Тут пишут, что Chat наш GPT прошел собеседования в Гуголь на позицию примерно мидла – и по этому поводу, естественно, все дружно решили, что мидлам в Гугле конец, непонятно за что платить 183,000 долларов, которые этот самый миддл в этом самом Гугле получает, и в целом программистам приходят самые настоящие кранты. И нас, конечно, спрашивают читатели, чего мы вдруг этот страшный факт игнорируем. А игнорируем мы его по причине, которую мы весело обсуждали в прошлую пятницу, несмотря на всю разницу, так сказать, действующих лиц. Дело в том, что «пройти собеседование» и «пройти испытательный срок» — это, как принято было когда-то говорить в Одессе, две большие разницы или четыре маленьких. И главное слово, из-за которого возникают эти большие и маленькие разницы – «контекст». Собеседование – это обычно более или менее формализованный набор заданий, которые можно решить, обучившись на предыдуших заданиях, а также набор вопросов, на которые в большинстве случаев можно пустить пыль в глаза глубокомысленными рассуждениями. К тому же собеседование – это процесс, ограниченный по времени, поэтому задания и вопросы обычно описаны в многочисленных источниках и задаются в общем виде – на нюансы, характерные для компании, индустрии или ситуации, времени нет. А это ровно то, что большие языковые модели (LLM) в их нынешнем виде в среднем делают лучше человека – «усреднить» огромное количество похожих действий и выдать оптимальное решение, то есть подходящие к большинству случаев. Правда, вот беда – не то что мидлы, а даже настояшие «белковые» джуны в реальных компаниях имеют дело с задачками, где нужно не усреднить знания, а ровно наоборот – имея контекст конкретной ситуации, изменить это самое общее решение нужным образом. И тут важен не только контекста конкретной задачи, но и организационный контекст. Что за инструменты использует компания, как выглядит процесс управления разработкой, к кому идти за дополнительной информацией, какой из нескольких фреймворков применить и т.д. Вот когда большая языковая модель сможет делать вот это вот все, а не только проходить собеседования в стиле «напиши мне код для сортировки массива с такими-то параметрами» или «приведите пример, когда вы были эмпатичным», тогда и поговорим. Мы не специалисты в нейросетях, поэтому не решимся дать прогноз, когда такое случится, но точно не вотпрямщас. Но есть и еще одна важная штука, которую мы таки имеем сказать – если нейросеть способна давать решение в общем виде, то у программистов появляется важный новый навык – нюансировать это решение, путем постановки нейросетке правильной задачки. И навык этот в некоторых случаях уже превращается в профессию – в последнее время уже несколько AI-компаний заявили об открытии позиции Prompt Engineer, а где-то даже Prompt Architect – то есть человек, который разрабатывает пропты для больших языковых моделей. Прикол в том, что этот человек должен не только понимать, с помощью каких инструментов решать задачу, но и посмотреть потом написанный нейросеткой код (или выданный результат), проверить его другими средствами и «отдебажить». А значит, фундаментальное STEM-образование и опыт программирования в качестве требований никуда не денутся. А просто произойдет очередной фазовый переход в профессии – в который, да, возьмут не всех. Но до этого момента еще пройдет некоторое время, так что панику можно отставить. Но мы тем не менее рекомедуем сегодняшним мидлам-разработчикам начать активно играться с LLM. Пригодится, знаете ли.