Мета-мышление как главный ИИ-скилл (на примере Bitcoin-разработчиков)
Публичный пост
ИИ
Spiral - организация, созданная основателем Твиттера Джеком Дорси, чтобы поддерживать опен-сорсную биткоин-разработку. Они нанимают разработчиков на фулл-тайм и выдают гранты независимым исследователям на проекты в биткоин-экосистеме.
В апреле в блоге Spiral появилось большое исследование о том, как биткоин-разработчики используют ИИ. Мне оно показалось очень интересным и своевременным.
Я сам (как, вероятно, многие) сейчас активно думаю, как использовать ИИ с умом в работе и жизни. Первоначальный энтузиазм от самой возможности говорить с компьютером на естественном языке подиссяк, а фундаментальные вопросы остались. Как менеджить свой ИИ-флоу? Как контролировать качество кода, созданного совместно с ИИ? В чём теперь заключается моя задача как профессионала? Что можно не глядя делегировать, а что лучше по-старинке делать вручную?
Исследование Spiral выделяет четыре типажа пользователей ИИ среди выборки сотрудников и грантополучателей Spiral:
- The Verifier: разработчик, пишущий security-critical код. Для него безопасность на первом месте. Нельзя просто взять и завайбкодить Bitcoin Core. Он обкладывается тестами, CI, бенчмарками, и ревьюит каждую строчку глазами, как если бы автором PR'а был человек.
- The Orchestrator: у него агент на агенте сидит и агентом погоняет. Разные модели перепроверяют друг друга, находят расхождения спецификации и имплементаций, порождая по ходу агенточитаемые саммари архитектурных решений.
- The Upskiller: учится у ИИ ранее незнакомым областям. Может с помощью ИИ на порядки быстрее разобраться в новой кодовой базе или освоить азы нового языка программирования.
- The Hyper Coder: он же старый добрый вайб-кодер, возможно без опыта программирования, создающий теперь по приложению за вечер. Конечно, с таким подходом патч в консенсусный код не напишешь, но ну да он и не собирался.
Зачастую, признаются респонденты, вопрос "во сколько раз ИИ увеличил вашу продуктивность" не имеет ответа: с ИИ они создают вещи, к которым раньше бы и не подступились.
Краткое саммари исследования: главный навык для эры ИИ - мета-мышление. Респонденты, которых автор доклада приводит в пример, работают в разных областях, от протокольной разработки до дизайна, и используют ИИ по-разному. Но все они постоянно анализируют, что работает и не работает для них и для их задач, и улучшают свой ИИ-сетап.
Моя интерпретация: по аналогии с понятием product-market-fit и его расширенной версией product-market-founder-fit, в вопросах применения ИИ нужно найти свой task-AI-user-fit, то есть гармонию между задачей, возможностями ИИ и своим стилем работы. И если о задаче и о возможностях ИИ можно получить объективные данные, то информация о том, как удобнее всего работать лично мне, берётся только из моей головы.
Это и есть мета-мышление.
Продолжая мысль: изобретая себе ИИ-систему, велик соблазн найти пост, автор которого уже во всём разобрался, и просто склонировать его репозиторий с лучшим в мире набором шаблонов / скиллов / агентских промптов... Но что дальше с ним делать-то? Этот сетап вырос из чужой головы, пусть даже для похожей задачи. Свою систему нужно вырастить самому, под свои цели и главное - под свой мозг.
У меня, признаться, захватывает дух даже не от возможностей ИИ как таковых, а от разброса способов, которыми ИИ можно использовать, и, соответственно, разброса качества ожидаемых результатов. Один и тот же инструмент в чьих-то руках будет генератором бесполезного слопа, а в чьих-то - тысячекратным force multiplier. И чем мощнее инструмент, тем важнее уметь отвечать на два фундаментальных вопроса:
- Что я хочу сделать?
- Как я умею думать?
Закончу цитатой из недавнего интервью Андрея Карпатого:
You can outsource your thinking, but you can't outsource your understanding.
