Содержание
- Краткое резюме
- Три эпохи программного обеспечения: Из Software 1.0 в Software 3.0
- Большие языковые модели — новый вид операционной системы
- Психология и ограничения LLM
- Возможности и вызовы: частично автономные приложения
- Программирование на естественном языке и эпоха "Vibe Coding"
- Будущее взаимодействия с информацией и агенты
- Заключение и перспективы
Краткое резюме
- Программное обеспечение кардинально меняется: сейчас мы на пороге перехода от классического кода (Software 1.0) к нейросетевым моделям (Software 2.0), а дальше к программированию через большие языковые модели (Software 3.0) — «программирование на английском».
- Большие языковые модели (LLM) рассматриваются как новый вид операционной системы — сложная среда, предоставляющая доступ к интеллекту и инструментам, доступным через облако.
- LLM обладают как сверхчеловеческими возможностями, так и серьезными ограничениями и ошибками — их нужно контролировать и использовать с осторожностью.
- Большие возможности открывают так называемые «частично автономные приложения»: человек и ИИ работают вместе, где человек контролирует и проверяет результаты модели через удобный интерфейс (GUI).
- Наступила эпоха естественного языка как нового «языка программирования», что открывает двери в IT для огромного числа людей без традиционного глубокого обучения программированию.
- Для эффективной работы с LLM необходимо адаптировать цифровую инфраструктуру (например, использовать специальные форматы документации и инструкции для ИИ).
- В ближайшем будущем важно находить баланс между автономией ИИ и контролем человека — «ползунок автономии» будет постепенно смещаться, но люди останутся главным звеном в цепочке принятия решений.
Три эпохи программного обеспечения: Из Software 1.0 в Software 3.0
Программное обеспечение развивается и меняется уже 70 лет, но сейчас наблюдается редкий по масштабу сдвиг, связанный с тремя эпохами:
- Software 1.0 — традиционный код, написанный человеком (C++, Python и др.) для управления компьютером.
- Software 2.0 — нейронные сети и модели, параметры которых настраиваются через обучение на данных, а не напрямую через код. Пример: нейросети для распознавания изображений. В Tesla автопилот постепенно переходил из 1.0 к 2.0, где все больше функций перекладывалось на нейросети, а старый код удалялся.
- Software 3.0 — программирование на естественном языке через большие языковые модели (LLM). Это новый уровень, где запросы и команды пишутся на английском, а LLM выступают как программируемые компьютеры нового типа.
«Впервые в истории мы программируем компьютеры на английском языке.»
Недавно стали развиваться целые экосистемы Software 2.0 с аналогами GitHub (например, Hugging Face для моделей и весов нейросетей).
Большие языковые модели — новый вид операционной системы
LLM — это не просто утилита (как электричество), они напоминают сложные операционные системы, которые работают в облаке. Аналогия:
- LLM — CPU нового компьютера;
- Контекстное окно — оперативная память;
- Облачные провайдеры — операционные платформы с высоким уровнем надежности и масштабируемости.
Пользователи получают доступ к LLM по API, как к «компьютерной сети», с оплатой за использование (примерно как счёт за электричество). Можно переключаться между разными LLM-провайдерами, подобно переключению источников энергии.
Интересный момент: в отличие от предыдущих технологий, где сначала сложное дорогое оборудование осваивали корпорации и госструктуры, LLM сразу «попали» к миллиардам пользователей, что меняет логику и динамику их распространения.
«Если состояние сети LLM падает, мир немедленно становится "тупее".»
Психология и ограничения LLM
LLM — стохастические симуляторы человеческой речи и мышления на основе трансформеров, обученных на огромных объемах текстов. Они обладают:
- Огромной энциклопедической памятью и знаниями;
- Сверхчеловеческими способностями в решении специфических задач;
- Однако имеют когнитивные недостатки: склонны к галлюцинациям, ошибкам и ситуативной «амнезии» (теряют контекст).
Например, LLM могут делать простейшие арифметические ошибки или неправильно запоминать детали. Также они не учатся и не запоминают новые вещи вне контекстного окна — им нужно постоянно «заряжать» память вручную.
«LLM — как люди-духи, обладающие багажом знаний, но с собственной, несовершенной психологией.»
Возможности и вызовы: частично автономные приложения
Полная автономия пока недосягаема и небезопасна, поэтому на практике создаются «частично автономные приложения». Пример — Cursor, приложение для помощи в программировании:
- Интегрирует несколько моделей LLM и специализированных моделей для разных задач.
- Предоставляет удобные GUI для просмотра изменений (например, подсвечивает добавленный/удаленный код).
- Позволяет пользователю контролировать уровень автономии ИИ — так называемый «ползунок автономии».
- Быстрая генерация с проверкой человеком и возможность импровизировать на малых шагах повышают безопасность и качество.
Другой пример — Perplexity, где LLM помогает искать, исследовать и углубляться в темы с возможностью разграничить скорость и глубину работы.
«Нужно держать ИИ на поводке, чтобы избежать нежелательных, потенциально опасных эффектов от избыточной автономии.»
Программирование на естественном языке и эпоха "Vibe Coding"
Появление Software 3.0 открывает огромные возможности для новичков и тех, кто не знаком с традиционной кодировкой — программировать можно на привычном английском языке.
Яркий мем и феномен — vibe coding: создание приложений, прототипов и функций через естественный язык, что снижает порог вхождения и ускоряет разработку.
Пример из практики автора: за один день без знания Swift он создал и запустил базовое iOS-приложение, используя LLM.
Однако реальные сложности часто связаны не с кодом, а с инфраструктурой — настройкой аутентификации, платежных систем и развертыванием — эти задачи пока слабо автоматизированы.
Будущее взаимодействия с информацией и агенты
Появляется новый класс потребителей и манипуляторов цифровой информации — агенты (ИИ-системы), которые похожи на «человеческих духов» и взаимодействуют с цифровой инфраструктурой.
Чтобы облегчить им эту работу, нужны специальные стандарты, например:
- lm.txt — файл разметки, похожий на robots.txt, но для LLM, объясняющий, что содержит сайт и как с ним взаимодействовать.
- Документация в легком для LLM формате (например, markdown), что повышает качество автоматической обработки и снижает ошибки.
Примеры проектов — Vercel, Stripe, которые уже внедряют такие практики.
Появляются и сервисы, облегчающие «понимание» репозиториев кода: подмена URL GitHub на любые инструменты для подготовки файлов к загрузке в LLM (Deep Wiki и др.).
Заключение и перспективы
Мы живем в «эпоху 1960-х» в пересчете компьютинга — большая часть программного обеспечения переписывается заново и развивается новая парадигма.
LLM — это сложные операционные системы с человеческими характеристиками, их надо учиться контролировать и дополнять специализированными приложениями с удобным интерфейсом.
«В течение следующего десятилетия мы будем плавно двигать ползунок автономии ИИ от полного контроля человека к частичной, а затем и большей независимости — и это будет захватывающее путешествие.»
Для входа в индустрию важно понимать три разных парадигмы программирования (Software 1.0, 2.0, 3.0), создавать и использовать частично автономные продукты, настраивать эффективность совместной работы человека и ИИ.
Эра программирования на естественном языке открывает двери в ИТ для миллионов новых талантов, и нам предстоит вместе создавать этот удивительный новый мир.
🚀