», — Максим Степанович, наставник курса «Machine Learning» в TMS.

3. Скептицизм пользователей

Человеческая история знает немало открытий, к которым люди на старте относились скептически. Теория Дарвина, газовое освещение Лебона, паровые двигатели Фултона, песни «Инстасамки» — все это казалось вздором, а затем превращалось в мировое достояние. Аналогично сегодня обстоят дела с алгоритмами ИИ. Пока в них банально не верят или считают чем-то опасным.

«Любые нововведения требуют проверки временем. Люди не воспринимали радио или, например, компьютеры, считая их дорогими и непонятными. Затем изобретения приживались — пользователи переставали задавать вопросы о том, зачем они нужны и насколько безопасны.

Когда был бум мобильных телефонов, все говорили, что устройства могут передавать микроволны в человеческий мозг. Сейчас смартфон есть у каждого, и никто от этого не страдает. Когда появились вышки 5G, сеть наполнилась слухами об их вредном воздействии на иммунитет. В итоге линии, раздающие быстрый интернет, стоят во всех крупных городах, а с людьми ничего не происходит. С нейросетями ситуация та же», — Максим Степанович, наставник курса «Machine Learning» в TMS.

Оптимистичные выводы

Все три обозначенные проблемы рано или поздно найдут свои решения, но случится это лет через десять. Пока искусственный интеллект преподносят и используют в качестве инструмента для оптимизации и улучшения качества работы. Полностью заменить разработчиков он не может, даже если речь идет о джунах.

Учись, развивайся, узнавай что-то новое и прокачивай скиллы — тогда ни одна интеллектуальная система тебе страшна не будет. Можешь поступить по-другому — перейти на сторону зла и начать писать свои «нейронки», пройдя курс молодого ML-инженера в школе TeachMeSkills!

Над материалом работал Михаил Агеев

Понравился материал? Поделись им с друзьями!

Стань востребованным IT специалистом

Наша цель — дать тебе знания и опыт, достаточные для трудоустройства в крупнейшие IT компании.