Заменит ли искусственный интеллект разработчиков?

1. Что такое ИИ?
   1. Определение и типы
   2. Использование ИИ в IT
   3. Нейронные сети
2. Человеческий мозг vs Искусственный интеллект
3. Украинский рынок IT после бума AI
4. Стоит ли бояться разработчикам: что думает об этом сам искусственный интеллект?
5. Будущее сотрудничества ИИ и человека
6. Выводы

Современный технологический ландшафт меняется с невероятной скоростью, и искусственный интеллект (ИИ, AI) сегодня является одним из его Эверестов. Он уже помогает нам в автоматизации различных задач и процессов: упрощает написание текстов и программного кода, генерирует изображения и видеоряды, консультирует нас по различным вопросам, помогает учить иностранные языки.

Как известно, большинство гор возникают на месте столкновений тектонических плит в сопровождении землетрясений – похожий процесс имеем и с активным развитием ИИ. Человечество разделилось на два больших лагеря: первые восторженно наблюдают за процессом образования технологических Гималаев, а вторые предсказывают ряд катастроф – одной из самых страшных указывают возможную безработицу, особенно среди разработчиков.

ITVDN – это образовательная онлайн платформа, которая позволяет изучать программирование и IT, поэтому мы не могли пройти мимо темы перспективности профессии разработчика. Предлагаем окунуться в неё и вместе разобраться, чья литосферная плита будет сверху и кто возьмёт гору в этой борьбе: программисты или искусственный интеллект?

Что такое ИИ?

Определение и типы

Искусственный интеллект означает способность машин имитировать человеческие когнитивные функции, такие как обучение, решение проблем и принятие решений. Он охватывает широкий спектр технологий и приложений, позволяющих машинам выполнять задачи, которые обычно требуют человеческого интеллекта, например визуальное восприятие, распознавание речи, принятие решений и языковой перевод.

Согласно видеоролику "The 7 Types of AI" с официального YouTube-канала IBM Technology (IBM – один из крупнейших в мире провайдеров IT-инфраструктуры, ПО и консультационных услуг), AI имеет по меньшей мере 7 типов, но реализацию имеют только три из них.
 

Reactive Machines и Limited memory относятся к Narrow AI, Theory of Mind – к General AI, а Self-aware – к суперинтеллекту.

Использование ИИ в IT

В 2024 году искусственный интеллект продолжает стремительно трансформировать различные сферы IT – вот несколько примеров:

1. Кибербезопасность

"Умные" системы анализируют огромные потоки данных для проактивного выявления уязвимостей, угроз и их минимизации, изучают модели поведения пользователей и маркируют подозрительные действия, анализируют финансовые транзакции, помогают в создании отчетов и т. д.

2. DevOps и облачные вычисления

ИИ автоматизирует такие задачи, как выделение ресурсов, управление конфигурацией и масштабированием, анализирует данные о производительности системы и предлагает оптимизацию для использования ресурсов и сокращения расходов. Также системы с интеллектом автоматически обнаруживают и устраняют проблемы в облачной инфраструктуре, повышая отказоустойчивость и время безотказной работы системы.

3. Разработка программного обеспечения

Технологические инновации в области AI позволяют генерировать, рефакторить и объяснять код для разработчиков, выявлять потенциальные ошибки, автоматизировать процессы тестирования, ускоряя разработку, автоматически дополнять код в реальном времени и т. д.

4. Тестирование и обеспечение качества

Инструменты тестирования на основе ИИ способны проводить анализ кода, выявлять уязвимости, изучать результаты предыдущих тестов, автоматически генерировать тест-кейсы и т. д.

5. Управление данными и аналитика

Автоматизация задач по обработке данных, выявление и исправление ошибок, подготовка данных к анализу, интеллектуальный анализ данных, генерирование отчетов и презентаций, выявление скрытых закономерностей, прогнозирование будущих тенденций и результатов, ассистенция при стратегическом планировании и распределении ресурсов – и это только общие точки, в которых искусственный интеллект влияет на домены Big Data, Data Science и прочие.

6. Управление сетью

Машинный интеллект обнаруживает необычные шаблоны сетевого трафика, чтобы предотвратить кибератаки и/или перебои в работе сети. Также он анализирует сетевые данные и автоматически настраивает конфигурации для оптимальной производительности и использования ресурсов, прогнозирует тенденции сетевого трафика и динамически распределяет ресурсы, чтобы обеспечить бесперебойную работу и избежать появления узких мест (так называемых "bottlenecks").

7. Управление IT-сервисами (ITSM)

Человеко-машинное взаимодействие с привлечением ботов на основе ИИ способствует автоматизации рутинных задач вроде сброса паролей и решения инцидентов, уменьшая нагрузку на службу поддержки и повышая её эффективность. Также эти системы анализируют данные IT-инфраструктуры, чтобы прогнозировать потенциальные сбои, принимать превентивные меры, минимизировать время простоя, диагностировать первопричины проблем и предлагать решения, оптимизируя процессы устранения неисправностей.

И это только часть тех сфер, где искусственный интеллект уже используется и активно развивается. К ним можно добавить:

• IT-менеджмент;
• интернет вещей (IoT) и робототехника в целом (как гражданская, так и военная);
• разработки на основе NLP: виртуальные ассистенты, чат-боты, интерфейсы, активируемые голосом;
• электронная коммерция: рекомендательные, аналитические системы;
• виртуальная реальность, компьютерные игры и т. д.

Получается, под угрозой "вымирания" не только разработка, но и другие IT-отрасли.

Нейронные сети

Нейронная сеть – важный фундамент в понимании искусственного интеллекта. Хотя это популярный и эффективный метод построения искусственных систем, существуют и другие методы, например системы на основе правил, деревья решений, генетические алгоритмы, машины опорных векторов и тому подобное. Эти методы часто используют в сочетании с нейросетями для создания более сложных интеллектуальных систем.

Так каким образом нейронки связаны с умными машинами?

Нейронные сети составляют костяк алгоритмов глубокого обучения (Deep Learning, DL), глубокое обучение является подмножеством машинного обучения (Machine Learning, ML), а машинное составляет подмножество AI. Кроме ML искусственные системы могут включать в себя обработку естественного языка (NLP), компьютерное зрение, движение, озвучивание текста и тому подобное. Картинка выше визуализирует эти моменты для лучшего понимания.

Если примеры AI привести достаточно просто (ChatGPT, Midjourney, GitHub Copilot и т. д.), то где в жизни мы напрямую сталкивались с остальными тремя составляющими? Вот некоторые из них:

• нейросеть может хорошо распознавать голос, объекты на изображениях и видео и тому подобное;
• Google Translate – яркий пример DL;
• когда вы зашли в интернет-магазин, посмотрели что-то, а затем получили предложения с товарами, которые "могут вам понравиться" – постаралось машинное обучение.

По своему строению искусственные нейронные сети очень напоминают те, что находятся в нашем мозге, но на самом деле даже один человеческий нейрон больше напоминает гигантскую нейросеть.

Из чего состоит типичная нейронная сеть:

На картинке изображена глубокая нейросеть – это сеть, которая имеет более трех скрытых слоев (hidden layers), включая входной (input) и выходной (output). Если слоев всего 3, имеем дело с простейшей нейросетью. Кстати, картинку выше можно рассматривать как алгоритм глубокого обучения.

Со схематическим изображением познакомились, а теперь нас интересует работа нейронной сети.

Каждый слой нейросети состоит из узлов – искусственных нейронов. Каждый узел соединен с нейронами следующего слоя, причем каждый имеет свой вес и порог. На вход узла поступает определенное значение, которое подвергается воздействию веса, и если затем это значение превышает порог, данный узел "активируется" с помощью активационной функции, и результирующие данные направляются в следующий слой сети. Если исходное значение узла ниже порога, в следующий узел оно не попадает.

Данные обучения (training data) помогают обучать нейронную сеть и улучшать её точность с течением времени. Когда алгоритмы обучения качественно настроены, они становятся прочным фундаментом ИИ, поскольку могут очень быстро классифицировать и кластеризовать данные – это позволяет существенно ускорить различные операции. Классификация нейронных сетей с примерами реализации здесь приводиться не будет, но отметим поисковый алгоритм Google – это, наверное, самая известная реализация нейронки; именно благодаря ей поисковик столь быстр и эффективен.

Человеческий мозг vs Искусственный интеллект

Преимущества мозга

Главный командный центр человека имеет ряд сильных сторон, которым пока уступают умные системы:

1. Креативность и адаптивность. Мозг прекрасно генерирует новые идеи, решает проблемы нестандартными способами и адаптируется к непредсказуемым ситуациям, в то время как ИИ и творчество – пара, требующая отработки многих "па".
2. Мощный интеллектуальный спектр. Под властью наших полушарий находятся сложные рассуждения, абстрагирование, эмоциональный интеллект и тому подобное.
3. Когнитивная гибкость и интуиция. Люди могут переносить опыт из других сфер жизни для адаптации к новым условиям и развязывания новых проблем, с которыми они не сталкивались, принимать суждения и решения на основе неполной информации и интуиции, с чем нейросети имеют проблемы.
4. Устойчивость к "шуму" входных данных. Человеческий мозг легко проходит мимо искажений или небольших возмущений во входных данных, которые в умных системах могут привести к значительным ошибкам или неправильным классификациям.
5. Эмоции и этичность. Этика в ИИ недостаточно развита: компьютеры не настолько хорошо работают с человеческими эмоциями, эмпатией и моральными нормами, в то время как для человека эти вещи являются фундаментально важными и определяющими в принятии решений.
6. Eco-friendly 💚 Человеческий мозг потребляет до 20 Вт, что делает нас значительно энергоэффективнее искусственных технологий, которые потребляют большие объемы электроэнергии (особенно на этапе обучения) и не могут существовать без питания.

Преимущества искусственного интеллекта

Наши цифровые визави также имеют чем похвастаться:

1. Скорость, объемность и эффективность. Машинное обучение позволяет обрабатывать огромные объемы данных, быстро анализировать, делать выводы и выполнять конкретные задачи в разы быстрее человека.
2. Распознавание и анализ шаблонов. Искусственные нейронные сети превосходно распознают закономерности и сложные взаимосвязи в данных, помогая в таких задачах, как распознавание изображений, перевод текстов и т. д.
3. Масштабируемость и автоматизация. Системы искусственного интеллекта можно масштабировать и автоматизировать, что позволяет им оперативно справляться с большими рабочими нагрузками и репетативными задачами.
4. Настройка и оптимизация. Алгоритмы ИИ можно обучать и совершенствовать под конкретные задачи, достигая высокого уровня точности и результативности.
5. Доступность 24/7. Системы AI могут работать круглосуточно, обеспечивая бесперебойное обслуживание, например постоянный мониторинг состояния инфраструктуры, видеонаблюдение, регулирование температуры в помещении и т. д.
6. Отсутствие некоторых человеческих недостатков. Искусственный интеллект не может забыть о задаче, разлениться, проспать, заболеть, иметь похмелье, испугаться, быть не в настроении или просто не любить вас. Конечно, никто не застрахован от обрыва питания, хакерских атак, проблем с программно-аппаратной начинкой и т. д., но в плане работоспособности, доступности и надежности компьютерные системы значительно лучше себя проявляют, чем человек.
7. Снижение рисков. ИИ можно применять в условиях повышенного риска и опасности. Например, роботы с искусственным интеллектом могут выполнять опасные задания на производстве, участвовать в поисково-спасательных миссиях и при ликвидации последствий стихийных бедствий, минимизируя угрозу для людей.

Украинский рынок IT после бума AI

Каким разработчики видят будущее ИИ?

Ещё в 2017 году исследователи из Oak Ridge National Laboratory – американской лаборатории, которая занимается научной деятельностью и финансируется Министерством энергетики США – опубликовали статью, в которой предполагают, что к 2040 году большинство программного кода будут писать именно машины, и это радикально повлияет на создание ПО как таковое.

А совсем недавно – 12-14 февраля 2024 года – на Всемирном правительственном саммите в Дубае обсуждался искусственный интеллект, и CEO компании NVIDIA Дженсен Хуанг сказал, что если последние 10-15 лет советовали учить программирование и компьютерные науки, то сейчас эти советы неактуальны, ведь ИИ превращает каждого человека в программиста и дает возможность прокачать свои навыки и существенно повысить производительность в других востребованных сферах, например в цифровой биологии, обучении, производстве, фермерстве и тому подобное.

Также он добавил, что если бы мог начать всё с начала, то фокусировался бы на таком направлении, как наука о жизни (бионаука, цифровая биология, биоинженерия), поскольку это важнейшая комплексная отрасль, развитие которой в сочетании с мощностью ИИ позволит оптимизировать многие процессы, в том числе связанные с устойчивым развитием.

Современные технологические инновации позволяют активно использовать AI решения, хоть и без идеального результата. Давайте посмотрим, как изменился ландшафт украинского IT-рынка после "бума" ChatGPT и появления других "искусственных" игроков.

А сделаем мы это с помощью аналитики от DOU – сообщества украинских разработчиков. Точкой отсчета возьмем февраль 2023 года, когда "чат" стал официально доступным в Украине и исчезли блэкауты.

В этом году в феврале опубликована аналитика, согласно которой количество вакансий на DOU по состоянию на январь 2024 года составляет 5057. В феврале 2023 года эта цифра составляла 3489, то есть прирост на уровне 45%. Помним, что на прошлогоднюю статистику могли повлиять блэкауты, но в том же феврале энергетическая ситуация начала значительно улучшаться.

Сравним количество технических вакансий в феврале 2023 и в январе 2024 года:

Как видим, в подавляющем большинстве направлений количество вакансий возросло после того, как искусственный интеллект вышел на глобальный рынок, а в других наблюдаем несущественное уменьшение.

Какова ситуация на рынке начинающих (0-3 года опыта)?

Во всех трёх категориях имеем заметный рост.

Что думает об этом сам искусственный интеллект?

Давайте послушаем аргументы ИИ относительно того, смогут ли нейросети заменить разработчиков и занять их место.

ChatGPT

Ответ ChatGPT версии 3.5:

"Разработчики программного обеспечения незаменимы благодаря ряду преимуществ:

1. Творческое решение проблем: разработчики применяют креативное мышление для решения сложных проблем, предлагая уникальные и эффективные решения.
2. Навыки критического мышления: они преуспевают в разбиении сложных проблем, их анализе и разработке эффективных решений.
3. Адаптивность и обучаемость: разработчики идут в ногу со временем, быстро адаптируясь к новым технологиям и изучая новые языки программирования, что позволяет им оставаться конкурентоспособными в постоянно меняющейся среде разработки ПО.
4. Сотрудничество и коммуникация: эффективное сотрудничество и коммуникация позволяют разработчикам гармонично сотрудничать с межфункциональными командами, включая дизайнеров, Product менеджеров и тестировщиков.
5. Этические соображения: разработчики должны учитывать этические аспекты в своей работе, обеспечивая соответствие своих творений общественным ценностям и нормам.

По сути, хотя ИИ может провести интеллектуальный анализ данных и автоматизировать определенные задачи, уникальное сочетание креативности, критического мышления, адаптивности, сотрудничества и этических соображений разработчиков остается незаменимым для грамотного выполнения таких задач, как программирование и других процессов разработки ПО".

Gemini (Bard)

"Хотя я, Бард, большая языковая модель, обладаю впечатляющими возможностями в понимании и генерации текста, полностью заменить разработчиков – это слишком, по крайней мере, пока. Вот почему:

1. Творчество и решение проблем. Хотя я могу писать строки кода как программисты, настоящие инновации возникают благодаря способности человеческого разума представлять уникальные решения, выходящие за рамки устоявшихся шаблонов.
2. Глубокая экспертиза в отрасли. Хотя я имею доступ к огромному количеству информации и могу ее обрабатывать, глубокое понимание и контекст, который разработчики приобретают благодаря многолетнему опыту работы в конкретных областях, являются незаменимыми.
3. Человеческие суждения и этика в ИИ. Разработчики привносят в работу бесценные человеческие суждения и этические соображения, гарантируя, что их творения соответствуют принципам ответственного использования. Ориентирование в этических дилеммах остается за пределами современного ИИ.
4. Коммуникация и сотрудничество. Разработка ПО процветает благодаря командной работе и эффективной коммуникации. Хотя я могу обрабатывать информацию и реагировать на неё, мне не хватает навыков эффективного сотрудничества с различными командами, генерирования идей и ориентации в сложностях человеческого взаимодействия.
5. Адаптивность и способность к обучению. Технологические инновации носят достаточно динамичный характер, а разработчики умеют постоянно учиться и осваивать новые технологии. Хотя я тоже это могу, я ограничен в своих параметрах, и моя способность к обучению уступает людям-разработчикам.

Будущее сотрудничество, а не замена.

Я представляю себе будущее, в котором машинный разум расширяет возможности разработчиков, служа мощным инструментом для решения повторяющихся задач: автоматизация кода, предложения по его улучшению и расширению, другие возможности для решения проблем. Это сотрудничество откроет путь к большим инновациям и эффективности в сфере разработки ПО".

Perplexity

Ответ большой языковой модели – разговорного поисковика от Perplexity AI:

"Влияние искусственного интеллекта на разработку ПО, безусловно, является трансформационным, но он не может заменить уникальный человеческий подход, который стимулирует инновации и творчество. Искусственный интеллект прекрасно справляется с автоматизацией повторяющихся задач, улучшает качество кода и предлагает оптимизации. Однако ему не хватает способности мыслить нестандартно, представлять новые концепции или понимать нюансы сложных систем.

Ограничения умных систем заключаются в их неспособности к настоящему творчеству, которое является отличительной чертой разработчиков-людей. Они учатся на имеющихся данных, и хотя могут генерировать код на основе шаблонов, но не могут внедрять инновации или создавать что-то совершенно новое.

В обозримом будущем программисты будут дополнены, а не заменены на ИИ. Он поможет им сосредоточиться на более сложных задачах, повысить эффективность и уменьшить количество ошибок. По мере развития интеллектуальных машин разработчикам нужно будет адаптироваться и овладевать новыми навыками, чтобы работать вместе с этими мощными инструментами.

Будущее разработки ПО – это человеко-машинное взаимодействие, симбиоз человека и AI, где второй расширяет человеческие возможности, а разработчики-люди продолжают стимулировать инновации".

А доверять этим ответам или нет – решайте сами, уважаемые читатели. Возможно, искусственный интеллект уже сейчас скрывает от нас какие-то планы и специально усыпляет наше внимание, чтобы в самый удачный момент сделать из нас что-то вроде сервисного персонала или домашних любимцев?

Будущее сотрудничества ИИ и человека

Современное человеко-машинное взаимодействие предстает в виде эффективной кооперации, упрощающей рутинные задачи и оптимизирующей многие процессы, связанные с IT, начиная с интерпретации, генерации и рефакторинга кода и заканчивая полноценными AI инструментами под каждую специальность.

Трудно спрогнозировать точный уровень угрозы искусственных систем айтишным профессиям в будущем, но сейчас это полезный инструмент, который программисты должны изучать, чтобы с легкостью обходить рутину и больше времени уделять действительно важным процессам.

Иными словами, современные ИИ – это наши помощники, и в ближайшем будущем они не заменят нас, а органично дополнят и переформатируют наши роли. Но кто знает, как будет в более далекой перспективе.

Вполне вероятно, что позиции разработчиков уровня Intern-Junior будут претерпевать наибольшие видоизменения, поскольку работа нейронной сети довольно неплохо заточена под генерирование кода для несложных задач. Но не забываем, что результат их работы всё ещё далёк от идеала.

Выводы

Так заменит ли искусственный интеллект разработчиков?

Выше мы проанализировали ситуацию на украинском рынке IT, и на данный момент намёков на то, что программисты останутся без работы, нет. Искусственные системы пока что занимают роли ассистентов и упрощают рутинную и/или времязатратную работу: написать кусок кода или часть документации, напомнить функционал определенного метода, дать совет или объяснить код, провести его рефакторинг и т. д.

Наиболее правильный шаг в данных условиях – изучать AI. Даже если некоторые профессии начнут исчезать, то опытные специалисты, умеющие делегировать рутину нейронкам и разрабатывать комплексные решения, точно не останутся в стороне. Поэтому фокусируйтесь на сложных и креативных решениях, которые нейросеть не осилит, масштабируйте знания и навыки, получайте уникальный опыт, всегда следите за новостями мира ИИ, а также будьте открыты к новым технологиям и умениям.

Желаем вам успехов в разработке и изучении AI инструментов! Ваши мысли о будущем искусственного интеллекта и его влиянии на разработчиков пишите в комментариях