Технологии в кризисе, и в центре этого кризиса стоит вопрос: заменит ли искусственный интеллект (ИИ) программистов? Чтобы ответить на него, нужно сначала разобраться в разнице между двумя понятиями, которые часто путают, — программированием и кодированием, а также понять, какую роль играет ИИ в каждом из них.
Программирование — это творческая область, связанная с кибернетикой, наукой об управлении и передаче информации. Это процесс, в котором программист ищет оптимальные решения, учитывая бизнес-логику (которую порой даже сам заказчик не до конца понимает), тонкости и будущие потребности. Результат — не первое попавшееся решение, а тщательно продуманное и подходящее. Кодирование же — это более технический этап: перевод алгоритма или программы на машинный язык, относительно механический процесс, где ключевые решения уже приняты.
Искусственный интеллект уже во многом освоил кодирование. Он способен взять задачи, разложенные по полочкам — то есть чёткие и конкретные инструкции, — и превратить их в рабочий код на разных языках программирования. Но его возможности в основном ограничиваются этим. Он не заменяет творческое мышление, способность видеть общую картину или проектировать сложные системы с нуля.
Ниже есть продолжение.
Проблема начинается, когда решают урезать само программирование, а не только кодирование. Раньше системные архитекторы — люди, которые проектировали основу и структуру программ, — были важной частью индустрии. Сегодня многие из них исчезли. Зарплаты распределили между группами разработчиков, но без чёткого планирования итогом стали программы, представляющие собой набор костылей и заплаток, лишённые прочного фундамента.
Например, есть огромная система, которая должна описывать полный производственный цикл, но начиналась она как простая программа для буфета. Любая программа начинается с чего-то небольшого, а потом расширяется, но без архитектуры и общего видения это расширение превращается в хаос. Похожая история случилась в авиационной индустрии: самолёты Boeing, прозванные «самоубийцами» после серьёзных сбоев, пострадали из-за модулей, которые не были должным образом спроектированы вместе.
Этот кризис не ограничивается сферой IT. И на Западе, и на Востоке, например в китайской инженерии, есть тенденция дробить всё на модули и собирать их наспех, не понимая базовых принципов. Огромные заводы выпускают десятки видов оборудования, но не умеют его комбинировать или улучшать. Инженерия угасает.
Молодое поколение владеет информацией на техническом уровне, но не усваивает её и не создаёт новых алгоритмов. Те же, кто читает книги и знает основы, видят шире и понимают принципы. Первые программисты нередко были гениями — инженерами, которые знали оборудование изнутри и создавали ясные, красивые программы. Сегодня повторить такое сложно.
Вместо того чтобы решить кризис, искусственный интеллект иногда усугубляет его. Решения, которые он предлагает, неэффективны, потребляют больше ресурсов и держатся на заплатках. Имеющегося оборудования не хватает, чтобы поддерживать нужную вычислительную мощность, и индустрия застревает на промежуточных, нежизнеспособных решениях.
Крупные европейские компании с десятками тысяч сотрудников хорошо иллюстрируют проблему. Клиенты рисуют, объясняют, пытаются донести свои потребности, и компании вроде бы довольны. Но через год оказывается, что никто ничего не понял. Был один человек — например, инженер из Индии, — который знал, что делать, но она ушла в декрет, и знания пропали. Общение становится невнятным, как «птичий язык».
Ситуация напоминает Древний Рим. Сначала перестали строить акведуки и канализацию, забыли, как это делается. Потом исчезли те, кто умел их чинить. Сегодня в мире мало людей, способных создавать что-то по-настоящему новое. В некоторых местах, как у нас, таких людей всё ещё относительно много, и это преимущество, которое стоит использовать.
Без инженеров и системных архитекторов индустрия вязнет в неэффективности. Искусственный интеллект может заменить кодирование, но не творческое программирование и не умение видеть целое. Кризис вызван не самой технологией, а решениями экономить на самом ценном — людях, которые глубоко понимают предмет и умеют строить системы, способные выдержать время.
הטכנולוגיה נמצאת במשבר עמוק, ובמרכזו השאלה: האם בינה מלאכותית תחליף את המתכנתים? כדי לענות, צריך להבחין בין תכנות לקידוד – שני מושגים שרבים מתבלבלים ביניהם – ולהבין את תפקיד הבינה המלאכותית בכל אחד מהם.
תכנות הוא תחום יצירתי השייך לקיברנטיקה, מדע העוסק בניהול והעברת מידע. זהו תהליך שבו המתכנת מחפש פתרונות מיטביים, לוקח בחשבון את ההיגיון העסקי שלעיתים אפילו הלקוח לא מבין לגמרי, את הדקויות ואת הצרכים העתידיים. התוצאה היא לא הפתרון הראשון שעולה על הדעת, אלא פתרון מותאם בצורה אופטימלית. קידוד, לעומת זאת, הוא שלב טכני יותר: תרגום של אלגוריתם או תוכנית לשפת מכונה, תהליך מכני יחסית שבו ההחלטות הגדולות כבר התקבלו.
בינה מלאכותית כבר שולטת בקידוד במידה רבה. היא מסוגלת לקחת משימות מפורקות לפרוטות – כלומר, הוראות ברורות ומוגדרות – ולהפוך אותן לקוד תקין בשפות תכנות שונות. אבל היכולת שלה נעצרת שם בעיקר. היא לא מחליפה את החשיבה היצירתית, את הראייה הכוללת או את היכולת לתכנן מערכות מורכבות מאפס.
הבעיה מתחילה כשמחליטים לקצץ בתכנות עצמו, ולא רק בקידוד. פעם היו אדריכלי מערכות – אנשים שתכננו את הבסיס ואת המבנה של תוכנות – חלק מרכזי בתעשייה. היום רבים מהם נעלמו. המשכורות התחלקו בין קבוצות של יוצרים, אבל בלי תכנון מסודר, התוצאה היא תוכנות שהן אוסף של קביים וטלאים, חסרות בסיס איתן.
למשל, יש מערכת ענקית שאמורה לתאר מחזור ייצור שלם, אבל היא התחילה כתוכנית פשוטה למזנון. כל תוכנה מתחילה ממשהו קטן ואז מורחבת, אבל בלי ארכיטקטורה וראייה כוללת, ההרחבה הזו הופכת לבלגן. סיפור דומה קרה בתעשיית התעופה: מטוסי בואינג, שכונו "מתאבדים" אחרי תקלות קשות, סבלו ממודולים שלא תוכננו כראוי יחד.
המשבר הזה לא מוגבל ל-IT בלבד. גם במערב וגם במזרח, כמו בהנדסה הסינית, יש נטייה לפצל הכל למודולים ולהרכיב אותם בחופזה, בלי להבין את העקרונות הבסיסיים. מפעלים ענקיים מייצרים עשרות סוגי ציוד, אבל לא יודעים לשלב או לשפר אותם כראוי. ההנדסה דעכה.
הדור הצעיר שולט במידע בצורה טכנית, אבל לא מפנים אותו ולא יוצר אלגוריתמים חדשים. לעומת זאת, מי שקורא ספרים ומכיר את היסודות רואה תמונה רחבה יותר ומבין עקרונות עמוקים. המתכנתים הראשונים היו לעיתים גאונים – מהנדסים שהכירו את החומרה מבפנים ויצרו תוכניות ברורות ויפות. היום היכולת הזו הולכת ונעלמת.
במקום לפתור את המשבר, בינה מלאכותית לפעמים מחמירה אותו. הפתרונות שהיא מייצרת לא יעילים, צורכים משאבים רבים ותפורים בטלאים. החומרה הקיימת לא מספיקה לתמוך בעוצמה הדרושה, והתעשייה נתקעת בפתרונות חלקיים ולא מקיימים.
חברות אירופאיות גדולות, עם עשרות אלפי עובדים, ממחישות את הבעיה. לקוחות מציירים, מסבירים ומנסים להעביר את הצרכים שלהם, והחברות נראות מרוצות. אבל כשחוזרים אחרי שנה, מתברר שאף אחד לא הבין באמת. פעם, אדם אחד – למשל, מהנדסת הודית – ידע מה לעשות, אבל כשיצאה לחופשת לידה, הידע נעלם. התקשורת הופכת לבלתי מובנת, כמו "שפת ציפורים".
המצב מזכיר את רומא העתיקה. תחילה הפסיקו לבנות אמות מים וביוב ושכחו איך לעשות זאת. אחר כך נעלמו אלה שידעו לתקן אותם. היום, בעולם יש מעט אנשים שמסוגלים ליצור משהו חדש באמת. במקומות מסוימים, כמו אצלנו, עדיין יש יחסית הרבה כאלה, וזה יתרון שכדאי לנצל.
בלי מהנדסים ואדריכלי מערכות, התעשייה שוקעת בחוסר יעילות. בינה מלאכותית יכולה להחליף קידוד, אבל היא לא מחליפה את התכנות היצירתי ואת הראייה הכוללת. המשבר לא נובע מהטכנולוגיה עצמה, אלא מהחלטות לחסוך בדבר היקר באמת – אנשים שמבינים לעומק ויודעים לבנות מערכות שמחזיקות מעמד.
No comments:
Post a Comment