Если вспомнить профессиональные чаты, форумы и тот же Stack Overflow нескольких лет назад, легко представить типичную сцену: новичок спрашивает, почему не работает скрипт, а в ответ слышит набор знакомых реплик — «читай документацию», «это очевидно», «ты вообще код видел?». И это ещё мягкая версия. Тогда информация была распределена неравномерно, документация — фрагментированной, и получение помощи зависело от настроения тех, кто был готов объяснять. Эксперт — даже токсичный — оставался ключевым источником знаний.
Сегодня ситуация другая. Любая современная LLM — от ChatGPT до DeepSeek — за секунды выдаёт вежливое и структурированное объяснение, не превращая обсуждение в проверку на интеллект. Возникает простой вопрос: зачем ждать резкого комментария, если можно сразу получить понятный ответ?
ИИ снял монополию на доступ к знаниям: информация стала симметричной, а токсичная манера общения перестала давать преимущество.
В этой статье мы разберём три вещи: как было раньше, что происходит сейчас и почему в будущем ценность экспертов будет определяться не объёмом знаний, а умением объяснять, анализировать и взаимодействовать.
Что было раньше?
Если оглянуться на профессиональные Telegram-чаты периода 2018–2021 годов, картина была довольно стабильной. Каждое утро в чат заходил новичок с типовым вопросом уровня: «Почему у меня не запускается демо-скрипт?» или «Как отправить POST-запрос?». Реакция сообщества была предсказуемой: кто-то вежливо отмалчивался, кто-то искренне помогал, но заметная доля «экспертных» ответов звучала свысока.
И дело было не только в тоне. Токсичность тогда была скорее функцией положения: у людей действительно были эксклюзивные знания, а документация — далеко не всегда очевидной. Чтобы дойти до первого рабочего теста, новичку приходилось либо разбираться в одиночку, либо зависеть от экспертного настроения в конкретный день. Постоянная зависимость делала токсичность социально терпимой.
На фоне этого сформировалась целая индустрия курсов «с нуля». Достаточно вспомнить лозунги того времени:
«Освой профессию за 30 дней»,
«API-тестирование для начинающих»,
«Все секреты Selenium».
По сути, многие из этих программ закрывали именно тот дефицит: объясняли базовые, понятные вещи, но в формате, который новичок нигде больше получить не мог. И это работало — информация действительно была разрозненной, а прямые ответы на простые вопросы часто сопровождались сарказмом или обсуждением того, «с чего вообще надо начинать».
Теперь представим эту же ситуацию сегодня. Новичок задаёт тот же вопрос — но уже не в чате, а модели вроде ChatGPT или DeepSeek. Ответ приходит мгновенно: структурированный, без раздражения, без попытки доказать кому-то своё превосходство и без продолжительных холиваров о правильном стиле кода. ИИ не спорит, не навязывает вкусовых предпочтений, не отправляет «читать доку» и уж точно не превращает техническое обсуждение в личное.
Именно поэтому потоки «джуновских» вопросов в профессиональных чатах резко сократились. Новички перестали быть зависимыми от случайного тона экспертов — у них появился альтернативный канал, который отвечает быстрее и вежливее.
Это изменение стало ударом и по другому сегменту — по курсам, которые строились вокруг идеи «мы покажем вам то, чего вы сами не найдёте». Сегодня большую часть этих знаний ИИ объясняет бесплатно, причём зачастую качественнее, чем материалы, которые раньше продавались как профессиональная подготовка.
Если раньше люди платили за доступ к опыту, то теперь опыт стал доступен в любой момент, в удобном объёме и без риска попасть под чью-то токсичность. И прежняя модель экспертности — когда знания сами по себе давали социальное и экономическое преимущество — перестала работать.
Что стало теперь?
Текущая ситуация в профессиональных сообществах выглядит иначе, чем несколько лет назад. Потоки базовых вопросов — тех самых «джуновских» вроде «почему не запускается пример из туториала?» — почти исчезли. Это не потому, что в индустрии внезапно наступило просветление, а потому что новички просто нашли более эффективный канал для получения простых ответов.
ИИ-модели заняли нишу «входной поддержки». Они взяли на себя всю рутину: объяснения базовой работы инструментов, первых шагов, кодовых шаблонов и типичных ошибок. Всё то, что раньше формировало значительную часть повестки чатов. Теперь новичку нет необходимости спрашивать «как отправить POST-запрос», если модель способна не только ответить, но и адаптировать ответ под конкретный стек, уровень подготовки и даже стиль мышления.
Это изменение повлияло и на динамику общения. Там, где раньше обсуждения нередко превращались в спор «кто прав, а кто делает всё неправильно», возникла новая точка сравнения. ИИ постоянно демонстрирует альтернативы: варианты архитектуры, разные стили реализации, решения из других экосистем. На фоне этого утверждение «делай так, потому что так правильно» перестало звучать убедительно.
Эксперт больше не может полагаться на аргумент авторитета — рядом всегда есть модель, способная показать, что «правильных» способов может быть несколько. Именно поэтому уверенность «я знаю, как надо» стала куда реже встречаться. Иронично, но ИИ не только упростил получение ответов, но и внёс больше разнообразия в способы решения задач.
Есть и ещё одно следствие: общие обсуждения стали смещаться в сторону более сложных тем. Если раньше львиная доля диалогов строилась вокруг базовых вопросов, то теперь в чатах чаще поднимаются архитектурные решения, специфические кейсы, интеграции, оптимизация и редкие сценарии. То, что невозможно просто «спросить у модели».
Другими словами, ИИ очистил информационное поле от шумовой нагрузки и оставил пространство для обсуждений, которые требуют опыта, контекста и инженерного мышления. В этом смысле роль экспертов не исчезла — она изменилась. Токсичность перестала давать социальное преимущество, а экспертность перестала сводиться к тому, что человек «просто знает больше».
Теперь ценность — в способности мыслить, анализировать, сопоставлять варианты и помогать другим ориентироваться в сложности. А не в том, чтобы знать ответ на вопрос, который ИИ выдаёт за секунду.
Что будет дальше?
Если проследить текущую динамику, становится ясно: эпоха экспертов-«хранителей тайных знаний» подходит к концу. Не потому что знания перестали быть важными, а потому что они перестали быть дефицитом.
Информация, которая когда-то передавалась почти в устной традиции — от «старших» к «младшим» — стала массово доступной. Любая модель способна объяснить устройство протоколов, паттерны тестирования, особенности фреймворков и типовые ошибки. И делает это без магии и без попытки построить вокруг себя культ.
Если раньше ценность эксперта определялась тем, что он «знает то, чего другие не знают», то теперь это преимущество стремительно обнуляется. Доступ к техническим знаниям стал симметричным. А значит, компетенция, построенная исключительно на «владении информацией», превращается в товар массового потребления.
Мы уже наблюдаем первые признаки этой трансформации. Stack Overflow — главный исторический индикатор дефицита знаний — фиксирует рекордное падение активности. Не потому что разработчики вдруг перестали ошибаться, а потому что теперь проще и быстрее спросить модель, чем вступать в спор под чужим ответом. То же самое происходит в Telegram-чатах, Discord-сообществах и на тематических форумах: базовые вопросы исчезли, но не потому что мир стал опытнее, а потому что у новичков появился надёжный, бесконфликтный источник обучения.
Эта тенденция только усилится.
И в результате изменится сам критерий экспертности. Настоящая ценность будет не в том, чтобы помнить команды, знать параметры инструментов или цитировать документацию. С этим ИИ справляется лучше и быстрее.
Ценность будет в другом:
1. Умение управлять ИИ как инструментом.
Не просто спрашивать «как сделать?», а формулировать задачи, задавать направление, проверять качество решения, распознавать ошибки модели.
2. Способность объяснять сложные вещи простым языком.
Парадоксально, но в мире, где ИИ умеет всё объяснять, именно человеческое объяснение становится особенно ценным: структурированным, контекстным, понятным.
3. Навык мыслить системно, а не фрагментарно.
ИИ выдаёт знания, но не заменяет инженерное мышление: умение видеть архитектуру, риски, компромиссы и долгосрочные эффекты решений.
4. Профессиональная коммуникация.
Токсичность теряет любую практическую пользу. Даже раньше она была скорее побочным продуктом монополии на знания; теперь, когда монополии больше нет, токсичная модель поведения лишается функциональности.
5. Умение работать с неопределённостью.
ИИ прекрасно генерирует варианты, но именно человек выбирает стратегию и принимает ответственность.
Поэтому в будущем эксперт — это не тот, кто «знает больше», а тот, кто делает сложное понятным и управляет сложностью как процессом.
Иными словами, ценность экспертности смещается от обладания знаниями к способности работать со знаниями. От накопления — к интерпретации. От авторитарности — к инженерному мышлению.
Токсичные эксперты прошлого, чья роль держалась на эксклюзивном доступе к информации, в этой системе действительно становятся ненужными. Не потому что ИИ «всё заменит», а потому что он уже заменил всё, что делало токсичность социально терпимой и экономически выгодной.
В мире, где любой человек за секунды может получить вежливое, корректное объяснение с примерами, эксперту больше нечего «охранять». Остаётся только одно — становиться лучше как специалист и как коммуникатор.
Заключение
ИИ уже не эксперимент, а часть профессионального ландшафта. Он снял дефицит знаний и тем самым изменил саму природу экспертности. То, что раньше считалось уникальным опытом или «магическими» знаниями, теперь доступно каждому за секунды.
В такой реальности ценность эксперта определяется не тем, сколько фактов он помнит, а тем, как он умеет мыслить, объяснять и использовать ИИ как инструмент. Токсичная уверенность в собственных секретах стала бесполезной: секретов больше нет.
Будущее — за специалистами, которые делают сложное понятным и превращают информацию в решения. Остальное уже умеют модели.
Комментарии (48)
SolidSnack
08.12.2025 06:44ИИ снял монополию на доступ к знаниям: информация стала симметричной, а токсичная манера общения перестала давать преимущество.
Раньше документацию не читали, теперь вообще разжуйте да в голову положите. Ну и что за преимущество токсичное такое, интересно даже))
panzerfaust
08.12.2025 06:44ИИ снял монополию на доступ к знаниям
Вся суть ИИ-фанатиков. Может еще отчет времени будем вести не от Рождества Христова, а от выхода GPT-3? Для вас же ничего раньше 22 года не существовало. Ни книжек, ни журналов, ни телепередач, ни гугла даже.
Что ни "откровение", то признание собственной никчемности. То ИИ код пишет лучше вас, то информации до ИИ для вас не существовало. Ну что могу сказать, плохо быть вами.
diderevyagin
08.12.2025 06:44Он снял дефицит знаний и тем самым изменил саму природу экспертности.
Вынужден не согласиться с данным утверждением. То, что называется ИИ, дает только иллюзию того, что можно быстро и просто получить информацию. На самом деле ответ ИИ не более чем попытка угадать и качество информации крайне низкое.
Мало того, что часть информации скрывается, часть перекручивается, так часто просто выдумывается. Ответ на любой сколь нибудь серьезный вопрос .... это извините шлак.
Да, конечно неприятно если вам отвечают "....".
Но это куда лучше того, что предлагает ИИ - это заставляет думать и приобретать личный опыт.
akod67
08.12.2025 06:44Пример промпта, где выдаётся шлак, можно привести, пожалуйста?
diderevyagin
08.12.2025 06:44Любой, сколь нибудь не элементарный инженерный вопрос.
Личный опыт, буквально 2 последних кейса:
1) верифицировал я новый алгоритм, с примерами кода, подробным пошаговым объяснением и просил проверить ряд граничных ситуаций.
2) верификация гипотезы проблем с выборкой данных в Postgres, с множеством вводных данных.
В обоих случаях достаточно было знаний, кропотливой работы и обычной логики рассуждения. На выходе - шлак (если точнее - ложные ответы).
Пример промпта
ИИ выдает шлак - это у вас promt плохой. Не ИИ несет чушь в ответ на внятный вопрос, стараясь выдать хоть что-то а не сказать прямо "извините не могу."
Нет - promt плохой. виноват ваш promt. Так сегодня говорят в Amazon и M$.
Это не правильный подход. Если написание promtа занимает сколько времени и ресурсов как работа с основной проблемой, то рановато утверждать что "ИИ все решило"
akod67
08.12.2025 06:44Дайте пожалуйста конкретный пример. Хочу проверить доступные мне модели.
Kromster80
08.12.2025 06:44Недавний пример, спросим "What does
{$IF !DEFINE(ABC)}mean in Delphi?" Получим развернутый ответ, что `!` инвертирует проверку. По факту - Делфи не поддерживает такой синтаксис, надо писать `NOT DEFINED(ABC)`, а код выше всегда будет false.akod67
08.12.2025 06:44Спасибо. Свежий Гемини Thinking:
In standard Delphi (Object Pascal), the syntax {$IF !DEFINE(ABC)} is invalid.
It appears to be a mix of C-style syntax (where ! is "not") and Delphi syntax. The correct way to check if a symbol is not defined in Delphi is by using one of the following directives.
The Standard Way (Most Common) Use {$IFNDEF} (If Not Defined) to check if a symbol is missing.
....
ChatGPT 5.1 Thinking:
...
Your snippet:
{$IF !DEFINE(ABC)}
looks like it has a typo: it should be Defined, not Define. As written (DEFINE), it will not be recognized as the built-in function and should give you a compilation error. The intended meaning, though, is “if ABC is not defined.”
Kromster80
08.12.2025 06:44У меня тоже ChatGPT 5.1 Thinking. Так что раз на раз не приходится. Ну и как обычно, стоит сказать что это неверно, он тут же извиняется и пишет другое )
Процент мусорных ответов я бы пока назвал неприемлимо высоким для сколько-нибудь серьезного использования вслепую. Приходится всё по 3-4 раза перепроверять и в итоге "пока напишешь правильный промпт и убедишься в правильности ответа, уже и сам поймешь какой ответ должен быть".
akod67
08.12.2025 06:44Тут TDD помогает, но не всё можно так дефинировать. Что можно - там и выхлоп вполне себе на уровне.
пока напишешь правильный промпт и убедишься в правильности ответа, уже и сам поймешь какой ответ должен быть
документации логики кода всегда не хватало и на это постоянно были жалобы. Теперь жалоб не будет. Нет ТЗ - нет кода =)
proxy3d
08.12.2025 06:44Легко. У меня этот шлак постоянно выдает. Все дело в сложности вопрос. Пока он на уровне - "какого цвета неба?", все классно. Как только он сложнее - это полнейшая чушь и бред.
Буквально вчера, решил посмотреть что мне предложить LLM (было несколько попыток новых чатов с нуля):
Сейчас при обучении нейронных сетей в llm мы используем предсказание следующего токена через loss кросс энтропии.Допустим, мы знаем что текущий токен A, и знаем все вероятности перехода токена A в другие токены, так как собрали статистику. Это значит, что мы можем для каждого значения логита, учесть его вероятность. То есть, не один loss на все значения логита, а для вектор loss для всех значений логита. Где мы оцениваем, насколько точно предсказана вероятность этого значения логита.
Или это не будет работать лучше?Тут она выдала сносный ответ, хотя частично не верный. И затем я задал уточняющий вопрос.
Проблема в том, что логиты имеют распределение вероятности токенов. Особенно сырые логиты, хотя они и не являются вероятностями.
Проблема в том, что не все из этих значений логитов являются допустимыми для продолжения. Некоторые являются шумом.
Top-k и top-p не позволяют отличить допустимые токены от шума.
Текст это марковские цепи. И даже если следующий токен имеет высокую вероятность, это не значит, что он допустимый.
Вероятность цепи Маркова это умножение всех вероятностей перехода ее элементов. И есть порог разрыва цепи Маркова. Если сейчас вероятность цепи Маркова 0.1, а порог разрыва 0.05, то не каждая вероятность подойдёт как следующий токен. Если вероятность следующего токена 0.2, то он приведет к тому, что цепь Маркова будет меньше 0.05, поэтому этот токен не допустим и является шумов на данном шаге.
Но top-k и top-p ничего не знают об этом. В их диапазон легко могут попасть такие токены.Поэтому я пытаюсь понять, как этого можно избежать.
Тут три варианта:как то обучить llm, чтобы она выдавала сырые логиты в таком виде, что все значения следующих которые приведут к шуму, должны быть ниже какой-то границы.какая-то дополнительная архитектура после LLM, возможно со скрытым состоянием, которая сможет отследить и выдать только допустимые значения логитов. Но не понятно, как ее обучать и какой должна быть архитектура.самостоятельно отслеживать текущую вероятность цепочки на выходе. И брать только допустимые значения логитов для выбора следующего токена. Предварительно собрав статистику по переходу всех токенов. Но тут мы можем отслеживать только цепь Маркова первого уровня. Это лучше чем argmax, но не идеально.
Что ты об этом думаешь? Какие есть предложения? Возможно кто-то уже решил эту проблему?И тут Остапа понесло. Отборный бред помноженный на размышления и на сжатие ответа (анг. вставки не к месту, укороченные слова и бред).
В ответе много такого, как ниже:
N (candidates): 50–200 — хороший компромисс.H (horizon)для меток: старт 1–3, для production 3–10 при ресурсах.K (rollouts per candidate): 4–16 — tradeoff bias/variance.s_min (acceptor threshold): 0.5–0.8 по ROC/PR.α (power for s): если acceptor достаточно надёжен, α=2..4; иначе α≈1.Calibrate p_i: temperature scaling на dev set, особенно если используешь raw logits.Fallback: если фильтр убрал всё, выбирать argmax из original p (или ослабить threshold).Monitoring: следи за diversity (тип токенов), average chain logprob, human eval.
Пока разберешься, что она имела ввиду, что сократила, проверишь все это и увидишь бред, требует нормально времени и мозг работающий на всю катушку. Я уже молчу про код, который она предложила без каких-то доказательств, без явной логике. Просто по принципу тут соединим и отлично. Произвольный код и я могу написать, только какой мне прок в этом.
И главное, если человек не понимает тему, он ее ответ проглотит, решив, что тут очень умное и правильное. И пойдет хвалить, как сетка написал код.
akod67
08.12.2025 06:44Спасибо. Сложность вашего вопроса для модели (да и вообще для любого человека вне контекста данной тематики) - понятна. Интересен был бы промпт того минусующего товарища с более приземлёнными к исходному коду сложностями. Я так понимаю там был кривой запрос в базу с рандомным резалтсетом и с промптом "разберить что не так".
diderevyagin
08.12.2025 06:44Я так понимаю там был кривой запрос в базу с рандомным резалтсетом и с промптом "разберить что не так".
0) Вы очень невнимательно читали. И потому ударились в домыслы как LLM, прямо выдумав как минимум 50% информации.
1) Ничего я не дам и давать не буду. по той причине, что решались рабочие задачи. Так я побежал к примеру публиковать новый рабочий алгоритм в public. И Вы отлично это понимаете - никто не будет такие вещи публиковать. Считаете что я общаюсь с LLM на уровне "разберить что не так" - пожалуйста.
2) Вопрос с просьбой примеров я не минусовал. Ед. минус, который от меня Вы получили и целиком заслужили - это сомнительные рассуждения о том, что поток сознания от LLM может на что-то натолкнуть. Подумайте на досуге о том, сколько времени потратит человек на отсечение неверных гипотез от LLM вместо того, чтобы самому подумать
akod67
08.12.2025 06:44Ради бога. Я сплю спокойно и заминусованный. Меня просто диссонируют такие категоричные заявления про бред от LLM, когда в реальной работе с ними я периодически подозреваю за их ответами человеческий разум. Всё очень сильно зависит от контекста и вопросов. Однозначно бред-не бред тут уже не скажешь. Где-то бред, а где-то сияние.
времени потратит человек на отсечение неверных гипотез от LLM вместо того, чтобы самому подумать
Давайте будем честны перед собою. В лучшем случае собственная думалка хорошо думает только на определённые темы и только в определённых физиологических состояниях. В другие моменты думалке помощь отнюдь не помешает. И работодатель платит не за думалку, а за решение задач. Со всем доступным инструментарием.
Anyothernick
08.12.2025 06:44Дистанция и зона гарантированного подавления огнем ДШК с учетом оборудованной позиции, наличия БК и отсутствия складок местности.
Не далее как вчера интересовался - имеющиеся у меня модели выдавали лютую дичь
akod67
08.12.2025 06:44По каким открытым материалам обычный человек может найти подходы к решению этих задач? Думаю одной физики 8ого класса и простого логического мышления тут будет недостаточно.
Viacheslav01
08.12.2025 06:44Ну так это просто первая линия получения информации, когда есть за что зацепиться, уже можно пойти и адресно найти информацию из боле надежных источников.
warkid
08.12.2025 06:44Мега-эксперты наверно и поиском не пользуются - там ведь тоже чуши полно, в интернетах этих бесовских. Только стопки распечаток документации, да тома Кнута на полках!
SolidSnack
08.12.2025 06:44Мега-эксперты наверно и поиском не пользуются - там ведь тоже чуши полно, в интернетах этих бесовских. Только стопки распечаток документации, да тома Кнута на полках!
Обычно документации и хватает, исходники.
Если документации нет, зачем использовать код? Если не знаешь ее, тоже?
Рональдо же всем сказал, все просто)
chuzhiegrably
08.12.2025 06:44По сути, многие из этих программ закрывали именно тот дефицит: объясняли базовые, понятные вещи, но в формате, который новичок нигде больше получить не мог.
Курсы не закрывали и не закрывают дефицит, а создают иллюзию «изи катки». На выходе получается человек, который умеет делать только то, что было в курсе: калькулятор, todo-приложение и import numpy.
Когда такой кадр высаживается на реальный проект, он начинает генерить реальные проблемы, которые решают в том числе синьоры-«токсики».
Более того, такие кадры начинают вопить, что синьоры-«токсики» почему-то не помогают. Не задумываясь, что проблема кое в чем другом.
Дело не в надменности и токсичности, а в тренде на нормализацию низкой базовой квалификации.
Результат: фундаментальная подмена понятий, когда объективное недовольство объективным незнанием гигиенического минимума выставляется токсичностью и прочими гуманитарными ко-ко-ко: не «я тупой лентяй, нахватавшийся по верхушкам», а «ты токсичный».
Например, я пилю пет-проект, понимая, что не настоящий сварщик. Мне даже в голову не приходит расстроиться от критики опытных инженеров, потому что эта критика объективно оправдана, а я развлекаюсь и не могу объективно претендовать на SOTA, совершенство архитектуры, кода и т.д.
Ненормально требовать от опытных ребят соответстовать уровню новичков и «выпускников курсов» — это они должны прикладывать усилия, прогрессировать и становиться лучше.
Ни разу я не сталкивался с ситуацией, когда нормально описанная ситуация и заданный вопрос (даже простой) оставались без ответа: видно, когда человек пришел в справочную, где ему должны по умолчанию, а когда реально хочет разобраться, предварительно приложив усилия.
Нет ничего постыдного в незнании и ошибках — это естественно при обучении. А вот когда «разжуй и в рот положи, да побыстрей» — возникают проблемы, ибо нефиг думать, что кто-то должен(!) что-то объяснять из-за чьей-то лени, да еще и ласково.
P.S. Сами по себе знания стремительно обесцениваются с появления книгопечатания, а потом и интернета.
Не нужно и тут подменять понятия: легкодоступность знаний не означает, что «знать ничо не надо, гы». Наоборот, требования к тупорезам увеличиваются: раньше можно было сослаться на то, что «книжка в двух экземплярах на весь мир», а сейчас — сорян. Не знаешь — сам виноват, а не кто-то там со стэкофюверфлоу токсичный.
SolidSnack
08.12.2025 06:44Хорошо сказано, а образование государственное это для токсиков)
chuzhiegrably
08.12.2025 06:44Государственное образование или нет — сейчас уже действительно неважно: все разжевано-пережевано в разных формах и форматах, бери, сколько унесешь 24/7/365.
Проблема в том, что не берут, а требуют принятия банальной тупости, лени и инфантильности за норму.
SolidSnack
08.12.2025 06:44Но разве диплом не говорит о том что человек старался и прошёл этот путь? А государство его подтверждает.
chuzhiegrably
08.12.2025 06:44В моем понимании — говорит. Другую мысль вкладывал, про доступность информации:
Может ли человек получить аналогичные знания? Да, может. За то же или меньшее время? Да, может. Бесплатно или за деньги? Да, может.
SolidSnack
08.12.2025 06:44Согласен с вами. Дело не в доступности знаний (от части), а больше в желании человека переваривать эту информацию и получать опыт) Поэтому человеку которому это нравится проще, вариться в этом одно удовольствие, тем кто за деньгами , явно, тяжелее запихивать знания в себя
diderevyagin
08.12.2025 06:44а в тренде на нормализацию низкой базовой квалификации.
Самое лучшее описание сути вопроса !!!
akod67
08.12.2025 06:44Ни разу я не сталкивался с ситуацией, когда нормально описанная ситуация и заданный вопрос (даже простой) оставались без ответа:
Проблема в том, что этот ответ надо 1) ждать и возможно долго 2) не факт, что он вообще придёт и чем более нетипичен вопрос, тем выше риски этот ответ не получить. В отличие от иишки. Даже если она нагенерит бред, она накидает мыслей и альтернативных ключевиков, с которыми к вопросу можно подойти с другой стороны.
Bardakan
08.12.2025 06:44структурированный, без раздражения, без попытки доказать кому-то своё превосходство и без продолжительных холиваров о правильном стиле кода
Зависит от настроек модели
DooKoo2
08.12.2025 06:44С приходом ИИ человек рано или поздно разучиться думать. Куда проще спросить нейросеть, чем лезть курить мануалы, смотреть сниппеты кода, разбираться в RFC. Но человек получает сиюминутный ответ, попутно теряя ту информацию, которую нарыл бы в процессе разбора бага или кривых настроек.
На такой легкий и простой "успех" человек легко подсаживается и слезть с этой иглы бывает крайне сложно. Человек постепенно разучается думать, анализировать, рассуждать.
С течением времени появятся кнопкодавы операторы ИИ и люди, на ком будет все держаться. Это неизбежно практически.
akod67
08.12.2025 06:44Подсаживается в первую очередь бизнес, так как для бизнеса немного ценности в чтении пол дня RFC сотрудником, при возможности за 5 минут получить относительно точный ответ.
SolidSnack
08.12.2025 06:44Это называется опыт
akod67
08.12.2025 06:44Не каждый опыт полезен. У меня много опыта за всю жизнь, где было потрачено масса времени на изучение документации и технологий, которые уже на свалке истории и малоприменимы для новых проектов. Нужен баланс между времязатратными одноразовыми знаниями и общеупотребимыми скилами. Первое далеко не всегда превращается во второе.
diderevyagin
08.12.2025 06:44Не каждый опыт полезен.
Весь опыт полезен.
Много лет назад мы боролись за каждый байт. Потом память стала дешевой. Потом очень дешевой. Сейчас пошел обратный эффект - память дорожает, уже пошла тенденция на запрос на умение оптимизировать ПО по расходу памяти в условиях ее удорожания. Причем не в embedded, где ресурсы всегда считали а в ПО для backend.
akod67
08.12.2025 06:44Скилы по экономии памяти на 48K спектруме и в java backendе - сильно разные. Спектрумовский опыт крайне полезен, но отнюдь не обязателен для экономии памяти в джаве.
Yago
08.12.2025 06:44Да, талант вежливо нести чепуху всегда был в цене у людей. Послушаешь, и на душе легче становится. Особенно когда в теме плохо разбираешься, но слышишь складную речь.
Всегда старался обходить стороной подобных людей, т.к. чаще всего это мошенники или продажники. Причем, почти одинаковый эффект что от первых, что от вторых.
Наконец-то картинка складывается: "ИИ" - это автоматизированные скамеры, которые вежливо несут чушь, и берут за это деньги в виде подписок :)
azgnetov
08.12.2025 06:44То, что раньше считалось уникальным опытом или «магическими» знаниями, теперь доступно каждому за секунды
Попробуйте отойти от попсовых тем вроде питона. Я недавно настраивал парочку самобытных серверных штуковин и все ИИ несли пургу по кругу, предлагая то несуществующие настройки, то неработающий код. В какой-то момент я понял, что их можно и нужно использовать в режиме ментора, чтобы разобраться с технологиями, просеять документацию и репозитории, закрыть пробелы в знаниях и уже тогда самому написать все что нужно. По сути все свелось к тому же RTFM, только политкорректные модели никогда этого прямо не скажут.
Примерно то же мы сейчас наблюдаем в сфере школьного образования, когда учитель просто пересказывает учебник, не имея ни законной, ни фактической возможности оказывать воспитательное воздействие. О перспективах школ догадаться не трудно, а вот с ИИ еще не все просекли фишку.
alexovchinnicov
08.12.2025 06:44Скрытый текст
Так и есть, новоявленные эксперты уже не хотят сами думать. Найм в ИТ сломали, ждем когда сломается само ИТ.
pg_expecto
которое оказывается ложным как только вопрос касается прогнозирования и технической экспертизы. По крайней мере в области экспертизы производительности СУБД нейросеть ошибается и иногда угадывает, что не удивительно - неисправные часы , два раза в сутки показывают совершенно точное время.
Но в целом, да согласен. Ситуация изменилась.
akod67
Услышать точный прогноз от человека не менее рандомно.
pg_expecto
Между человеком и ИИ есть один очень важное, принципиальное , фундаментальное отличие - с человека можно спросить за ответ.
akod67
На stackoverflow?
pg_expecto
На stackoverflow - нет кармы ?
https://habr.com/p/477238/
akod67
Не стал бы я утверждать, что есть принципиальное отличие между минус в карму и просто закрыть чат. Действия одинаковой эффективности в контексте "наказания" за плохой ответ =)
panzerfaust
Как говорил Боромир "Нельзя так просто закрыть чят, если мудрое руководство вставило его тебе по самые гланды". С SO даже близко ничего похожего не было.