Зависимость от ИИ: почему чрезмерное использование LLM может подорвать базовые навыки
Пост «Люди, не использующие AI, останутся позади» резко критикует распространенную оптимистичную риторику об AI. Автор утверждает обратное: те, кто слишком сильно полагается на такие инструменты, как ChatGPT, рискуют потерять базовые навыки. Конкретные опасения включают забывание, как мыслить независимо, писать связно, выполнять надежные поиски, отличать факты от вымысла и — самое главное — как учиться. Автор представляет само обучение как драгоценную способность, которую не следует передавать на аутсорсинг.
Хотя статья не изобилует техническими деталями, она поднимает важный практический вопрос для разработчиков, использующих AI-агентов для кодирования: остерегайтесь когнитивной разгрузки. Если вы полагаетесь на LLM для генерации каждой функции или отладки каждой ошибки, вы можете не развить ментальные модели, необходимые для решения проблем без AI. Автор предлагает стремиться быть лучше, чем то, что может сделать AI, а не просто принимать более низкий потолок.
Это обсуждение стоит прочитать всем, кто хочет сохранить свои навыки как разработчика, ответственно интегрируя инструменты AI.
📖 Read the full source: HN AI Agents
👀 Смотрите также
Разработчики из Кремниевой долины сообщают об интенсивном использовании ИИ Claude и нагрузке на инфраструктуру.
Старший инженер по ИИ в Meta тратит $2000 в месяц на токены Claude Code, одновременно запускает 2+ агентов и создал расширение для VS Code, которое автоматически генерирует граф знаний Obsidian из диалогов с Claude. Сообщается, что инфраструктура 'полностью разрушена' из-за внедрения кода, сгенерированного Claude, без проверки.
Тонко настроенные модели Qwen3 Small превосходят передовые LLM в определенных задачах при более низкой стоимости.
Дистиллированные модели Qwen3 (от 0,6 до 8 млрд параметров) превзошли или сравнялись с передовыми API-моделями, такими как GPT-5, Gemini и Claude, в 6 из 9 задач, включая вызов функций и Text2SQL, при стоимости всего $3 за миллион запросов против $378 за сопоставимую производительность.
Microsoft сохраняет капитальные расходы на ИИ на уровне $190 млрд — первый гиперскейлер, удерживающий планку
Microsoft оставил прогноз капитальных затрат на ИИ в размере $190 млрд без изменений, порвав с трендом гиперскейлеров постоянно увеличивать расходы. Акции взлетели на 8%. Между тем, рост цен на чипы памяти может объяснить 45% роста расходов по всей отрасли.
Агенты ИИ предпочитают структурированные запросы вместо естественного языка в тесте сервера Cala MCP.
Команда Cala создала MCP-сервер с тремя способами доступа к графу знаний: запросы на естественном языке, структурированный язык запросов и прямое обход сущностей/связей. Агенты отказались от естественного языка в течение нескольких минут, выбрав структурированные запросы и обход графа без подсказок.