# Как ИИ меняет кодинг и образование: дискуссия Эндрю Ына и Мехрана Сахами Источник: https://www.youtube.com/watch?v=J91_npj0Nfw Канал: Stanford Online Опубликовано: 16.10.2024 --- В рамках недавнего вебинара Stanford Online эксперты в области искусственного интеллекта и образования обсудили тектонические сдвиги в индустрии разработки программного обеспечения. Эндрю Ын и Мехран Сахами проанализировали, как генеративный ИИ меняет требования к программистам, почему навыки написания кода становятся новой грамотностью и какие фундаментальные знания останутся востребованными в эпоху автоматизации. ## 💻 Трансформация профессии: от синтаксиса к архитектуре [[JUMP:04:13]] Эндрю Ын отмечает, что ИИ сегодня является технологией общего назначения, которая оказывает колоссальное влияние на все научные дисциплины — от химии до физики, что подтверждается недавними Нобелевскими премиями [04:39]. Однако в сфере разработки ПО изменения наиболее радикальны. По мнению Эндрю Ына, современный процесс разработки ускоряется в двух направлениях: * Опытные разработчики используют генеративный ИИ для рутинных задач: написания документации, генерации тестов, отладки кода и проектирования архитектуры [05:23]. * Порог входа в индустрию снижается. Людям больше не нужно зазубривать специфический синтаксис — инструменты позволяют новичкам быстро собирать приложения, на создание которых раньше уходили месяцы или годы обучения [05:50]. Мехран Сахами добавляет, что индустрия уже адаптируется к этим изменениям. Ссылаясь на разговор с техническим директором Microsoft Кевином Скоттом, Сахами подчеркивает: в ближайшие 1–5 лет знание ИИ-инструментов (таких как GitHub Copilot) станет обязательным требованием для выпускников вузов [07:09]. Это уже не роскошь, а базовый элемент «инструментария» инженера. ## 🎓 Реформа образования: когда вводить ИИ в обучение? [[JUMP:07:46]] В академической среде Стэнфорда сейчас идет активная дискуссия не о том, «нужно ли» использовать ИИ, а о том, «где и как» это делать [07:46]. Существует несколько моделей: от внедрения ИИ-помощников с самого первого курса до их использования только на финальных этапах обучения при работе над крупными проектами [08:14]. Эндрю Ын выделяет несколько ключевых инструментов, меняющих продуктивность: * **GitHub Copilot и VS Code:** обеспечивают значительный прирост скорости написания кода [09:17]. * **Cursor:** эффективен для внесения построчных правок в код. * **OpenAI Canvas:** позволяет генерировать и редактировать код в интерактивном режиме [09:46]. Одним из лайфхаков, которым поделился Эндрю Ын, стало использование ИИ для написания комментариев (docstrings). Вместо того чтобы тратить время на чтение сложной функции, он просит ИИ проанализировать её и составить описание — ИИ справляется с этим гораздо быстрее человека [10:11]. По словам Мехрана Сахами, этот процесс превращается в «грамотное программирование» (literate coding), где разработчик учится, анализируя сгенерированный код и комментарии к нему [11:20]. ## 🧠 Фундаментальные навыки: почему ИИ не заменит инженера [[JUMP:13:48]] Несмотря на мощь ИИ, Мехран Сахами утверждает, что понимание основ остается критически важным. Студенты должны уметь верифицировать сгенерированный код и оценивать его эффективность [14:51]. В первых курсах Стэнфорда (например, на Python) основной упор по-прежнему делается на развитие «вкуса» в программировании: 1. Умение разбивать большую задачу на мелкие модули. 2. Проектирование интерфейсов между частями системы. 3. Построение ментальной модели выполнения кода для его отладки [16:10]. Эндрю Ын приводит пример из собственной практики: недавно он решил внедрить кэширование в свой проект. Хотя ИИ идеально написал синтаксис, само решение использовать кэш (memorization) принял Эндрю, опираясь на фундаментальные знания из курса CS [18:36]. ИИ сегодня часто не хватает контекста: он не всегда знает, почему система работает медленно или какие ресурсы доступны. Пока мы не оцифруем весь контекст человеческого опыта, архитектурные решения будут оставаться прерогативой людей [19:46]. ## 📚 Программирование как «новая грамотность» [[JUMP:27:28]] Эндрю Ын выступает за то, чтобы программированию учились абсолютно все, подобно тому как общество когда-то перешло к всеобщей грамотности [28:08]. По его мнению, суть кодинга — не в синтаксисе Python, а в умении систематически и точно объяснять компьютеру, что от него требуется [28:45]. Интересные наблюдения экспертов: * **Конвергенция языков:** Эндрю Ын замечает, что грань между английским языком и Python стирается. Его промпты выглядят как структурированный псевдокод, а код содержит всё больше текстовых инструкций [29:00]. * **Влияние на интеллект:** Существуют данные, что обучение моделей (например, Strawberry/o1 от OpenAI) на коде делает их лучше в решении общелогических и математических задач [33:41]. Эндрю Ын предполагает, что это верно и для людей: кодинг тренирует фреймворк для решения любых жизненных проблем [34:08]. * **Исследование Карла Вимана:** Мехран Сахами упомянул работу нобелевского лауреата Карла Вимана. В ходе эксперимента студенты разных специальностей решали задачи на логику схем. Программисты показали результат на два стандартных отклонения выше остальных благодаря привычке к систематическому мышлению [35:12]. ## ⚖️ Этика и социальное влияние [[JUMP:36:03]] В Стэнфорде внедрена программа «Embedded Ethics» (встроенная этика), созданная по модели Гарварда [37:09]. Она подразумевает включение этических модулей прямо в технические курсы. Студенты обсуждают: * Справедливость алгоритмических решений (bias). * Конфиденциальность данных. * Выбор функций оптимизации и их социальные последствия [37:36]. Эндрю Ын критикует современный дискурс об «AI Safety», считая, что он слишком сместился в сторону научно-фантастических сценариев гибели человечества от рук роботов [38:43]. Вместо этого он и Мехран Сахами призывают сосредоточиться на реальных проблемах — предвзятости алгоритмов и ответственности за их использование. Сахами отмечает, что ИИ сам по себе не создает и не уничтожает рабочие места — это делают руководители компаний, принимая решения о том, как использовать 20%-й прирост продуктивности: нанять меньше людей или выпустить больше продуктов [49:07]. ## 🚀 Скорость и давление на индустрии [[JUMP:45:16]] Генеративный ИИ позволяет создавать приложения за выходные, на что раньше требовался год [45:57]. Эта скорость, по мнению Эндрю Ына, создает колоссальный стресс для традиционных отраслей с медленным циклом, таких как здравоохранение (из-за процедур FDA) или производство [46:39]. Ключевой вызов современности — научиться «двигаться быстро и ответственно». Эндрю Ын предлагает использовать концепцию Джеффа Безоса о «дверях, открывающихся в обе стороны»: проводить эксперименты так, чтобы их последствия можно было легко откатить без вреда для общества [46:11]. В условиях дефицита квалифицированных кадров, те, кто освоит ИИ-инструменты первыми, получат решающее преимущество [53:05].