"Что учить сегодня для AI завтра? На прошлой неделе в комментариях задали вопрос о том, чему учиться в эпоху нейросетей, которые ""скоро все скоро будут делать за нас"". Попробую структурно описать свои мысли на эту темуц. 🤓 Уже нет никакого сомнения, что ИИ пишет код лучше среднестатистического джуна, значит, дефицитным ресурсом становится не синтаксис, а мышление: 1. архитектурные паттерны (не как шаблоны кода, а как способ думать о зависимостях и экосистеме) 2. моделирование данных и SQL (ИИ, если его долго мучать, в конце концов скажет вам, как относительно безопасно спроектировать схему под ваш маленький стартап, но не под бизнес, где работает тьма человек в зоопарке платформ - у меня есть такой кейс, где в одной компании больше 1000(!) информационных систем) 3. тестирование, чтобы понимать, что и зачем тестировать, а не просто как писать тесты. 👾 Проблема в том, что ошибки с помощью AI генерируются быстрее, чем мы успеваем писать промпты. Поэтому я рекомендую сделать упор на Rust, компилятор которого буквально не даёт допустить класс типичных ошибок - не зря Microsoft и Google уже переводят на него критически важный код, благодаря чему сообщество растациан выросло в полтора раза всего за год. Сейчас на нем работают 15% все кодеров в мире. На сложных проектах Rust работает в десятки раз быстрее Python, позволяя обрабатывать огромные объемы данных для обучения моделей с минимальными задержками. Он меньше грузит процессор и оперативку, в нем хорошо реализовано распараллеливание вычислений на GPU и многоядерных CPU, именно на нем нужно создавать сложные ИИ-агенты с типобезопасным кодом, который легче поддерживать в продакшене. Для старта в ИИ на Rust не нужно знать весь язык, но базовые концепции обязательны: ▶️Система владения и заимствования - это фундамент Rust, который управляет памятью без сборщика мусора. ▶️Типы данных и трейты ▶️Управление пакетами через cargo ▶️Асинхронность для создания высоконагруженных ИИ-сервисов и API-интеграций. ▶️Ключевые ИИ-библиотеки: burn, tch-rs, ndarray, rig. Только учтите, что погрузиться за неделю не удастся: написать работающий код новичку гораздо сложнее, чем на Python или JS. Милые моему сердцу проверка безопасности и глубокая оптимизация кода требуют времени, поэтому на больших проектах ожидание сборки может длиться достаточно долго, что сильно может батхертить тех, кто привык к почти мгновенному вайбкодингу. Также несмотря на рост экосистемы rust-библиотек, по сравнению с Python их гораздо меньше, они моложе, имеют меньше документации и часто не поддерживают специфические функции последних моделей. 👩🏻‍🔬 Но даже без погружения в Rust, главное, что нужно понимать: самый ценный человек на корабле сегодня и всегда будет не лучший кодер и не лучший промпт-инженер, а тот, кто глубоко понимает конкретную доменную область (медицина, строительство, финансы, право) и умеет точно ставить задачи ИИ-инструментам. В руках такого человека 80% возможностей открываются при базовом уровне владения Python (достаточном для экспериментов), SQL, HTTP/API, Git - все это даёт реальный контроль над тем, что умеет массово производить ИИ. Поэтому, как в анекдоте про шпиона, нужно для начала ""выучить матчасть"". А это значит, что актуальность образование не исчезнет. Кто-то же должен собрать ""спектограф Бимена"". И если вы все еще думаете, где и чему учиться, приходите к нам в НИИ ИИ на программу ""Начальник нейросетей"", где я читаю курс по агентам. Все самое свежее и пропущенное через наш опыт внедрения AI в реальных организациях. Забавный факт: талисманом Rust является краб по имени Ferris - еще одна клешня в ваш швейцарский нож."