Microsoft уволил 9000 разработчиков. Среди них — создатели ИИ-инструментов, которыми их же и заменили. Это не единичный случай: по всему миру программисты массово игнорируют искусственный интеллект, считая его игрушкой или угрозой. Владимир Крылов — доктор технических наук, лектор на канале Ai4Dev по применению ИИ в разработке ПО — видел рождение первых языков программирования и теперь наблюдает, как индустрия стоит на пороге радикальной трансформации. В интервью он объясняет парадокс: почему ИИ действительно замедляет работу в legacy-проектах, но при этом промпт-инжиниринг уже мертв, а на смену ему пришел контекст-инжиниринг. Рассказывает о темных фабриках без единой лампочки и о том, почему сегодня умение проводить мысленные эксперименты важнее знания Python.

Главный вопрос: если вам сегодня 20 лет, что выбрать — курсы по React или философский факультет? Ответ ниже.

Владимир Владимирович, вы общаетесь со многими разработчиками. Что лежит в основе их скепсиса по отношению к искусственному интеллекту — профессиональная гордость, страх потерять работу или искренняя вера в незаменимость человеческого интеллекта при создании сложных систем?

Скепсис действительно является наиболее распространенной формой отношения к искусственному интеллекту, вторгшемуся в профессиональную сферу программирования. Сначала были демонстрации способностей ChatGPT писать код, затем появилась интеграция Copilot и другие инструменты. Но всегда казалось, что это ограничится генерацией коротких фрагментов кода и не станет серьезной угрозой для работающих программистов.

Все три названные вами причины актуальны и работают одновременно. Профессиональная гордость — неотъемлемая часть корня, из которого растет скепсис. Большинство программистов, посмотрев на чужой код, говорят: «Какая дрянь, я бы написал лучше». Это автоматически распространяется и на код, сгенерированный искусственным интеллектом. Высокая самооценка и убежденность в собственном профессионализме лежат в основе скептического отношения к ИИ. Хотя это относится не только к искусственному интеллекту — попробуйте противопоставить любому программисту другого специалиста, и реакция будет похожей.

Страх потерять работу более специфичен. Редко разработчик опасался, что новый член команды вытеснит существующих сотрудников. Но когда появляется нечто бестелесное, некий дух, это вызывает больший страх. Ведь это действительно бестелесная сущность — у нее нет тела, в глаза ей не посмотришь. Это порождает страх, что начальник может решить заменить человека искусственным программистом.

Третий фактор — нерациональное убеждение в абсолютном превосходстве человека, представление о том, что человек — вершина природы. Это убеждение основано на ощущении, а не на научном понимании человеческого интеллекта. Мы должны отдавать себе отчет: если где-то во Вселенной возник человеческий разум, он мог возникнуть еще раз. И нет оснований полагать, что такой разум не может быть создан руками людей. Искусственный интеллект уже появился.

Meta (признана в РФ экстремистской и запрещена) провела исследование: ИИ-инструменты вроде Copilot и Cursor Pro не ускоряют, а замедляют работу опытных разработчиков (вместо ожидаемых +24% продуктивности получили –19%). Разработчики больше тратят время на запросы и отклик, чем на код. Это реальность или надуманный вывод?

Я прочитал эту статью сразу после получения доступа к ней. Для меня этот факт совершенно очевиден: если речь идет о проекте, в котором люди работают в течение года, маловероятно, что искусственный интеллект сделает что-то быстрее. Это как если бы к команде привели победителя олимпиады по программированию или человека, которого Цукерберг принял с окладом в сто миллионов долларов годовых. Когда ты долго работаешь над чем-то, ты понимаешь все с полуслова и гораздо глубже.

Я не сомневаюсь в результатах исследования. Вопрос в том, что именно оценивалось. По существу оценивалось следующее: новый персонаж, в данном случае не человек, которого привлекли к работе, сравнивается с человеком, который давно и глубоко погружен в проект. Сравнивать нужно совсем другое — два совершенно новых проекта. В один проект берется опытный человек без ИИ, в другой — человек с инструментарием искусственного интеллекта. Вот что нужно сравнивать.

Если вы давно работаете в проекте, никакой новый персонаж или инструмент не принесет что-то новое. Разве что он будет печатать комментарии и документацию под вашу диктовку. Но большинство скажет: «Я на клавиатуре работаю быстрее, чем произношу эти же фразы».

Скептики часто говорят, что ИИ генерирует сырой неоптимальный код, который все равно придется исправлять человеку. В своих лекциях, которые доступны на нашем канале, вы упоминали, что и люди не всегда понимают чужой код. Где проходит грань между действительно плохим кодом и просто другим, непривычным для человека подходом к решению задачи?

Я застал эпоху создания первых языков программирования и помню язык APL, где пузырьковую сортировку можно было записать девятнадцатью символами. Тогда господствовала идея, что лучший язык — самый лаконичный. Создавались специальные клавиатуры с экзотическими символами. Но эти языки не выжили. Практика привела нас к читаемым скриптам на основе латиницы с минимумом служебных символов.

После десятилетий преподавания и работы в индустрии я пришел к простому выводу: хороший код — это код, который решает задачи пользователя. Можно бесконечно спорить об архитектуре, поддерживаемости и модифицируемости. Но если приложение работает отлично и пользователи довольны, стоит ли тратить месяцы на рефакторинг ради абстрактных идеалов качества?

Мне импонируют разработчики, чей код приносит реальную пользу. При этом важно помнить о разных категориях пользователей — от конечных потребителей до DevOps-инженеров, которые будут поддерживать систему. Качественный код удовлетворяет потребности всех участников процесса.

Вопрос безопасности решается современными инструментами автоматически. Системы на основе генеративного ИИ уже включают механизмы обнаружения уязвимостей и подозрительных паттернов. Они находят и исправляют проблемы на всех уровнях кода быстрее и тщательнее, чем это делал бы человек. Результат — устойчивый и безопасный код, создание которого традиционными методами заняло бы значительно больше времени.

Если ИИ берет на себя реализацию — отвечает на вопрос «как», а человек сосредотачивается на постановке задачи — вопросе «что», не превращается ли программист из творца-инженера в оператора промптов? Не приведет ли это к деградации инженерных навыков?

Мы находимся на этапе, когда промпт-инжиниринг как явление затухает и уступает место контекст-инжинирингу. Это принципиально новый подход, для которого уже появились методические пособия и первый учебник.

Ключевое отличие контекст-инжиниринга от промпт-инжиниринга заключается в глубине работы с задачей. Это уже не простое «заклинание», которое нужно произнести в надежде получить хороший код. Контекст-инжиниринг требует от специалиста указать, где и с помощью каких инструментов система искусственного интеллекта должна найти данные для включения в контекст для понимания структурыбудущего решения и требования к нему. Вы должны конструктивно включить в контекст  описать архитектуру кода, сформулировать ключевые требования к генерируемому решению, задать параметры качества.

Сегодня контекст-инжиниринг заменяет процедурную часть программирования — описание последовательности шагов для достижения цели. Раньше программист держал цель в голове и материализовал процесс ее достижения через код. Теперь детальное представление о шагах действительно начинает исчезать.

Но можно ли назвать это деградацией инженерных навыков? Обратимся к определению. Деградация — это регресс, движение назад, утрата сложных свойств. В биологии деградация — естественный процесс упрощения строения и функций организмов под влиянием изменившихся условий среды.

Если говорить о деградации инженерных навыков, то именно в биологическом смысле. Навыки трансформируются: с одной стороны, упрощается детализация процессов кодирования, с другой — усложняется работа с формулировкой контекста и постановкой задачи. Это эволюция, а не деградация. Программист остается творцом-инженером в изменившихся условиях. Как в эволюции человека аппендикс потерял функцию, а копчик остался вместо хвоста — так и в профессии программиста одни навыки уступают место другим, более актуальным.

Кто несет юридическую и моральную ответственность, если код, сгенерированный ИИ, содержит ошибки? Компания, разработчики, инженер, написавший промпт, или сам искусственный интеллект?

Когда искусственный интеллект участвует в разработке кода для программируемых логических схем, ошибка в самом коде редко становится причиной аварий. Чаще проблема кроется в недостатках процесса разработки — отсутствии должного тестирования или неполноте тестовых сценариев.

Ответственность за некачественный код уже определена существующими нормами. Когда падает самолет или происходит авария с автомобилем — беспилотным или обычным — и выясняется, что причина в программной ошибке, ответственность несет тот, кто взял контракт на разработку. Юридической сложности здесь нет.

Искусственный интеллект — это инструмент, один из членов вашей команды. Если человек-разработчик допустил ошибку, вы же не расстреляете его. А искусственный интеллект в случае неудачи можно просто удалить — возможно, это даже принесет больше морального удовлетворения.

Вы говорили, что промпт на естественном языке — это тоже код. Означает ли это медленную смерть формальных языков программирования вроде Python, Java или C++? Останутся ли они нишевым инструментом для низкоуровневой работы, подобно современному Assembler?

Эти языки останутся для нишевой работы, но не обязательно низкоуровневой. Всегда будут существовать легаси-системы — устаревшие, но критически важные для бизнеса. Недавно искали специалистов по COBOL, поскольку огромное количество систем Всемирного банка и других организаций написаны на этом языке еще в незапамятные времена.

Python и Java сохранятся там, где на них написаны важные системы, требующие поддержки. Даже хорошо работающие системы нуждаются в обслуживании — что-то дописать, что-то изменить в связи с новыми требованиями. Эти языки останутся нишевыми, но их роль будет отличаться от роли Assembler в современной разработке.

Вы много говорили о программировании различных субстратов — от кремния до ДНК и живых нейронов. Для многих это звучит как научная фантастика. Какой реалистичный первый шаг мы увидим в этой области за пределами лабораторий в ближайшие пять-десять лет?

Думаю, это произойдет раньше. Сейчас идет мощная атака на проблему квантовых вычислений. Главное препятствие — невозможность для обычного специалиста, не физика, формулировать задачи для квантового компьютера. Физики разрабатывают схемы на кубитах и управляют квантовой запутанностью, но не всегда понимают прикладные задачи, которые можно решить на квантовом компьютере.

IBM и D-Wave активно внедряют языковые модели для программирования квантовых компьютеров. D-Wave особенно впечатляет скоростью освоения этой технологии. Квантовые системы станут первым альтернативным субстратом, для которого массово будут разрабатываться программные средства с помощью языковых моделей. Это произойдет в самое ближайшее время.

Что делать людям сегодня? Куда смотреть, что изучать, где искать работу? Проблема нарастает: крупные корпорации массово сокращают сотрудников под предлогом внедрения искусственного интеллекта. Microsoft, где вы когда-то работали, недавно уволил девять тысяч человек, включая тех, кто разработал инструменты ИИ и фактически сам себя заменил. Их уволили, а созданный ими инструментарий теперь выполняет их работу. Как подготовиться, чтобы не остаться на обочине и не просить милостыню в переходе?

Вопрос, конечно, сложный. Подготовиться к столь динамичным процессам в области технологий практически невозможно. Недаром сформулированы гипотезы о технологической сингулярности — мы уже вступили в эту эпоху.

Экспонента — очень коварная математическая функция. Помните легенду о мудреце и шахматной доске? Мудрец попросил в награду положить на первую клетку одно зернышко пшеницы, на вторую — два, на третью — четыре, и так далее, каждый раз удваивая количество. Правитель согласился, думая, что это пустяк. Но когда подсчитали, оказалось, что всех запасов зерна в государстве не хватит для выполнения этого условия. Вот что такое экспоненциальный рост.

Предсказывать будущее на основе экспоненциальных моделей практически невозможно. Коридор вероятностей расширяется с каждым шагом настолько стремительно, что в конечном итоге охватывает весь спектр возможностей. Вы начинаете с разумных ограничений — законы физики нельзя нарушить, энергия не бесконечна. Но по мере развития экспоненты диапазон возможных сценариев становится настолько широким, что теряется всякая предсказуемость. Остается только исходное допущение: в принципе возможно все.

В такой ситуации могу дать только один универсальный совет: сохраняйте и развивайте способность учиться. Используйте любые возможности — систему образования, курсы, рабочие проекты — для постоянного обучения и расширения знаний. Встройте в свой жизненный цикл изучение нового. Следите за развитием технологий в своей области, а не только за новостями шоу-бизнеса или скандалами. Если хотите быть профессионалом, нужно постоянно отслеживать, что происходит на переднем крае вашей специальности.

Если есть возможность попасть в хороший университет — и под хорошим я понимаю не престижную вывеску, а место, где есть настоящие учителя, способные передать знания и опыт, — используйте эту возможность. Хороший наставник существенно повышает вероятность успеха в творческой карьере. Находясь на передовых рубежах науки и технологий, вы не будете бояться, что вас заменит искусственный интеллект или более молодой специалист. Что касается финансового успеха и высоких зарплат — здесь я, признаюсь, плохой советчик.

В одной из своих лекций — напоминаю, они доступны на нашем канале, подпишитесь, чтобы не пропускать — вы утверждали, что главная задача будущего — научиться кодировать свои желания. Что это означает на практике для обычного мидл-разработчика? Какие три нетехнических навыка нужно развивать прямо сейчас, чтобы не остаться без работы завтра?

Недавно появился автор, который выпустил книгу «Волшебная книга исполнения желаний». Само появление такой литературы показывает растущий запрос общества на умение правильно формулировать желания.

Альберт Эйнштейн говорил, что есть только два способа прожить жизнь: первый — считать, что чудес не бывает, второй — видеть чудеса во всем. Я всегда придерживался второго подхода. И если вы готовы признать, что мир полон чудес, вы научитесь правильно формулировать и кодировать свои желания. Это вполне технологический способ достижения целей, особенно материальных.

Итак, три навыка.

Первый — умение проводить мысленные эксперименты. Вы должны уметь в любой момент — лежа на диване, гуляя по лесу, поднимаясь в горы — мысленно проигрывать сценарии развития событий. Если я сделаю это, произойдет то, что повлечет за собой следующее. Вы моделируете цепочки причин и следствий в голове. Не всем это дается легко: кто-то быстро устает от такой умственной работы, кто-то не понимает, как вообще можно детально моделировать процессы в воображении. Но именно этот навык станет критически важным в эпоху, когда мы будем учиться кодировать желания в реальность.

Второй навык кажется проще, но не менее важен — способность облекать мысли в четкие языковые конструкции. Любая мысль, особенно если она выражает желание или намерение, должна быть точно сформулирована словами. Попробуйте записывать каждую значимую мысль.

Литература полна предостережений на эту тему. У Конан Дойла есть рассказ о волшебной обезьяньей лапке, исполняющей желания. Родители, чей сын воевал в Индии, пожелали его возвращения домой. Желание исполнилось — сын вернулся, но мертвым, в гробу. Проблема была в неточной формулировке. Или другой пример: девочка просит, чтобы воздушный шарик поднялся вверх и взял ее с собой. Шарик взлетает, поднимает девочку, но тут ниточка обрывается. Формулировка должна быть настолько точной и продуманной, чтобы исключить трагические недоразумения. Если вы научитесь переводить мысли в слова, четко набирая их на клавиатуре, это станет огромным преимуществом.

Третий навык касается взаимодействия с людьми. Вы создаете не для себя в вакууме. Речь идет не только о художественном творчестве или литературе. Вы пишете код для решения чьих-то задач, создаете продукты для конкретных пользователей. Критически важно уметь слышать и понимать других людей. Без этого навыка вы никогда не создадите ничего по-настоящему полезного. А если ваша работа никому не нужна, вы не получите ни денег, ни морального удовлетворения.

Сегодня мы часто перекладываем эту функцию на маркетологов — пусть они выясняют, что нужно пользователям, а мы будем просто кодить. Но в будущем, когда у вас в руках окажутся мощнейшие инструменты материализации идей — от станков с ЧПУ до 3D-принтеров и систем ИИ, — вы должны будете сами понимать, для кого и зачем создаете. Иначе ваш 3D-принтер напечатает совершенное с технической точки зрения изделие, которое никому не будет нужно. Хотя вы блестяще спроектировали деталь и написали безупречный код.

В одной из лекций вы упоминали инфодинамику и программирование Вселенной. Как эта, казалось бы, абстрактная космическая перспектива должна изменить мышление программиста, который сегодня пишет код для очередного интернет-магазина или банковского приложения?

Для программиста, который сегодня пишет код банковского приложения, само приложение вряд ли станет лучше от прочтения работы Мелвина Вобсона, вышедшей несколько месяцев назад. Но посмотрите, какой прорыв совершила эта работа. Вобсон впервые доказал, что закон всемирного тяготения Ньютона выводится из принципов теории информации. Понимаете, что это означает? Законы Вселенной выводятся из того, что является предметом работы программистов.

Работа Вобсона пока не осознана научным сообществом в должной мере. Я по природе фантазер, но мне кажется, здесь кроется нечто фундаментально важное.

Что такое инфодинамика? Это раздел физики, утверждающий, что информация — не просто способ описания материальных сущностей Вселенной, а одна из фундаментальных сущностей мироздания. Концепция основана на второй теореме инфодинамики, которая гласит: во Вселенной существуют процессы, уменьшающие энтропию. Это кажется парадоксом, ведь второй закон термодинамики утверждает обратное — энтропия Вселенной растет, хаос увеличивается. И вдруг инфодинамика показывает нам процессы, идущие в противоположном направлении. Что это за процессы? Откуда они берутся? Как материализуются?

Вобсон показал удивительную вещь: причиной упорядочивания Вселенной является гравитация. Это чрезвычайно важное открытие. У нас есть Стандартная модель физики и теория относительности, но до сих пор не удается их объединить. Гравитация всегда стоит особняком, словно чужеродный элемент в нашей Вселенной. Оказывается, гравитация — это инструмент уменьшения энтропии Вселенной. Упорядочение происходит благодаря гравитации. Когда начинаешь описывать ее через принципы теории информации, приходишь к правильным выводам. Уже выведено несколько законов. Сейчас активно обсуждается вывод второго закона Ньютона из теории информации. Это настоящий прорыв.

Я специально остановился на этом подробно, чтобы объяснить, как это может помочь программисту. Понимание этих идей снимает внутреннюю скованность, дает большую интеллектуальную свободу. Программист начинает понимать, что физика сегодня — это не только яблоко, упавшее на голову Ньютона. Место для открытий существует везде, начиная с устройства самой Вселенной.

В конце концов, что такое наш разум? Он возник в процессе эволюции Вселенной. И если он возник однажды, скорее всего, возникнет снова. Но если раньше мы искали иной разум на других планетах, то работа современных программистов привела к тому, что этот иной разум появляется здесь и сейчас — в наших комнатах, в наших зданиях, на нашей планете, внутри нашей локальной вселенной.

Вы говорили, что каждый инженер станет программистом в будущем. А что насчет обратного? Должен ли каждый программист становиться инженером в более широком материальном смысле — понимать физику, химию, биологию, чтобы эффективно материализовать желания?

В общем-то, да. Конечно, программист не должен становиться ученым-физиком, биологом или химиком. Но хороший программист всегда понимает, как его код будет использоваться физически, как он будет загружен в память. Он интерпретирует результат своей работы как нечто управляющее машиной фон Неймана — хотя бы на этом уровне, если он пришел из математики. Если его background — электроника, связь, радиоинженерия или проектирование компьютерного железа, он может понимать процессы глубже. Но в любом случае он представляет себе субстрат: память, процессор, их взаимодействие, обработку двоичных кодов.

Программист, пишущий код для станков с ЧПУ, по-своему понимает свой субстрат. Если мы движемся дальше, расширяя программирование на различные субстраты, хороший программист всегда будет изучать природу того субстрата, с которым работает. Работая с квантовой системой, он будет разбираться в ее устройстве, создавать для себя модель функционирования той среды, в которую потом зальет свой код. Программист действительно становится инженером в более широком материальном смысле слова.

Раньше цифровой раскол проходил между теми, кто умеет пользоваться компьютером, и теми, кто не умеет. Не возникнет ли новый, более глубокий раскол между теми, кто способен формулировать сложные системные желания для искусственного интеллекта, и теми, кто может попросить его лишь о простых утилитарных вещах?

Я не пророк, но такой раскол вполне возможен. Причем он может проявиться как на уровне социальных слоев, так и по географическому принципу, между государствами. История показывает нам возможность параллельного существования передовых цивилизационных групп и многочисленных архаичных сообществ.

Этот раскол между умеющими формулировать желания для искусственного интеллекта и не умеющими уже намечается. Для одних ИИ останется просто развлечением — возможностью поговорить с существом, которое никогда особо не возразит. Это будет окошко для разговора с неким собеседником ради душевного удовлетворения, успокоения.

Для других ИИ станет мощным инструментом, которому они будут формулировать грамотные желания для достижения новых инженерных прорывов, создания материальных объектов, необходимых сервисов.

Раскол может проявиться внутри социальных групп — одни используют эти возможности, другие нет, даже живя в одном городе или поселении. Возможен и раскол между государствами: в одних странах технология может быть недоступна, запрещена или ограничена, в других — поддержана и развита, что выведет их на принципиально иной уровень развития.

Может, раскола и не будет, но вероятность его возникновения достаточно высока.

Представьте двух молодых людей, которые сегодня начинают свой путь в IT. Один идет на курсы по Python и React, чтобы быстро найти работу. Другой поступает на философский факультет или углубляется в системную инженерию, логику и теорию информации. У кого больше шансов на блестящую карьеру в мире вездесущего программирования через десять-пятнадцать лет?

Я уже говорил об экспоненциальном развитии технологий — очень трудно строить прогнозы и тем более давать рекомендации на основе таких шатких предсказаний. Можно сказать наверняка: через пятнадцать лет React или Python потеряют свою актуальность.

Но приземленный программист, который сегодня начал осваивать Python и React и развивается в этом направлении дальше, может оказаться более способным воспринять сингулярность процессов, окружающих его профессиональную область, чем академический философ или математик. Человек может по каким-то причинам выбрать именно практический путь — колледж по программированию, раннее начало работы в области разработки. И именно он станет крупным специалистом, пробившись через джунгли Python и React.

Но это не означает, что у молодого человека, поступившего в университет и попавшего в руки хорошего преподавателя, нет равных шансов. Если учитель с самого начала показывает новизну не эмпирически, как парень сам пробивается из пайтоновских джунглей, а системно и фундаментально, то шансов может быть больше у тех, кто учится в университете.

Как вы относитесь к появлению новых курсов и специализаций по промпт-инжинирингу в университетах? Смогут ли они идти в ногу со временем или модели, которые быстро развиваются, опередят тот опыт, который будет преподаваться на таких курсах?

Да уже опережают. Я вообще удивлен, что промпт-инжиниринг стал университетским курсом. Это всего лишь один из разделов работы с генеративными моделями. Как я уже говорил, контекст-инжиниринг приобретает гораздо большее значение. Притянуть одно к другому всегда можно — наверное, эти курсы уцелеют благодаря тому, что включат контекст-инжиниринг в понятие промпт-инжиниринга. Это не проблема. Но на мой взгляд, делать из этого отдельные университетские курсы — не очень хорошая идея.