Стать специалистом по машинному обучению

Помните, ещё недавно многие жаловались на то, что модели пишут такие тесты, которые их код всегда пройдёт, даже если он проблемный? Теперь агенты не просто пишут тесты, но и проверяют их на то, ловят ли они то, что должны через ломание кода. Это пришло из коробки, я такому не учил. Проверяю иногда тесты и понимаю, что я во многих случаях вряд ли написал бы лучше. Всё больше верю в рекомендацию периодически обнулять все правила и смотреть на то, как изменилось поведение системы. Получается, мировые best practices доезжают автоматически на каждой итерации улучшения агентов.

Тестов много не бывает. А, уж, когда Клод фичи пилит - тем более! Тесты очень хорошо спасают от того, чтобы "в одном месте делаю, в другом - ломаю".

Ааааа! Ужас! Claude взломал сайт фитнес-клуба! Что же теперь будет?? Только проблема не в том, что Клод взломал, а в том, что сайт - говно.

Есть мнение, что чем сильнее агенты, тем в менее безопасном мире мы живём, потому что дыры в безопасности всё чаще находятся агентами и злоумышленники будут строить свои эксплоиты для этих уязвимостей. Звучит логично. Но я смотрю на это немного под другим углом. Чем больше дыр в безопасности найдут агенты, тем вероятнее они же (совместно с разработчиками) эти дыры и закроют. То есть информационные системы станут не менее, а более безопасными в перспективе. Я недавно был на митапе, на котором учёные рассказывали о том, как изменилась сейчас научная деятельность в условиях развития ИИ-агентов. Я сидел, слушал и офигевал от того, что изменилась она ровно так же, как и деятельность разработчиков. И жалобы на агентов ровно такие же: не с первого раза доказал теорему, сделал несколько ошибок, которые заметил только после того, как его ткнули носом, ссылался не на те теоремы, которые были бы более изящными для доказательства, требует постоянного напоминания, чтобы не сдавался и не заметал проблемы под ковёр и т.п. Но ещё больше меня зацепила фраза Сергея Николенко о том, что учёные получили в своё распоряжение тральщик, который в автоматическом режиме может читать научные статьи и находить в них ошибки, неточности, недораскрытые идеи и так далее. Я сразу вспомнил, что и в разработке сейчас так - множество агентов ходит по открытым репозиториям на гитхабе и предлагают PR'ы к давно открытым issues. То есть то, на что у людей не хватало времени теперь может быть починено автоматически. То важное, что давно лежало в бэклоге - наконец-то начнёт всплывать на поверхность и получать долю внимания разработчиков. То, где раньше шёл отказ от оверинжиниринга и безопасности в угоду скорости - теперь может делаться почти само в параллельных сессиях. Я и сам недавно глубоко отрефакторил несколько своих проектов, закрыв давние технические долги и усилив системы. Я очень не уверен, что вообще когда-нибудь до этого дошли бы руки, если бы только не выстрелило однажды само. Теперь у нас появилось больше возможностей стелить соломку заранее, не дожидаясь реальных инцидентов, чтобы делать это в безумном ритме постфактум. В общем, я думаю, что устойчивость и безопасность систем растёт, а не уменьшается. Слава роботам!

Как вам?

Срочно нужен фильм ужасов с таким сюжетом

Подъехали цифры. Да, как-то очень быстро поменялся мир разработки - буквально за какие-то месяцы. Примерно полгода назад мы улыбались тому, что измеримые показатели говорили о повышении эффективности труда программиста на единицы процентов, хотя сами разработчики "по самоощущениям" указывали - 30-40%. А теперь даже цифры "самоощущений" кажутся довольно заниженными. Всё чаще слышна фраза "Я за последние полгода (месяц, два месяца и т.п.) не написал ни строчки кода руками". Да, что говорить, я и сам такой же. Скажи мне кто-то ещё год назад, что я буду писать код так, как сейчас - через директивное указание ИИ-агенту что нужно сделать, - я бы очень удивился. Я, конечно, технооптимист и всегда был уверен, что к чему-то такому мы рано или поздно придём, но даже мне это показалось как-то, уж, очень стремительным. Никогда ещё перестраивание процессов не шло с такой бешеной скоростью. Но самоощущения самоощущениями, а всегда имеет смысл смотреть на то, что происходит в корпоративном секторе - кому, как ни заметным игрокам рынка задавать ориентиры и показывать, куда всё движется на самом деле. Яндекс объявил программу с говорящим названием 75/75/75: к концу 2026 года не менее 75% разработчиков компании должны регулярно применять ИИ при написании кода, ИИ должен участвовать в подготовке не менее 75% изменений, и в каждом таком изменении - генерировать не менее 75% кода. То есть впервые (по крайней мере, на моей памяти) переход на AI-native-разработку оформлен как публичная измеримая цель. Лично по мне эти цифры, хоть и красивые, но не кажутся какими-то сложнодостижимыми. Я, конечно, могу представить некоторые области разработки, где нейронкам пока тяжело без человека, но не думаю, что это 25% от всего кода, который пишется. Впрочем, как промежуточная цель - почему нет? На текущий момент компания заявляет, что уже 73% разработчиков регулярно используют ИИ. Вот, честно, хочется пообщаться с теми 27%, которые ещё не используют или не регулярно. Было бы интересно послушать почему. Также пишут, что больше половины строк кода уже создаётся генеративными моделями. Это не одно и то же, что пулл-реквест, потому что ИИ зачастую пишет больше строк, чем человек, но очевидно что задача приближения к 75% решается. Но, в целом, доля разработчиков, которые уже перестроили свою работу, чтобы соответствовать всем трём 75/75/75 пока около 17%, хотя она выросла в два раза только за последний месяц. Ровно та бешеная скорость перестройки процессов, про которую я писал выше, только уже не в самоощущениях, а в корпоративной статистике. В конкретных задачах это выглядит так. Команда Яндекс Еды за два месяца собрала с помощью ИИ код для ИИ-хостес - агента, принимающего звонки и бронирования, - и ускорила разработку более чем вдвое. В Браузере модели сгенерировали около 80% кода новой архитектуры перевода видео - два дня вместо двух-трёх недель. В Лавке один сотрудник за три недели сделал прототип кабинета для франчайзи. Ещё год назад каждый такой кейс тянул бы на отдельный доклад на конференции, а сейчас это просто трудовые будни. Отдельно отмечу развитие внутренних агентов, так как это ровно тот сдвиг, через который проходим мы все: от ручной копипасты кода из редактора в чат, а затем обратно - к делегированию задач целиком. Агент GENA самостоятельно проходит путь от тикета до готового кода и подключён уже, как пишут, к тысяче с лишним проектов. "Стефания" работает как виртуальный сотрудник для менеджеров и аналитиков - ею еженедельно пользуются пять тысяч человек. А за человеком пока архитектура и ответственность за принятые решения. В общем, если вы всё ещё пишете код руками и посматриваете на агентные процессы с недоверием - я вас могу понять, сам таким был буквально полгода назад. Но, судя по всему, вопрос уже не стоит, перестраиваться или нет. Мир разработки не "скоро изменится" - он уже.

Обязательно проверьте синхронён ли у вас мастер, а то мало ли чего... master синхронён (services/ на месте), 7a-ветка убрана.

Прототип работает. Но как превратить его в надежное ИИ-решение для реальных пользователей? Yandex AI Studio Series Summer Edition — событие, которое проходит 16-30 июля для разработчиков, ML/ИИ-инженеров, продуктовых менеджеров и всех, кто создает продукты на базе ИИ или автоматизирует процессы с помощью интеллектуальных технологий. Что в программе: — новые возможности и планы развития Yandex AI Studio; — опыт создания ИИ-продукта без команды разработки — от идеи до запуска; — архитектура контакт-центра на базе ИИ; — реальные кейсы внедрения ИИ-ассистентов в ритейле и промышленности. Самых активных участников пригласят на закрытый офлайн-митап 30 июля с командой Yandex AI Studio. Там расскажут о развитии платформы, ответят на вопросы, вручат подарки и вместе отметят завершение Summer Edition. Присоединяйтесь, чтобы узнать, какие инженерные подходы помогают быстрее запускать ИИ-продукты в продакшен.

Sketching — набрасывает эскиз Slithering — скользит змейкой Smooshing — сминает Sock-hopping — отплясывает на вечеринке Spelunking — лезет в пещеры Spinning — крутится Sprouting — пускает ростки Stewing — тушит Sublimating — сублимирует Swirling — кружит Swooping — пикирует Symbioting — входит в симбиоз Synthesizing — синтезирует Tempering — темперирует Thinking — думает Thundering — громыхает Tinkering — ковыряется Tomfoolering — дурачится Topsy-turvying — переворачивает вверх дном Transfiguring — преображает Transmuting — трансмутирует Twisting — закручивает Undulating — колышется волнами Unfurling — разворачивает Unravelling — распутывает Vibing — ловит вайб Waddling — ковыляет вперевалку Wandering — бродит Warping — искривляет пространство Whatchamacalliting — мастерит эту-как-её-штуковину Whirlpooling — закручивает водоворот Whirring — жужжит Whisking — взбивает венчиком Wibbling — дрожит студнем Working — работает Wrangling — укрощает Zesting — натирает цедру Zigzagging — идёт зигзагом

Accomplishing — свершает Actioning — приводит в действие Actualizing — воплощает Architecting — проектирует Baking — печёт Beaming — сияет Beboppin' — отплясывает бибоп Befuddling — ломает голову Billowing — клубится Blanching — бланширует Bloviating — разглагольствует Boogieing — отплясывает буги Boondoggling — валяет дурака Booping — тыкает в носик Bootstrapping — раскручивает с нуля Brewing — заваривает Bunning — печёт булочки Burrowing — роет норку Calculating — вычисляет Canoodling — милуется Caramelizing — карамелизует Cascading — струится каскадом Catapulting — катапультирует Cerebrating — шевелит извилинами Channeling — настраивается на волну Channelling — ловит волну (тот же глагол, брит. написание) Choreographing — ставит хореографию Churning — взбивает Clauding — клодит (глагол от «Claude») Coalescing — сливается воедино Cogitating — размышляет Combobulating — приводит мысли в порядок Composing — сочиняет Computing — считает Concocting — стряпает Considering — обдумывает Contemplating — созерцает Cooking — готовит Crafting — мастерит Creating — творит Crunching — перемалывает цифры Crystallizing — кристаллизует Cultivating — взращивает Deciphering — расшифровывает Deliberating — взвешивает Determining — определяет Dilly-dallying — мешкает Discombobulating — сбивает с толку Doing — делает Doodling — рисует каракули Drizzling — поливает тонкой струйкой Ebbing — отступает отливом Effecting — осуществляет Elucidating — проясняет Embellishing — приукрашивает Enchanting — зачаровывает Envisioning — рисует в воображении Evaporating — испаряется Fermenting — ферментирует Fiddle-faddling — возится с пустяками Finagling — хитрит Flambéing — фламбирует Flibbertigibbeting — балаболит Flowing — течёт Flummoxing — ставит в тупик Fluttering — порхает Forging — куёт Forming — формирует Frolicking — резвится Frosting — покрывает глазурью Gallivanting — шатается без дела Galloping — скачет галопом Garnishing — украшает блюдо Generating — генерирует Gesticulating — жестикулирует Germinating — прорастает Gitifying — гитифицирует («гитует», глагол от git) Grooving — ловит грув Gusting — налетает порывами Harmonizing — гармонизирует Hashing — хеширует Hatching — высиживает Herding — пасёт Honking — бибикает Hullaballooing — устраивает переполох Hyperspacing — уходит в гиперпространство Ideating — генерирует идеи Imagining — воображает Improvising — импровизирует Incubating — вынашивает Inferring — умозаключает Infusing — настаивает Ionizing — ионизирует Jitterbugging — отплясывает джиттербаг Julienning — нарезает соломкой Kneading — месит тесто Leavening — поднимает тесто Levitating — левитирует Lollygagging — слоняется Manifesting — материализует Marinating — маринует Meandering — блуждает Metamorphosing — преображается Misting — окутывает туманом Moonwalking — идёт лунной походкой Moseying — плетётся не спеша Mulling — обмозговывает Mustering — собирается с силами Musing — размышляет Nebulizing — распыляет Nesting — вьёт гнездо Newspapering — верстает газету Noodling — наигрывает Nucleating — формирует зародыши Orbiting — вращается по орбите Orchestrating — дирижирует Osmosing — впитывает осмосом Perambulating — расхаживает Percolating — просачивается Perusing — внимательно изучает Philosophising — философствует Photosynthesizing — фотосинтезирует Pollinating — опыляет Pondering — размышляет Pontificating — поучает с апломбом Pouncing — изготавливается к прыжку Precipitating — выпадает осадком Prestidigitating — колдует над фокусом Processing — обрабатывает Proofing — расстаивает тесто Propagating — распространяет Puttering — копошится Puzzling — ломает голову Quantumizing — квантует Razzle-dazzling — ослепляет блеском Razzmatazzing — устраивает феерию Recombobulating — собирает мысли воедино Reticulating — строит сетку Roosting — усаживается на насест Ruminating — пережёвывает мысли Sautéing — пассерует Scampering — семенит вприпрыжку Schlepping — тащит Scurrying — снуёт Seasoning — приправляет Shenaniganing — проказничает Shimmying — покачивается в танце Simmering — томит на огне Skedaddling — улепётывает

А вы тоже расширили свой словарный запас на английском?

Хорошо себя показал способ повышения качества решения - попросить агента поискать подводные камни в только что им реализованном подходе. Да, Карпаты рассказывал об этом как о цикле бесконечного улучшения (или как-то так называется), но на практике я его попробовал только недавно. Теперь, когда готов любой эпик - прошу поискать проблемы. И ведь постоянно находит, иногда даже существенные. Рекомендую.

Отличие LLM от студентов

На Young Con'е, про который я писал недавно, я познакомился с классными ребятами - организаторами и участниками одной образовательной некоммерческой инициативы - CS Space. Это открытое Computer Science объединение из Петербурга. Инициатива объединяет под собой очень крутых преподавателей-тяжеловесов: профессоров МГУ, ВШЭ, МКН СПбГУ, CTO и principal-инженеров из индустрии, медалистов международных олимпиад по математике и информатике (IMO, ICPC, IMC и т.п.), которые читают лекции, проводят семинары, создают курсы с глубоким погружением в темы, вроде вычислений на видеокартах, "нейрологии LLM", или алгоритмов для NP-трудных задач. А некоторых таких преподавателей вы даже могли слышать у меня в подкасте - это, например, Сергей Николенко и Николай Полярный. Завтра у CS Space в СПб пройдёт митап "LLM и агенты в математике и компьютерных науках" (подробности в ТГ, подробности на сайте), который я тоже планирую посетить. Вообще, после нескольких месяцев, проведённых с кодинг-AI-ассистентами, меня не покидает ощущение, что сейчас не только в разработке рутина делается агентами, почти любое направление, связанное с обработкой информации подразумевает возможность запуска параллельных агентских исследований и проверки гипотез. Вот, будет интересно послушать как там у математиков. Докладчики: - Сергей Николенко расскажет о том, как LLM меняют подход к математике и почему именно рассуждающие модели стали прорывом (Николенко, если что, автор того самого толстого учебника по глубокому обучению, так что это тот случай, когда рассказывает человек, который сам писал книгу). - Алексей Скрынник - LLM в реальной research-работе: от кодинга и чтения статей до генерации и проверки гипотез. Что уже работает, а что пока хайп. - Константин Яковлев - взгляд руководителя лаборатории: как меняется роль студента и исследователя и к чему готовиться, если ты только стартуешь в науке. Где и когда: - 14 июля (завтра), 18:00–22:00 - Mishka Бар, Конногвардейский бул., 4, Санкт-Петербург Вход свободный, но требуется предварительная регистрация. Дополнительная информация об организации для тех, кто заинтересовался: Сайт: https://csspace.io YouTube: https://www.youtube.com/@ComputerScienceSpace Телеграм-канал: @csspace

Ну, всё, у меня Claude головного мозга. Я теперь, когда что-то нужно согласовать с заказчиком - пишу вопросы и варианты решения, а рядом с одним из вариантов в скобочках пишу "Рекомендую".