«Born Against». ինչու՞ հոբբի ծրագրավորման համայնքները դեմ են LLM-ների կիրառմանը
Շախմատային շարժիչի շուրջ GitHub-ի քննարկումից ներշնչված էսսեում Fogus-ը վերլուծում է, թե ինչու են նիշային ծրագրավորող համայնքները՝ OSDev-ից մինչև դեմոսցենա, թշնամաբար տրամադրված LLM-ներին։
Էսսե, որին առիթ տվեց շախմատային շարժիչի շուրջ քննարկումը
2026 թվականի օգոստոսի 4-ին Fogus կեղծանունով բլոգերը հրապարակեց էսսե՝ «Born Against, կամ ինչու հոբբի ծրագրավորման համայնքները ագրեսիվորեն դեմ են LLM-ների կիրառմանը» վերնագրով։ Առիթը GitHub-ում շախմատային շարժիչի մշակման մասին քննարկումն էր և այն արձագանքը, որն այն առաջացրեց մեծ լեզվական մոդելներ օգտագործող մշակողների նկատմամբ։
Ըստ հեղինակի՝ թշնամանքը չի սահմանափակվում շախմատային շարժիչներով. նա նման տրամադրություններ նկատում է նաև OSDev, LangDev, TxtDev, EmuDev, RLDev, դեմոսցենայի և code golf-ի շրջանակներում։
Գործընթացն ինքնին արդյունքն է
Նրա բացատրությունն այն է, որ այդ համայնքներում գիտելիքը դժվարությամբ ձեռք բերված է։ Դրանց մեծ մասում բարդ ոլորտին տիրապետելը ինքնանպատակ է. այն, որ կոդն աշխատում է, նրա խոսքով, ընդամենը հաճելի հավելում է։
Էսսեում նկարագրվում է, որ հարգանքը սովորաբար դանդաղ է ձեռք բերվում. տարիների ակտիվություն ֆորումներում, էլեգանտ կոդի կիսում, անկեղծ հետաքրքրասիրություն և խոր մասնագիտական գիտելիքի փոխանցում։ Այս շրջանակներին, գրում է նա, այնքան էլ չի հետաքրքրում՝ աշխատում է ձեր կոդը, թե ոչ. նրանց հետաքրքրում է՝ գիտե՞ք ինչու և ինչպես է այն աշխատում։
Ինչու վաղ շփումը փչացավ
Նույնիսկ այն դեպքերում, երբ նիշային համայնքները վաղ շրջանում անկեղծորեն զբաղվել են LLM-ներով, Fogus-ի խոսքով՝ ջրհորը արագ թունավորվեց երկու գործոնով՝ պրակտիկանտների մոտ խորը հասկացողության պակասով և զայրացած մի հատվածով, որը LLM-ների ամբողջ գործը համարում է խաբեության ձև։ Նա նշում է, որ այս շրջանակները պատմականորեն աչքի են ընկել gatekeeping-ով և դանդաղ առաջընթացով, ինչը նորեկներին գայթակղում է հեշտ հեղինակություն փնտրել։
Լծակ, ոչ թե փոխարինող
Հեղինակի սեփական դիրքորոշումը հետևյալն է. LLM-ն ամենալավն աշխատում է որպես ուժի բազմապատկիչ, ոչ թե փոխարինող՝ լծակ մասնագետի ձեռքում, ով արդեն խորապես հասկանում է ոլորտը։ Այնտեղ, որտեղ ամբողջ վարժությունը սովորելու մեջ է, մոդելով պատրաստի աշխատանք ստեղծելը մեզ վարպետ չի դարձնում. այն պարզապես զրկում է մեզ արհեստից։ Նա մեկ զգուշացում էլ է անում. փորձագիտությունը LLM-ների կողմից խաբվելուց բնական անձեռնմխելիություն չի տալիս։
SiTech — AI-ով հզորացված վեբ մշակում
Ստեղծում ենք արագ ու ժամանակակից կայքեր և AI-ը ներդնում իրական բիզնես գործընթացներում։ Ունե՞ք նախագիծ կամ հարց։ Ուրախ կլինենք օգնել։