Андрей Карпати утверждает, что индустрия программного обеспечения переживает самый фундаментальный сдвиг за последние 70 лет. Он выделяет три этапа эволюции: классический код (1.0), веса нейросетей (2.0) и программирование на естественном языке через промпты (3.0).
💻 Три поколения программного обеспечения 0:41
Программное обеспечение 1.0 состоит из инструкций, которые человек пишет для компьютера на языках вроде Python или C++ . В этой парадигме программист полностью контролирует логику каждой строки.
Программное обеспечение 2.0 представляет собой веса нейронных сетей . Разработчик не пишет код напрямую, а настраивает наборы данных и запускает оптимизатор. Индустрия уже создала аналоги инфраструктуры для этого этапа: Hugging Face стал эквивалентом GitHub для нейросетевых моделей .
Программное обеспечение 3.0 появилось с развитием больших языковых моделей (LLM), которые стали программируемыми. Теперь промпты на английском языке работают как полноценные программы . Английский язык стал самым востребованным языком программирования в мире .
Во время работы над автопилотом в Tesla Андрей Карпати наблюдал, как нейросети постепенно вытесняли классический код . Стек 2.0 буквально «поедал» функции, ранее написанные на C++. Нейросети взяли на себя склейку изображений с камер и временную обработку данных, что позволило удалить огромные пласты старого кода .
🧠 LLM как новая операционная система 9:05
LLM обладают свойствами коммунальных услуг, фабрик и операционных систем одновременно. Подобно электросетям, лаборатории вроде OpenAI или Anthropic тратят капитал на создание «сетки» интеллекта и продают доступ к ней через API с оплатой за миллион токенов .
Сходство с операционными системами (ОС) проявляется в архитектуре экосистем. Существуют закрытые проприетарные ОС (Windows, macOS) и открытая альтернатива в лице экосистемы Llama, которая напоминает Linux . В этой модели:
- LLM выполняет роль центрального процессора (CPU).
- Контекстное окно служит оперативной памятью (RAM).
- Модель координирует ресурсы для решения задач.
Современное состояние ИИ напоминает 1960-е годы в вычислительной технике . Вычисления слишком дороги, поэтому они централизованы в облаке. Пользователи работают с моделями через терминалы в режиме разделения времени (time-sharing) . Персональная компьютерная революция в мире ИИ еще не наступила из-за высокой стоимости локального запуска мощных моделей.
👻 Психология «духов людей» 14:43
Андрей Карпати описывает LLM как стохастические симуляции «человеческих духов» . Эти симуляторы обучаются на всем массиве текстов из интернета и обретают эмерджентную психологию, похожую на человеческую.
Модели обладают энциклопедическими знаниями и идеальной памятью, напоминая героя фильма «Человек дождя» . Они легко запоминают хеши и специфические данные, недоступные человеку. При этом модели страдают от серьезных когнитивных дефицитов:
- Галлюцинации и отсутствие четкой модели самопознания.
- «Зубчатый интеллект»: превосходство над человеком в сложных темах при нелепых ошибках в простых задачах .
- Антероградная амнезия: веса моделей фиксированы, они не учатся на опыте в реальном времени .
Контекстное окно заменяет моделям рабочую память. Чтобы модель эффективно работала, программист должен вручную наполнять эту память актуальными данными организации или проекта.
🎚️ Слайдер автономности и интерфейсы 18:20
Успешные ИИ-приложения, такие как Cursor или Perplexity, используют концепцию частичной автономности . Они не пытаются полностью заменить человека, а предлагают «слайдер автономности». Пользователь сам решает, какую часть работы делегировать: от автодополнения строки до написания целого файла или анализа всего репозитория .
Ключевым элементом таких приложений становится специализированный графический интерфейс (GUI) . Текст сложно верифицировать, но визуальные изменения (диффы) мозг считывает мгновенно. GUI позволяет человеку быстро проверять работу ИИ, выступая в роли контролера.
Андрей Карпати выделяет два способа ускорения работы с ИИ:
- Ускорение верификации через визуализацию.
- Удержание ИИ «на поводке»: работа короткими инкрементальными итерациями .
Слишком длинные правки от ИИ (например, 10 000 строк кода) создают «бутылочное горлышко» для человека. Проверка такого объема работы занимает больше времени, чем написание кода вручную.
✨ Вайб-кодинг и будущее разработки 29:15
Понятие «вайб-кодинг» описывает процесс создания программ, где разработчик лишь задает общее направление на английском языке . Это снижает порог входа: теперь для создания приложения не нужно изучать синтаксис Swift или Python в течение пяти лет.
Андрей Карпати привел пример собственного приложения MenuGen (menu.app), которое он создал с помощью вайб-кодинга . Приложение фотографирует меню в ресторане и генерирует изображения блюд. Основная сложность заключалась не в коде, а в настройке инфраструктуры: авторизации, платежей и деплоя .
Инструменты разработки должны адаптироваться к новой реальности. Проблема современного веба в том, что инструкции по настройке сервисов написаны для людей. Компьютер заставляет человека кликать по кнопкам в консоли управления, хотя ИИ-агенты могли бы делать это через API .
🤖 Инфраструктура для агентов 33:44
Появляется новая категория потребителей цифровой информации — ИИ-агенты. Программное обеспечение должно стать удобным для них. Андрей Карпати предлагает встречать агентов «на полпути», создавая специальные форматы данных:
- llm.txt: текстовый файл в корне домена, описывающий структуру сайта для ИИ .
- Markdown-документация: Stripe и Vercel уже переводят свои инструкции в формат, который легко парсится моделями .
- Замена инструкций «кликните здесь» на команды curl: это позволяет агентам выполнять действия напрямую .
Разработчики создают инструменты для быстрой подготовки данных. Сервис GetIngest объединяет файлы GitHub-репозитория в один текстовый блок для копирования в чат с моделью . Проект DeepWiki анализирует репозиторий и строит базу знаний специально для ИИ .
Автономия в разработке ПО будет расти постепенно. Как и в случае с автопилотом Tesla, путь от идеального демо-ролика до полной победы агентов может занять десятилетие . Сейчас индустрии нужны не «Железные люди-роботы», а «костюмы Железного человека», расширяющие возможности программиста .
