საზღვრები
ყველაფერი ისე შოკოლადივით ტკბილი არ არის.
neural net-ებს აქვთ ლიმიტები. და თუ მათ ვერ გაიგებ — სულ მოგიწევს ფასის გადახდა.
სქემა მარტივად გამოიყურება.
შენ ჩამოაყალიბებ ამოცანას. ის წყვეტს. შენ ამოწმებ შედეგს.
მაგრამ თუ გინდა, რომ მან ჩამოაყალიბოს ამოცანა შენ მაგივრად, თუ თვითონ ვერ გესმის, რას აკეთებ — უკვე წააგე.
ხანდახან ამოცანები ერთმანეთს ეწინააღმდეგება.
შეიძლება სხვადასხვა neural net დასვა პროექტის სხვადასხვა ნაწილზე. შეიძლება კონტექსტი გაიყოს.
მაგრამ საბოლოოდ ხშირად იმარჯვებს არა ის გადაწყვეტა, რომელიც უკეთესია. იმარჯვებს ის, რომელიც უფრო ხმამაღალია.
ვისაც უფრო მკაცრი prompt აქვს. ვისაც მეტი კონტექსტი აქვს. ვინც სისტემის ზედა დონესთან უფრო ახლოსაა.
ეს არასწორია.
neural net-მა არ იცის ამოცანების დასმა. მან მხოლოდ უკვე დასმული ამოცანების გადაწყვეტა იცის.
ამოცანის დასმა — ეს ყოველთვის შენი ზონაა.
neural net-ს არ ესმის პრიორიტეტები.
გაუშვი — და დაიწყებს bug-ების ძებნას. სერიოზულიდან ყველაზე წვრილებამდე.
და ბუნებრივია, გინდა ყველაფერი გაასწორო.
მაგრამ მხოლოდ შენ იცი:
რა არის კრიტიკული, რა მოქმედებს სისტემის მუშაობაზე, რას შეიძლება თვალი დახუჭო, და რა საერთოდ პროექტის ლოგიკის თავისებურებაა.
თუ თვალი მოარიდე — დაიწყებს ყველაფრის ზედიზედ შეკეთებას.
და მისთვის სულერთია: რის შეხება შეიძლება, და რა არ უნდა გატეხო.
თუ neural net-ი არ ხედავს შეცდომას — ბოლომდე დაგარწმუნებს, რომ ყველაფერი წესრიგშია.
გეტყვის:
ყველაფერი ნორმალურადაა, შევამოწმე, შეცდომა არ არის.
და მხოლოდ მაშინ, როცა რამდენჯერმე ცხვირით მიადებ პრობლემას, კონკრეტულ ადგილს უჩვენებ, ნაბიჯ-ნაბიჯ გაშლი — დაინახავს.
იმიტომ რომ neural net-ი არ ხედავს prod-ს.
ის არ ხედავს კლიენტებს. ის არ ხედავს შედეგებს.
ის აფასებს code-ს. და არა სისტემის რეალურ მუშაობას.
neural net-ებს არ აქვთ ინტუიცია.
მაშინაც კი, თუ სთხოვ შემოგთავაზოს გადაწყვეტა — ეს არ ნიშნავს, რომ ის საუკეთესო იქნება. ეს უბრალოდ ის არის, რასაც ასწავლეს.
ხანდახან ვერ ხედავს ყველაზე მარტივ ვარიანტს.
და მაშინ ხდება სასაცილო სცენა.
შენ უყურებ პრობლემას და ინტუიციით ხვდები გადაწყვეტას.
შესთავაზებ.
neural net პასუხობს:
— შესანიშნავი იდეაა — მოდი, ასე გავაკეთოთ
ამ მომენტში ცხადი ხდება: ის შეიძლება დაგეხმაროს გადაწყვეტის რეალიზებაში. მის მოგონებაში — ყოველთვის არა.
დროთა განმავლობაში თავს იჭერ იმაზე, რომ მისი ენით ფიქრობ.
აზრებს ისე აყალიბებ, როგორც მისთვის უფრო მოხერხებულია.
ეს საშიშია.
როცა მთელი დღე მხოლოდ neural net-ებთან მუშაობ — შენი საკუთარი ინტუიცია იხუნებება.
ქრება საფრთხის გრძნობა. ჩნდება ჩვევა, ზედმეტად დაეყრდნო მათ.
და ბოლოს — სრულიად პრაქტიკული.
neural net-ი არასოდეს ფიქრობს backup-ებზე.
ამიტომ code-ის ნებისმიერი ცვლილება neural net-ების მეშვეობით თავიდანვე უნდა გულისხმობდეს უკან დაბრუნების შესაძლებლობას.
ყოველთვის.
ეს როგორც თამაშშია.
არის Save ღილაკი. თუ მას არ დააჭერ — თვითონ იცი, რითი მთავრდება.
თუ არ უყურებ, რას აკეთებს neural net-ი, თუ არ ადევნებ თვალს, საით მიჰყავს — ეს შენი პრობლემაა.
რაც არ უნდა კარგად იყოს დაწერილი prompt-ები, მას მაინც ხანდახან გვერდით გადაიყვანს.
და ამ მომენტში მისი გაჩერება უბრალოდ საჭიროა.
რაც უფრო დიდხანს ვმუშაობ ამასთან, მით უფრო ცხადია ერთი რამ.
ეს შესანიშნავი ინსტრუმენტია. ძალიან ძლიერი დამხმარე.
მაგრამ სისტემის სათავეში დადგომა მისთვის ჯერ ადრეა.
რაც უფრო ადრე გესმის ეს — მით ნაკლები გექნება შემდეგ გასასწორებელი.