Инженер Amazon: использование ИИ помогло быстрее продвинуться в карьере

Анни Чен, которая работает в Amazon в сфере разработки программного обеспечения около 3,5 лет, рассказала ^[1], как искусственный интеллект ^[2] помог ей быстрее разрабатывать продукты и продвинуться по карьерной лестнице.

Чен начала карьеру в 2022 году в качестве инженера-программиста I уровня на начальной должности. Она работала в команде рекомендаций над созданием виджетов. Около двух лет назад она начала параллельно работать над продуктами на основе ИИ, а в итоге стала основателем отдельной команды. Тогда её повысили до инженера-программиста II уровня, а затем — до старшего инженера.

«Я фокусируюсь на том, что мы называем памятью ^[3], которая обеспечивает персонализацию в генеративных ИИ-решениях Amazon. Я начала использовать ИИ как побочный проект для генерации привлекательных заголовков для виджетов рекомендаций, когда появились ChatGPT и Claude. Я увидела, насколько мощным инструментом он является для создания чего-то действительно креативного», — отмечает Чен.

Девушка заметила, что предложения ИИ по коду улучшают его и делают её продуктивнее. Она отмечает, что теперь почти 95% её кода создано ИИ.

Чен использует ИИ не только для написания кода, но и интегрирует результаты этой работы в продукты, поэтому ей потребовалось получить глубокое понимание того, как работает технология.

Девушка воспользовалась своими возможностями работы техническим руководителем в крупномасштабных системах на основе LLM в производственных средах. Это позволило ей наблюдать за тем, как рабочие процессы с поддержкой ИИ работают не только в прототипах, но и в реальных условиях и при межкомандном взаимодействии.

«Первый совет — это понимание внутренней работы LLM и того, где они могут давать сбои», — отмечает она.

Чен приводит этапы обучения ^[4] ИИ с контролируемой тонкой настройкой и RLHF (обучения с подкреплением ^[5] на основе обратной связи от человека). По её словам, понимание этих этапов позволяет выявить, когда ИИ не понимает задачи или требует знаний человека в предметной области. 

Кроме того, по словам Чен, важно понимать ограничения контекстного окна, чтобы разбивать проблемы на более мелкие части. 

«Мой второй совет: подумайте, прежде чем обратиться к вайб-кодингу», — отмечает девушка. По её мнению, гораздо эффективнее сначала самостоятельно сформулировать решение, а затем сравнить его с предложениями ИИ, чтобы выявить возможные пробелы.

«В-третьих, задавайте сложные вопросы. Задавайте такие вопросы, как, например, какой будет резервный вариант при ошибке ^[6] или как это будет масштабироваться? Это как если бы учитель спрашивал ученика, или старший инженер спрашивал младшего инженера, чтобы убедиться, что сложные случаи учтены. Если вы хотите, чтобы продукт масштабировался, думайте об этом с самого первого дня и осознанно задавайте себе вопросы о масштабируемости», — пишет Чен.

Наконец, она советует не игнорировать проверки и анализировать код на каждом этапе, а не только после того, как он полностью сгенерирован.

«Создание неправильного кода очень опасно. Наличие кода заставляет людей думать: “Хорошо, это хорошо, это работает”. Но неправильный код, попавший в продакшн, может нанести больше вреда, чем отсутствие функциональности», — подчёркивает Чен.

Специалист не уверена, что ИИ можно доверять такие ответственные задачи, как интерпретация и проверка кода.

«Вы должны понимать свой собственный код. Искусственный интеллект снижает барьер для написания кода, но не ответственность за его понимание», — заключила Чен.

Ранее создатель Linux и Git Линус Торвальдс заявил ^[7], что он «довольно позитивно» настроен в отношении вайб-кодинга, но не видит, как его можно использовать для поддержки и обслуживания кода. Он считает, что вайб-кодинг — отличный способ «заставить компьютеры делать то, что они, возможно, не смогли бы сделать иначе», но он «может быть ужасной идеей с точки зрения ^[8] поддержки».

Между тем исследование Alibaba Group и Университета имени Сунь Ятсена в Гуанчжоу показало ^[9], что современные нейросети не могут поддерживать долгосрочную эволюцию ^[10] кодовой базы, добавляя новые функции и не нарушая функциональность старых.