Անցյալ շաբաթ ես Dockerfile-ում գտա image՝ թեգով, որը երբեք գոյություն չի ունեցել։ Ոչ հնացած, ոչ վրիպակով։ Մոդելը պարզապես ամբողջությամբ հորինել էր այն։ Կոդը կոկիկ տեսք ուներ, թեստերն անցնում էին։ Pull request-ի հեղինակն ասաց, որ ամեն ինչ աչքով ստուգել է։
Նույն օրը տեսա, թե ինչպես է մի մարդ արդեն չորրորդ ժամը ձեռքով տվյալներ տեղափոխում երկու ֆորմատի միջև։ Այդ աշխատանքը կարելի էր փակել կարճ սկրիպտով՝ թեստերի հետ միասին, բայց նա սկզբունքորեն չի օգտվում «գեներատիվ աղբից»։
Ինձ նյարդայնացնում են երկու դեպքերն էլ։
Ես ամեն օր AI եմ օգտագործում՝ կոդ եմ գրում, ուրիշների ռեպոզիտորիաներն եմ քանդում-հասկանում, փորձեր եմ դնում, դատասեթներ եմ պատրաստում։ Իմ տնային երկաթի վրա ապրում է self-hosted ստեկ՝ տասնյակ սերվիսներից, և առանց AI-ի ես մենակ դա չէի պահի։ Մոտ մեկ տարի առաջ մատյան բացեցի։ Ամեն դեպքից հետո, երբ գործիքն ինձ ստել է, և ամեն դեպքից հետո, երբ լրջորեն օգնել է, այնտեղ գրառում է գնում։ Հավաքվել է երկու սյունակ, և երկուսն էլ արժե ցույց տալ ամբողջությամբ՝ ապացույցներով։
Իսկ վերջում կբացատրեմ, թե այստեղ ինչ գործ ունեն լուդդիտները, և ինչու եմ համարում, որ նրանք ճիշտ էին։ Սա խոսքի ձև չէ, ես այնտեղ թվեր ունեմ։
Հաշիվ առաջին՝ 2,6 անգամ արագացումը, որը գոյություն չուներ
Իմ reranker-ի բենչմարկը տվեց վայրկյանում 2,7 հարցում։ Մարտական սերվիսը հարևան հանգույցի վրա՝ նույն image-ով և նույն մոդելով, անում էր 7։ Տարբերությունը՝ 2,6 անգամ, հարթ տեղում։
Որոշեցի, որ ոսկի եմ գտել։ Մարտական հանգույցը թյունինգված էր հիշողության և միջուկի գծով, ուրեմն հենց թյունինգն էլ տալիս է 2,6×։ AI-ասիստենտը, որի հետ փորձն էի դնում, վարկածին սատարեց և օգնեց հավաքել կոնտրոլները՝ նույն image-ը, նույն governor-ը, նույն մոդելը։ Ամեն ինչ իրար բռնում էր։ Ես արդեն պլանավորում էի reboot-փորձ downtime-ով՝ ապացույցը վերջնականացնելու համար։
Reboot-ից առաջ ես աշխատող սերվիսին տվեցի մեկ հարց։
$ curl -s localhost:8082/props | jq .total_slots <!--hq-->
4 # իմ բենչն այդ ընթացքում քշում էր --parallel 1-ով <!--hq-->Մարտական սերվիսը պտտեցնում էր չորս զուգահեռ սլոտ։ Իմ բենչը գործարկվում էր մեկով՝ բացահայտ տրված։ Իսկ բուն սերվիսում --parallel դրոշակն ընդհանրապես տրված չէր։ llama-server-ի տարբերակների միջև նրա դեֆոլտը փոխվել էր, մեկը դարձել էր չորս։ Ոչ մի «թյունինգը տալիս է 2,6×» գոյություն չուներ։ Թյունինգի իրական ներդրումը ազնիվ A/B-ից հետո՝ 6–14%։
Դասն էժան նստեց միայն այն պատճառով, որ ես աշխատող պրոցեսից հարցրի նրա էֆեկտիվ կոնֆիգը, ոչ թե հավատացի հրամանային տողին։ Դրոշակի բացակայությունը չի նշանակում «դեֆոլտ արժեք, որը ես հիշում եմ»։ Այն նշանակում է «այն տարբերակի դեֆոլտ արժեքը, որը գործարկված է»։
Հաշիվ երկրորդ՝ nDCG-ն մեկից մեծ
Իմ RAG-ստեկի համար հավաքեցի որոնման որակի գնահատման համակարգ։ nDCG մետրիկան ըստ սահմանման ընկած է զրոյի և մեկի միջև։ Իմը տվեց 1,63։ Հաջորդ գործարկման ժամանակ՝ 2,13։
Գնահատման կոդը գրվում էր AI-ի հետ։ Թեստերը կանաչ էին, ներառյալ «իդեալական մուտքը տալիս է 1.0» երկու թեստը։ Սխալը նստած էր միավորների մեջ։ Համարիչը համընկնումները հաշվում էր փաստաթղթերի չանկերով, իսկ նորմավորող իդեալը՝ անոտացիայի խարիսխներով։ Տարբեր բազմություններ, տարբեր հզորություններ, և մետրիկան ցանկացած իրական կորպուսի վրա հանգիստ անցնում էր մեկի սահմանը։
Ինչու թեստերը չբռնեցին։ «Իդեալական» երկու թեստերն էլ ֆունկցիան կանչում էին առանց այն արգումենտի, որը production-ը միշտ փոխանցում է։ Թեստերը ստուգում էին մի ճյուղ, որով մարտական կոդը ոչ մի անգամ չէր անցել։ Սա գտավ արտաքին ռեվյուն՝ առաջնաղբյուրներով, ոչ թե իմ ավտոմատիկան։
Այդ ժամանակից ի վեր ցանկացած մետրիկայի համար կանոն ունեմ՝ նախ ինվարիանտի թեստ սահմանի վրա։ Եթե մեծությունը պարտավոր է ընկած լինել հատվածի մեջ, դա ստուգվում է առանձին թեստով՝ նախքան մետրիկային հավատալ սկսելը։
Հաշիվ երրորդ՝ մեկ ամիս healthy, չորս փաստաթուղթ երեսունից
Ամենաթանկ հաշիվը։ RAG-ստեկը մեկ ամիս կանգնած էր պրոդում։ Բոլոր healthcheck-երը կանաչ են, endpoint-ները պատասխանում են, մոնիտորինգը լռում է։ Հետո ես նրա մեջ բեռնեցի երեսուն իրական փաստաթուղթ։
Ինդեքսավորվեց չորսը։
Չանկերը փաստաթղթերը կտրում է 545–574 թոքենանոց կտորների։ Էմբեդդերն առանց մեկ ոչ ակնհայտ դրոշակի ֆիզիկական բատչը կտրում էր 512-ի վրա։ Այն ամենը, ինչ ավելի երկար էր, ոչ թե կրճատվում, այլ ընկնում էր սերվերի սխալով։ Ընդ որում՝ սերվիսն ազնվորեն գովազդում էր 2048 թոքեն տարողություն մեկ սլոտին։ Հայտարարված տարողությունը ոչ մի թեստով չէր ստուգվում, իմ բոլոր թեստերն էմբեդդում էին կարճ տողեր։
Ավտոմատիկան մեկ ամիս պատասխանում էր «կենդանի եմ»։ «Իսկ նորմալ չափի փաստաթղթեր ծամո՞ւմ ես» հարցը նրան ոչ ոք չէր տալիս։ «Ֆորմալ առումով կենդանի, իրականում ոչ պիտանի» դասը բռնվում է միայն իրական օգտագործմամբ՝ լցնել կորպուսը, հարց տալ, նայել, թե ինչ վերադարձավ։
Առաջին պարբերության թեգը, ի դեպ, մատյանի հենց այս սյունակից է։ Ֆորմատը ճիշտ է, հեշի երկարությունը ճիշտ է, տողն անտարբերակելի է իսկականից։ Մոդելի սուտն ընդհանրապես հնարավոր չէ նկատել պատասխանի ձևից։ Այն նման է նորմալ տարբերակի, նորմալ URL-ի, նորմալ թեստի և նորմալ գրաֆիկի։ Դրա համար «պարզապես ավելի ուշադիր եղիր» խորհուրդը գրեթե անօգուտ է։ Պետք է արտաքին կոնտուր։
Երկրորդ սյունակը
Հաշիվները ցույց տալ և շահույթի մասին լռելն անազնիվ կլիներ։ Նույն տարվա ընթացքում նույն գործիքով՝
- self-hosted ստեկ 34 կոնտեյներից՝ հասցված աշխատանքային վիճակի (ռեպոզիտորիան);
- չափումների արշավ երկու հարյուրից ավելի գործարկումով, յուրաքանչյուրի հում տվյալները հրապարակված են;
- երեք փոքր բաց մոդել ռուսերենի համար (դրված են Hugging Face-ում);
- տվյալների պատրաստման, ուսուցման և քվանտացման կոնվեյեր, որն այժմ վերաօգտագործվում է։
Մեկ տարի առաջ սրա զգալի մասն անել չգիտեի։ AI-ն աշխատանքն իմ փոխարեն չարեց, բայց կտրուկ կարճացրեց ճանապարհը «չգիտեմ, թե որտեղից սկսել»-ից մինչև առաջին աշխատող տարբերակը։
Գինը նույնպես մատյանում է։ Ստուգումն ուտում է խնայված ժամանակի քառորդից մինչև երրորդը։ Ամեն ճշգրիտ փաստ ստիպված ես լինում հաստատել, թվերը՝ վերաչափել, պատչերը՝ թեստերի միջով քշել, իսկ հետո նաև ստուգել հենց թեստերը։ Նույնիսկ դրանից հետո մնացորդը դրական է։ Իրական աշխատանքում AI-ն նման է աշխատակցի, որը թիմում բոլորից արագ է տպում և երբեք չի խոստովանում, որ ինչ-որ բան չգիտի։
Պրոտոկոլը, որին այս հաշիվներն ինձ հասցրին, փոխվում էր ամեն ֆակապից հետո։ Հիմա այն կարճ է։
- Ցանկացած ճշգրիտ անուն ստուգվում է արտաքուստ, ամեն փաստի մոտ նշված է ծագումը։ Տարբերակ, թեգ, դրոշակ, հեշ, URL։ Նայել ռեեստրին, փաստաթղթավորմանը կամ սորսերին, ոչ թե նույն մոդելի հաջորդ հաղորդագրությանը։ Նշաններն երեքն են՝ ստուգել եմ ինքս, վերցրել եմ փաստաթղթավորումից, ստացել եմ մոդելից։ Երկրորդն ու երրորդը խառնել չի կարելի։
- Կանաչ թեստն աշխատանքի ապացույց չի համարվում։ Գոնե մեկ անգամ անցնել իրական ճանապարհը՝ բեռնել իսկական փաստաթուղթ, նայել, թե որոնումն իրականում ինչ վերադարձրեց։
- Դեֆոլտները ֆիքսվում են բացահայտ, մեկ փորձին փոխվում է մեկ փոփոխական։ Էֆեկտիվ կոնֆիգը հարցնել աշխատող պրոցեսից։
- Հում արդյունքները դրված են եզրակացության կողքին։ Ընթերցողը, որը կարող է վերահաշվել աղյուսակը, սխալը կգտնի ավելի շուտ, քան այն կդառնա ուրիշի պրոդը։
- Հաշվվում է ամբողջական գինը։ Հիշողության առաջին չափումը բեռնվածության տակ ցույց տվեց 7,7 ԳիԲ; պրոցեսի իրական սպառումը պարզվեց 187 ՄիԲ, մնացածը ֆայլային քեշ էր։
Մեթոդաբանությունն ինքնաշեն է։ Պարզապես առանց դրա խնայված ժամերը մեկ ամիս անց վերադառնում են որպես տեխպարտք։
Այստեղ ի՞նչ գործ ունեն լուդդիտները
Հիմա՝ խոստացածը։ Մինչ ես այս մատյանն էի վարում, ինդուստրիան աչքիս առաջ բաժանվեց երկու ճամբարի՝ ոմանք գործիքը հայտարարեցին slop-ի անօգուտ գեներատոր, ուրիշները սկեպտիկներին հայտարարեցին լուդդիտներ։ Երկրորդ բառը գործածվում է որպես ախտորոշում։ Իզուր, որովհետև լուդդիտների իրական պատմությունը շատ ավելի հետաքրքիր է, քան ծաղրանկարը, և այն հենց մեր մատյանի մասին է։
Լուդդիտները մեքենաներից վախեցած գյուղացիներ չէին։ Մեծ Բրիտանիայի Ազգային արխիվը նրանց նկարագրում է ըստ շրջանների՝ նոթինգեմյան գործողները սերունդներով աշխատում էին գուլպայի շրջանակների վրա, յորքշիրյան կրոպերները կանգնած էին արհեստի որակավորման բուրգի գագաթին։ Մարդիկ, որոնք տեխնոլոգիան գիտեին երկրում բոլորից լավ, հաստոցները ջարդում էին ընտրողաբար՝ կոնկրետ գործարանատերերի մոտ, որոնք կտրում էին սակագները։ 1812 թվականի փետրվարին Home Office-ին ուղղված նամակում նոթինգեմյան մագիստրատ Ռոբերտ Բեյքերը նկարագրում էր մի դեպք, երբ ջարդի ժամանակ տարած կտորը հաջորդ օրը վերադարձրին տիրոջը։ Շրջանակներ ջարդող մարդիկ ընդգծված կերպով ավազակներ չէին։ Էրիկ Հոբսբաումը սա անվանում էր collective bargaining by riot՝ կոլեկտիվ սակարկություն խռովության միջոցով։ Բռնությունն այնտեղ նույնպես իսկական էր՝ ընդհուպ գործարանատեր Ուիլյամ Հորսֆոլի սպանությունը, և Յորքում 1813-ին կախում էին կոնկրետ հանցագործությունների համար, ոչ թե տնտեսական հայացքների։
Պահանջներն ունեին նաև համքարային կողմ՝ վերադարձնել յոթամյա աշակերտությունը նշանակում էր փակել մուտքը դեպի արհեստ, այսինքն՝ հարվածել մյուս բանվորներին։ Երբ մուտքի շեմը փլվում է, որակավորումը դադարում է պաշտպանություն լինել, մնում է դուռը փակել ուժով։ Չպահեցին։ Աշակերտության հոդվածները չեղարկվեցին 1814 թվականին։
Լուդդիտների գլխավոր փաստարկը որակի մասին էր։ Էժան «cut-ups»-ները, որոնց դեմ ապստամբում էր Նոթինգեմը, ձևվում ու կարվում էին ամբողջական գործվածքի փոխարեն և քանդվում էին կարերից։ Բայրոնը, Լորդերի պալատում իր առաջին ճառով հանդես գալով շրջանակների ջարդի համար մահապատժի դեմ, խոսում էր հենց սրա մասին՝ աշխատանքը կատարվում է ավելի արագ, ստացվում է ավելի վատ և գնում է արտահանման։ Ճառը պահպանվել է Hansard-ում։ Գործողները որակի գնահատականում լիովին ճիշտ էին։ Դա նրանց ոչ մի կերպ չօգնեց՝ «բավական լավ և նկատելիորեն ավելի էժան» ապրանքը շուկաների մեծ մասում հաղթում է «գերազանց և թանկ»-ին։ Ծանո՞թ մեխանիկա է։ Կոդի առաջին գեներացված տարբերակը սովորաբար ավելի վատն է, քան այն, ինչ կգրի ուժեղ ինժեները։ Իսկ շուկային խնդիրների մեծ մասում պետք է ոչ թե լավագույն կոդը, այլ բավական լավը՝ մինչև հինգշաբթի։
Արտադրողականությունն աճեց աշխատավարձերից շուտ
Հիմա այն թվերը, որոնց պատճառով ես համարում եմ, որ լուդդիտներն ըստ էության ճիշտ էին։
Ռոբերտ Ալենը XIX դարի առաջին կեսն անվանեց «Էնգելսի դադար»՝ 1780–1840 թվականներին մեկ բրիտանացի աշխատողի հաշվով թողարկումն աճեց մոտ 46%, իսկ իրական աշխատավարձերը՝ 12%։ Շահույթի նորման նույն ընթացքում կրկնապատկվեց։ Հաշվարկը հենվում է Ֆայնսթայնի հոռետեսական շարքերի վրա; Կլարկի լավատեսական սերիաներն ավելի մեղմ պատկեր են տալիս, բայց պատմաբանները վիճում են ճեղքի խորության, ոչ թե դրա գոյության մասին։
1840-ից հետո ամեն ինչ փոխվեց՝ մինչև 1900-ը թողարկումն աճեց 90%, աշխատավարձերը՝ 123%։ Աշխատանքը հասավ արտադրողականությանը և առաջ անցավ։ Այսինքն՝ մեքենաները վերջին հաշվով բոլորին ավելի հարուստ դարձրին։ Խնդիրը «վերջին հաշվով» բառերի մեջ է՝ ճեղքը ձգվեց ավելի երկար, քան այն մարդու պրոֆեսիոնալ կյանքը, որը մեքենայացումը դիմավորել էր դրա սկզբում։
Իսկ ձեռքի ջուլհակների հետ մեքենայացումը հաշվեհարդար տեսավ երկու տակտով, և առաջին հարվածը հասցրին ոչ թե հաստոցները, այլ դեպի արհեստ մարդկանց սեփական հոսքը։ Մեքենայական մանումը ջուլհակությունը դարձրեց շահավետ՝ մանվածքն էժանացավ, պահանջարկն աճում էր, իսկ արհեստը սովորում էին շաբաթների ընթացքում, քանի որ յոթամյա աշակերտությունը հենց նոր էին չեղարկել։ Հենց այն ամսաթիվը՝ 1814-ը։ Մասնագիտության մեջ մարդիկ հորդեցին, և հենց նրանք փլուզեցին սակագները՝ մինչև 1817 թվականը ջուլհակի վաստակն ընկավ ավելի քան կրկնակի, մինչդեռ մեխանիկական ջուլհակահաստոցներն ամբողջ ճյուղում մոտ երկուսուկես հազարն էին։ Աշխատավարձը փլուզելու բան դեռ ֆիզիկապես չկար։
Հաստոցները եկան երկրորդ տակտով։ Մինչև 1830 թվականը դրանք դարձան 55 հազար՝ նախկին 14-ի փոխարեն, իսկ ձեռքի հաստոցները խորհրդարանական դեբատներում դեռ հաշվվում էին մոտ 240 հազար՝ մարդիկ չէին անհետանում վիճակագրությունից, նրանք շարունակում էին աշխատել մասնագիտությամբ, մինչ մասնագիտությունն էժանանում էր։ Ջուլհակը, որը լավագույն տարիներին ստանում էր մինչև 23 շիլինգ շաբաթական, 1826-ին ստանում էր 5–8, և ոչ ճգնաժամային 1830-ականներին խորհրդարանական հանձնաժողովները ֆիքսում էին նույն մակարդակները։ Շիլինգները նոմինալ են; դեֆլյացիայի ուղղումով անկումն ավելի մոտ է երեք անգամի։ Միևնույն է՝ կյանքի մակարդակի բազմակի փլուզում մեկ սերնդի ընթացքում, և սեփական թոռից բարեկեցություն պարտք վերցնել ջուլհակը չէր կարող։
Երկտակտ սցենարն արժե չափել ծրագրավորման վրա։ Սկզբում տեխնոլոգիան մասնագիտությունը դարձնում է հասանելի ու կուշտ՝ բութքեմփեր, կարճ ճանապարհի խոստում, մարդկանց հոսք։ Հետո վերացնում է և՛ վաստակը, և՛ մուտքը։ Անցումը պարտադիր չէ, որ նման լինի զանգվածային կրճատման՝ մեկ երկուշաբթի օրով։ Երբեմն պաշտոնը մնում է, իսկ դրա գինը դանդաղ քանդվում է։ Երբեմն արտադրողականությունն աճում է, իսկ խնայողությունը գնում է ոչ նրանց, ովքեր վերակառուցել են սեփական աշխատանքը։
Հարցը, որը լուդդիտները տվեցին և որի բարձրաձայնման համար վճարեցին, հնչում էր ոչ թե «լա՞վն են մեքենաները»։ Այն հնչում էր՝ ո՞վ կստանա անցման շահը, և ո՞վ կվճարի դրա ծախսերը։ Այս տրամաբանությունը մանրամասն քննում են Կարլ Բենեդիկտ Ֆրեյը The Technology Trap-ում և Բրայան Մերչանտը Blood in the Machine-ում; երկրորդը, ցավոք, ռուսերեն թարգմանված չէ։
Ով է հիմա վճարում անցման համար
Ամենաակնհայտ թեկնածուն՝ մարդիկ, որոնք նոր են մտնում մասնագիտության մեջ։
Stanford Digital Economy Lab-ը ֆիքսել է զբաղվածության հարաբերական նվազում 16%-ով 22–25 տարեկան աշխատողների շրջանում այն մասնագիտություններում, որոնց AI-ն ամենաուժեղն է դիպչում (պրեպրինտի առաջին խմբագրության մեջ 13% էր)։ Նույն ոլորտներում ավելի փորձառու աշխատակիցներն ավելի լավ էին դիմանում։ Ըստ ամերիկյան օնլայն թափուր աշխատատեղերի բազայի վրա արված աշխատանքի՝ ChatGPT-ի դուրս գալուց հետո ծրագրավորողների junior թափուր տեղերը senior-ի համեմատ դարձել են 14–15%-ով պակաս։
Երկու աղբյուրն էլ դեռ պրեպրինտներ են, տվյալները հիմնականում ԱՄՆ-ի մասին են, և նույն ժամանակահատվածին բաժին ընկան նաև հավաքագրման այլ հարվածներ՝ Section 174 հարկային ուղղումը, որը 2022 թվականից ամերիկյան ընկերություններին ստիպում էր կապիտալացնել մշակման ծախսերն անմիջական նվազեցման փոխարեն (2025-ի ամռանը նվազեցումը վերականգնեցին 31 դեկտեմբերի 2024-ից հետո սկսվող հարկային տարիների համար), զրոյական տոկոսադրույքների դարաշրջանի ավարտը, քովիդյան գերհավաքագրման հետգլորումը։ Սթենֆորդյան աշխատանքի հեղինակներն իրենք են վերապահում անում, որ ամբողջ էֆեկտը չի կարելի գրել AI-ի հաշվին, իսկ 2026 թվականի փետրվարյան թարմացման մեջ ցույց տվեցին, որ ամենախիստ կոնտրոլների դեպքում AI-ից ամենաշատ տուժած երիտասարդ աշխատողների մոտ անկումն երևում է միայն 2024 թվականից։ Բայց մուտքի խնդիրն արդեն ֆանտազիա չի թվում։
Եթե թիմը վերացնում է սկսնակների բոլոր խնդիրները, senior ինժեներները հինգ տարի անց օդից չեն սկսի հայտնվել։ Այսօր թիմը դրա վրա խնայում է, իսկ հետո ստանում է այնպիսի մարդկանց դեֆիցիտ, ովքեր կարողանում են պատասխան տալ ամբողջ համակարգի համար, ոչ թե միայն ընդունել կամ մերժել գեներացիան։
Նրանց, ովքեր հիմա են մտնում, առանձին կասեմ։ Մարդկանց հոսքը դեպի ծրագրավորում ռացիոնալ պատասխան էր այն ազդանշանին, որն ինդուստրիան ինքն էր տալիս ամբողջ տասնական թվականներին; մեղադրելու մարդ չկա։ Փոխվել է այն, ինչով ապացուցվում է մուտքը՝ դասընթացի սերտիֆիկատն այլևս չի աշխատում, աշխատում են ստուգելի արտեֆակտները։ Սեփական ռեպոզիտորիաներ, սեփական չափումներ, սեփական ներդրում բաց նախագծերում։ Սա անարդարացիորեն ավելի թանկ է, քան հինգ տարի առաջ էր։ Եվ դեռ ավելի էժան է, քան յոթ տարվա աշակերտությունը։
Կա նաև տարբերություն 1812 թվականի հետ, առանց որի անալոգիան վերածվում է ֆատալիզմի։ Լուդդիտն ապրում էր աշխատողների միավորման արգելքի պայմաններում (Combination Acts, 1799–1824), առանց ձայնի իրավունքի (քաղաքային բանվորները մասամբ ստացան այն 1867-ին, գյուղականները՝ 1884-ին), հացի օրենքներով, որոնք բարձր էին պահում սննդի գինը, և կախաղանով՝ ջարդված հաստոցի համար։ Վաթսունամյա ճեղքը բացատրվում է ոչ թե շոգեմեքենայով։ Այն բացատրվում է նրանով, որ տուժած կողմը հաշիվ ներկայացնելու ոչ մի ալիք չուներ։ Այսօր ալիքներ կան՝ միավորվելու իրավունքը (արհմիությունը, ի տարբերություն համքարության, գործատուի հետ սակարկում է շահույթի բաժնի շուրջ, ոչ թե դուռն է պահում մյուս բանվորների դեմ), տեղափոխելի որակավորումը, բաց կշիռները, սեփական երկաթի վրա inference բարձրացնելու և մատակարարից հեռանալու հնարավորությունը։ Իմ տնային ստեկը գոյություն ունի հենց դրա համար։ Ալիքները երաշխիք չունեն։ Երբ հետազոտող Դանիել Կոկոտայլոն դուրս էր գալիս OpenAI-ից, ընկերության հանդեպ իր դժգոհությունների մասին լռությունը նրան առաջարկեցին փոխանակել մոտ երկու միլիոն դոլարի վաստակած բաժնեմասի հետ։ Նա հրաժարվեց, պատմությունը դարձավ հրապարակային, և ընկերությունը հետ կանգնեց նման համաձայնագրերի պրակտիկայից։ Ալիքներն աշխատում են այնքան ժամանակ, քանի դեռ դրանցից օգտվում են։
Անձնական մակարդակում պատասխանը ձանձրալի է՝ սովորել օգտվել գործիքից, բայց նրան չհանձնել համակարգի տիրապետումը։ Սեփական ձեռքում պահել տվյալները, թեստերը, ինֆրաստրուկտուրան և մատակարարին փոխելու հնարավորությունը։ Թիմի մակարդակում ավելի բարդ է՝ պահպանել այն աշխատանքը, որի վրա մարդը սովորում է, ոչ թե դառնում «գեներացնել ևս մեկ անգամ» կոճակի օպերատոր։
Եզրակացության փոխարեն
1804 թվականին Ժակարը կատարելագործեց հաստոցը, որտեղ նախշը տալիս էր պերֆոքարտերի հաջորդականությունը։ Բեբիջն այս սկզբունքը վերցրեց Analytical Engine-ի համար, իսկ Ադա Լավլեյսը գրեց, որ մեքենան «հյուսում է հանրահաշվական նախշեր այնպես, ինչպես ժակարյան հաստոցն է հյուսում ծաղիկներ ու տերևներ»։ Լուդդիտները ժակարյան հաստոցներ չէին ջարդում՝ մեխանիզմը Բրիտանիա հասավ Յորքի կախաղաններից ուշ։ Բայց ծրագրավորումն աճել է հենց այն ինդուստրիալ աշխարհից, որտեղ մեքենան առաջին անգամ սկսեց փոխել պրոֆեսիոնալ հմտության գինը։ Հիմա վեճը հասել է մեզ։
AI-ից սկզբունքից ելնելով հրաժարվելն ինձ պարտվողական ռազմավարություն է թվում։ Առանց ստուգման օգտագործելը նույնպես, և այս մարդկանցից ես ավելի շատ եմ զգուշանում՝ սկզբունքային հրաժարվողը գոնե պրոդը հալյուցինացիաներով չի լցնում։
Այն pull request-ի հեղինակը, ի դեպ, մոդելին դեռ խոսքի վրա է հավատում։ Տվյալները ձեռքով տեղափոխող մարդը դեռ տեղափոխում է։ Երկուսն էլ վստահ են, որ ժամանակն իրենց կողմն է։
Լուդդիտների հարցը մնաց՝ ո՞վ է ստանում շահը, և ո՞վ է վճարում անցման համար։
Ինձ հետաքրքիր է ձեր մատյանը։ Ինչ է AI-ն արդեն կոտրել անձամբ ձեզ մոտ և ինչ է տվել՝ երկու սյունակով։ Հատկապես նրանցից, ովքեր junior-ներ են վարձում, և նրանցից, ովքեր հիմա փորձում են մտնել։
Այո, այս տեքստը պատրաստվել է AI-ի օգնությամբ։ Այս տողը ես թողնում եմ միտումնավոր։ Առաջնաղբյուրների հղումները կանգնած են հենց տեքստի մեջ, իմ չափումների հում տվյալները դրված են բաց ռեպոզիտորիաներում, մի քանի գեղեցիկ ձևակերպումներ ստուգմանը չդիմացան և դուրս նետվեցին։ Առաջարկում եմ վիճել ոչ թե այն մասին, թե արդյոք այստեղ AI կար, այլ այն մասին, թե արդյոք տեքստը դիմանում է ստուգմանը։