В двадцать пять лет я могу попросить ИИ нарисовать звук ноты. Когда узор появляется на экране, мне хочется попробовать идеи, от которых я ещё вчера отказался бы. Заметил бы я, если бы фильтр, делая узор чётче, стёр самое начало ноты?
Что перед нами?
От комплекса бога до синдрома самозванца можно дойти за то время, которое нужно, чтобы задать этот вопрос. Ещё мгновение назад мне казалось, что я могу создать что угодно. Теперь я рискую приписать машине ещё и авторство идеи. И всё же ценность этого эксперимента я могу проверить вместе с тем, кто разбирается в проблеме. Начинающий инженер с достаточной изобретательностью может освоить новую область и создать продукт, способный конкурировать с разработками тех, кто работает в ней годами. Именно эту возможность Felix Rieseberg описывает в статье «Жажда дела важнее стажа».
Агент может предложить разные уравнения для объединения двух звуковых волн. Можно начать с предсказуемого результата. В одной и той же точке в один и тот же момент два равных и противоположных вклада в сумме дают ноль. Если программа отображает эту сумму и показывает максимум, что-то не так. Фильтр требует другого решения. Более устойчивый узор может быть легче для восприятия и менее чувствителен к изменениям звука. Нам нужно решить, что именно мы хотим показать.
Алгоритмы и проектирование систем помогают нам оценивать альтернативы даже при смене языков программирования. Принципы объектно-ориентированного программирования (ООП) позволяют заметить проблему, если для изменения цвета узора приходится править код микрофона. Это повод пересмотреть распределение ответственности. Такие инструменты помогают критически оценивать решения в незнакомой области и обосновывать свой выбор.
Кто выбирает компромисс?
На сельскохозяйственном поле повторная передача может помочь доставить показания, но при этом расходует больше заряда батареи. Энергозатраты можно оценить. А вот ценность получения данных на час раньше должен определить человек, работающий в поле. Какое решение он принял бы, если бы эти показания уже были у него? ИИ помогает сравнивать варианты, а приоритеты нужно согласовывать с пользователями системы. Нестандартное решение могло бы менять частоту передач по необходимости вместо поиска лучшей фиксированной настройки.
Принятые решения могут стать опытом, который пригодится снова. Актуальная копия хранилища данных воспроизводит и удаления, тогда как резервная копия сохраняет предыдущее состояние. Из этого различия следует проверка для следующего проекта: восстановить данные на тестовой копии. Если включить её в инструкции агента, она становится частью его среда выполнения, среду инструкций и инструментов, выстроенную вокруг модели. Причина, стоящая за правилом, остаётся доступной, и её нужно пересматривать при изменении контекста. Эту работу рассматривает Anthropic и OpenAI.
Я могу чувствовать, что мне не хватает подготовки, и всё же решиться на разработку. Базовые знания помогают понять, где проверить решение и о чём спросить людей, которые разбираются в этой области. ИИ позволяет прийти к такому разговору с чем-то уже работающим, а не оставлять идею на бумаге.
Источники и дополнительные материалы
- Felix Rieseberg — Стремление важнее стажа
- Uber Engineering — Эффективная работа фабрики программного обеспечения в масштабах Uber
- Airbnb — Расширение доступа к передовым моделям OpenAI
- Shopify — Серьёзные результаты, несерьёзные методы
- Anthropic — Эффективные среды для агентов длительного выполнения
- OpenAI — Инженерия среды для ИИ-агентов