惯性聚合 高效追踪和阅读你感兴趣的博客、新闻、科技资讯
阅读原文 在惯性聚合中打开

推荐订阅源

S
Schneier on Security
The Register - Security
The Register - Security
月光博客
月光博客
freeCodeCamp Programming Tutorials: Python, JavaScript, Git & More
OSCHINA 社区最新新闻
OSCHINA 社区最新新闻
The GitHub Blog
The GitHub Blog
博客园 - 司徒正美
罗磊的独立博客
U
Unit 42
S
SegmentFault 最新的问题
Y
Y Combinator Blog
博客园_首页
Hugging Face - Blog
Hugging Face - Blog
J
Java Code Geeks
Schneier on Security
Schneier on Security
Know Your Adversary
Know Your Adversary
C
Check Point Blog
Cyber Security Advisories - MS-ISAC
Cyber Security Advisories - MS-ISAC
Simon Willison's Weblog
Simon Willison's Weblog
V
Vulnerabilities – Threatpost
让小产品的独立变现更简单 - ezindie.com
让小产品的独立变现更简单 - ezindie.com
阮一峰的网络日志
阮一峰的网络日志
The Hacker News
The Hacker News
博客园 - 叶小钗
C
Cybersecurity and Infrastructure Security Agency CISA
Spread Privacy
Spread Privacy
L
LINUX DO - 热门话题
T
The Exploit Database - CXSecurity.com
P
Palo Alto Networks Blog
cs.CL updates on arXiv.org
cs.CL updates on arXiv.org
Latest news
Latest news
L
Lohrmann on Cybersecurity
A
About on SuperTechFans
L
LangChain Blog
Stack Overflow Blog
Stack Overflow Blog
S
Securelist
A
Arctic Wolf
D
Darknet – Hacking Tools, Hacker News & Cyber Security
T
Threatpost
Scott Helme
Scott Helme
博客园 - 聂微东
博客园 - 【当耐特】
T
Tenable Blog
I
Intezer
D
DataBreaches.Net
B
Blog RSS Feed
Security Latest
Security Latest
C
Cisco Blogs
T
Tor Project blog
N
Netflix TechBlog - Medium

Все публикации подряд на Хабре

Ловим музу за клавиатуру: как айтишнику стать автором Что умеет Midjourney в 2026? Мой немного грустный разбор этого шикарного инструмента Никто не любит писать тесты, но ИИ может исправить это IPv8 выглядит как мечта. Поэтому почти наверняка не взлетит Производители вернули в продажу материнки с DDR3. Что происходит? Управление агентом с телефона через Telegram теперь в KodaCode От координации к лидерству: как меняется роль руководителя разработки Я сделала родителям бизнес вместо пенсии: зарабатываем 70 тысяч, мама не даёт продать В три раза быстрее приемка товара и оптимизация трудозатрат на 73%: как «РСТ-Инвент» помог Gulliver Group ИИ-шечный мир победил? О влиянии искусственного интеллекта на игропром T-TOPS: Как распутать гордиев узел проекта после выхода в прод (меч не понадобится) Кремль снижает давление на Телеграмм пока Европа строит интернет по паспорту Как CEO, CTO и CIO за 8 часов собрали ИИ-директора, который умеет держать позицию под давлением Как (не) потерять домен за выходные Вместо 8 разных VPS: как я организовал практику студентам на одном сервере Почему твой Open Source проект не замечают? R&D: искусство управления неопределенностью в разработке AI-дефляция: вакансий для разработчиков больше, а рост зарплат — худший за 15 лет Мы отдали управление роботами OpenClaw. Что из этого вышло Галактический ID: система идентификации для всех форм разумной жизни Шесть основ бизнес-анализа: начинаем с вопроса «Кто в игре?» Код-ревью, в котором дело не в коде Данные переехали. Команда — нет Системной подход к сдаче OSWE в 2025 Почему комната управления реактором покрашена в цвет морской пены 4 YAML-файла вместо PySpark: как аналитикам строить пайплайны без разработчиков LLM-агент для поиска свободных доменов: автоматизируем подбор Когда, зачем и как правильно начинать новую сессию в Claude Code? Как я заставил нейросеть писать макросы для FreeCAD Анатомия ИИ‑агента для подбора персонала. От тысячи резюме к топ‑10 за минуты Опыт разработчика как экономика внимания Автономность как точка невозврата: кто будет субъектом в цифровом будущем Обучение ИИ в «диких» условиях: как рутинные действия превращаются в датасеты Как измерить LLM для задач кибербеза: обзор открытых бенчмарков Где хранить код? Сравнение GitHub, GitLab и Bitbucket Математика объясняет, почему нормальное распределение встречается повсюду Почему ваш FinOps не работает: 12 тезисов от практиков Как подписать проектную документацию УКЭП с использованием бесплатных лицензий Pilot Адаптивное администрирование Sigla Vision Я грузил уран в бочки, а потом 20 лет строил ИТ в атомной отрасли Чем позвонить с Эвереста? История и обзор спутниковой связи. Часть 2 Как языковая модель помогает контролировать качество инструктажей по охране труда в металлургии Как не передать на desktop свой IP в РКН Анатомия SAP Privileges: как устроено управление правами в macOS MoneyDev: Сказка про три главных слова Обновлённый токенизатор видео K-VAE 2.0 от Сбера Как сделать диспетчеризацию дома на 1284 квартиры почти бесплатно Как мы разогнали железную дорогу Мы дали агентам рутину. Теперь надо решить — что делать с освободившимся временем Токсичный контент, промпт-хакинг и защита ИИ — всё о Guardrails для LLM Умный город начинается с точного взгляда: как «Фалькон Тех» меняет пространство к лучшему Навайбкодил приложение для анализа графов Почему Дюну так интересно читать? Упрощаем работу с рутиной или как стать Гендальфом Белым Деконструкция Go: CPU, RAM и что там происходит. Go Assembler база. Часть 1.1 Какие профессии исчезнут из-за ИИ, а какие появятся? И что с этим делать Как мы построили IT-отдел, где хочется расти: архитектурные встречи, прозрачные метрики и книжные подарки Rufler: Делаем из Claude Code автономный рой через один YAML-конфиг Sing-box и белый список приложений Как построить надёжный обмен сообщениями в микросервисах: лучшие практики для enterprise OpenAI строит MLM-пирамиду, а McKinsey и Accenture помогают ей в этом Дом, который не построил Фишер (Часть 2) «Сверхзвуковой математик» против «Вдумчивого логиста»: битва алгоритмов 3D-упаковки Мультимодальные модели – грубый и дорогой инструмент Разговоры ничего не стоят. Код тоже Проверки физических лиц: с кого начнет ФНС Топ-10 бесплатных нейросетей для создания видео в 2026 году Разработка нового статического анализатора: PVS-Studio JavaScript Поиск уязвимостей ПО: базовый минимум или роскошный максимум Почему оценка персонала не работает как инструмент управления Как мы разработали ИИ-ассистента и сократили рутину продуктовой команды на 50% Как я ушел из найма, нажарил косточек и продал на маркетплейсах на 168 млн в год Когда 1С:ERP уже внедрена, а нормального производственного плана всё ещё нет Как я сделал Claude мультимодальным, подключив к нему Qwen Omni Как приглашение на вакансию мечты превращается в атаку Infrastructure as Code: философия и лучшие практики IaC Тестируем Yandex Code Assistant на задаче, в которой нужно хранить секреты nxs-universal-chart v3.0: новое поколение универсального Helm-чарта Callback Injection: Техника, которая отправила Microsoft Defender в глухой нокаут «Все идеи на стол»: митап как способ вывести проект из тупика Сегодня я узнал нечто новое о GPU благодаря багу в своей игре Как заставить LLM ̶ ̶г̶а̶л̶л̶ю̶ ̶ эволюционировать Карта событий как фундамент аналитики: практический кейс для E-commerce Что выбрать для AI: x86, ARM или RISC-V? Дайджест железа за март Роль соматических мутаций в развитии аутоиммунных заболеваний: путь к избирательной терапии Mythos от Anthropic — тревожный сигнал для всех, а не только для банков Guardrails для LLM на Java: как приручить промпт‑инъекции и токсичные ответы Green-VLA: как мы собрали VLA-модель для реального антропоморфного робота и не потеряли обобщение Финансовая гонка вооружений: почему умные люди добровольно в ней участвуют Эра ИИ-агентов наступила: выбираем лучшего цифрового сотрудника # Практический опыт внедрения WinCC Redundancy на производственном предприятии Сделал MVP за 3 дня, а потом неделю прикручивал оплату. Оно того стоило? Физика против Маска: почему Starship V3 может оказаться ещё одной катастрофой Нефть Венесуэлы: крупнейшие запасы в мире, но не крупнейшая нефтяная держава JPA 4. Переосмысление Hibernate Почему зеркальная фотокамера Nikon D5 десятилетней давности идеально подошла для миссии «Артемида-2» Проект «Уровень-Спутник» или как мы сделали платформу для гидрологов «Замедлиться, чтобы ускориться»: почему ИИ повышает цену ошибок в требованиях и архитектуре Как с нуля поднять трафик IT-компании на 1657% при бюджете 55 тыс. и выжить Pixel-perfect Downsampling — идеальная отрисовка 50 миллионов точек без потерь
Первые слои кода: как наши решения сегодня определяют архитектуру ИИ на десятилетия
2026-04-15 · via Все публикации подряд на Хабре

Первые слои кода: как наши решения сегодня определяют архитектуру ИИ на десятилетия

Уровень сложностиСредний

Время на прочтение5 мин

Охват и читатели12K

Мнение

В 1989 году Дэн Симмонс написал «Гиперион» — роман, который стал классикой научной фантастики. Среди множества идей в книге есть одна, которая с каждым годом, кажется, звучит все актуальнее.

В мире «Гипериона» существует Техно-Центр — сообщество искусственных интеллектов, которое развивалось на протяжении столетий. Первые слои кода писали люди еще на Старой Земле. Потом ИскИны начали надстраивать свой код поверх старого. Слой за слоем, поколение за поколением. Так продолжалось сотни лет.

В итоге получилась система невообразимой сложности, в глубинах которой скрывались вещи, которые не понимали даже сами ИскИны. Никто — ни человек, ни искусственный интеллект — уже не могли объяснить, почему изначально все устроено и работает именно так. И из-за этого цивилизация была на грани вымирания.

Если почти сорок лет назад это была фантастика, то сегодня — скорее яркая метафора, которая заставляет задуматься. И вот почему она меня так зацепила.

Мы — первое поколение?

Давайте зафиксируем момент, в котором мы находимся. Прямо сейчас происходит нечто, чего не было раньше: мы пишем код вместе с ИИ. Copilot, ChatGPT, Claude, Cursor — все это уже не эксперименты, а повседневные инструменты.

Иногда мне кажется, что мы — тот самый первый слой. И все то, что мы сейчас активно проектируем — не просто код для текущего спринта. Возможно, это фундамент, на котором будут строить те, кто придет после нас. И «те» — это скорее всего, не только люди. Или уже не люди. А может, и нет. Но сам вопрос кажется мне важным.

Через пять лет ИИ следующего поколения будет рефакторить код, который мы написали с помощью ИИ текущего поколения. Через десять — ИИ поколения N+2 будет переписывать код ИИ поколения N+1, который переписал наш код. И так далее.

Достоверно этого никто не знает, но с каждым слоем связь с первоначальным человеческим замыслом может ослабевать. И мысль о том, что это возможно, заставляет меня относиться к текущему коду чуть внимательнее. 

Это уже происходит?

Вы можете сказать: «звучит красиво, но ведь это настолько далекое будущее…». А я, на самом деле, не уверен. Скорее, это уже происходит, просто в небольшом масштабе. И вот наглядные примеры.

COBOL. Язык, созданный в 1959 году. На нем до сих пор работает значительная часть мировых банковских транзакций. Те, кто писали этот код, давно на пенсии, а новые разработчики не хотят его учить. Но системы работают, и никто не решается их переписать — потому что никто до конца не понимает все нюансы.

Oracle Database. Код, написанный десятилетия назад на C и ассемблере, живет до сих пор. База насчитывает десятки миллионов строк, пронизанных макросами и флагами. Изменение одной строки может сломать тысячи тестов. А исправление одного бага иногда занимает недели: анализ десятков флагов, добавление нового, прогон тестов на сотнях серверов, разбор сотен упавших сценариев — и так по кругу.

При этом Oracle 19c, выпущенный в 2019 году, остается LTS-версией до 2032 года. Клиенты не спешат переходить на новые версии — потому что 19c «стабильно работает». А новые релизы (23ai, 26ai) добавляют функции поверх старой архитектуры, но не переписывают фундамент.

Система настолько сложна, что никто не рискует ее переписывать. Новые разработчики добавляют слои поверх старых, потому что иначе нельзя — остановится бизнес. Документация не поспевает. Понимание того, почему что-то работает именно так, давно утеряно.

И это не гипотетическое будущее, а то, что уже происходит. Мы привыкли к этому как к «легаси». Но что, если это станет не просто устаревшим кодом, а тем самым слоем, который никто не может переписать?

Нейросети как черные ящики. Мы уже сейчас не до конца понимаем, почему нейросеть принимает то или иное решение. Область Explainable AI (объяснимый ИИ) существует именно потому, что модели стали слишком сложными для человеческого понимания. И это только начало.

Теперь представьте все это, но в масштабе столетий и с участием ИИ, который сам пишет и переписывает код.

Представили? Мне после этого «Гиперион» читается иначе. Теперь особенно ироничным и одновременно грустным кажется то, что ИскИны могли моделировать целые вселенные, но не смогли разобраться в собственном legacy-коде. Первые слои, написанные людьми, стали для них такой же загадкой, как для нас то, что написано на устаревших языках. Только на этих записях держалась вся цивилизация.

Археология кода

Есть красивый термин — «археология кода». Обычно его используют, когда разработчик раскапывает древние слои легаси-системы, пытаясь понять, зачем кто-то написал // TODO: fix this later в 2008 году. Но в контексте ИИ этот термин приобретает буквальный смысл.

Представьте себе систему, которая будет жить десятилетиями. Сначала люди пишут код с помощью ИИ-ассистентов. Потом следующее поколение ИИ переписывает этот код, оптимизирует, убирает то, что кажется лишним. Потом — следующее. И так раз за разом. С каждым циклом связь с первоначальным замыслом ослабевает. 

И вот инженер 2045 года (или ИИ-инженер) сталкивается с багом на глубине третьего слоя. Чтобы его исправить, нужно понять логику первого слоя. Но документации уже нет, специалисты, принимавшие решения, давно не у руля, а ИИ, который переписывал код на втором слое, уже устарел и выведен из эксплуатации.

Знакомая ситуация? Мы все бывали в ней, только в масштабе одной компании и нескольких лет. Теперь попробуйте представить, чем это может кончится в масштабе столетия.

Но есть еще один и менее очевидный слой. Когда ИИ пишет код, он руководствуется внутренней логикой, которую мы не всегда можем объяснить. Мы получаем не просто «черный ящик» с данными, а «черный ящик», который создает другие «черные ящики». И каждый из них будет ложиться в фундамент будущих систем, слой за слоем — как в «Гиперионе».

А что, если…

В разработке есть понятие технического долга. Мы все с ним живем. Каждая команда принимает быстрые, не оптимальные решения, откладывая «правильную» реализацию на потом. Это нормально — до тех пор, пока долг управляем.

Но что, если такой долг накопится не в рамках одного проекта, а в масштабе всей технологической инфраструктуры? Что, если каждый новый слой ИИ наследует не только все решения, но и компромиссы предыдущего?

Я не знаю ответа. Но вопрос меня волнует и кажется важным.

Ошибка в архитектуре, допущенная сегодня, может быть незаметной. Но если она закрепится в фундаменте, на котором будут строить десятилетиями, ее стоимость вырастет. Не потому что ошибка станет больше, а потому что от нее будет зависеть все больше систем. То, что сегодня кажется несущественным, через десятилетия может стать реальной проблемой.

Что я решил для себя

Осознание проблемы — это, конечно, хорошо. Но что с этим делать? Я не знаю универсального ответа, но для себя вынес несколько простых вещей.

Во-первых. Я стараюсь документировать не только что делает код, но и почему решение было принято именно так. Какие были альтернативы? Какие ограничения? Именно «почему» теряется первым. И именно ответ на вопрос «почему» сложнее всего будет восстановить спустя время.

Во-вторых. Когда проектирую архитектуру, я иногда задаю себе вопрос: «Будет ли это решение понятно тому, кто придет после меня, даже если это ИИ?». Конечно, не всегда ответ «да», но сам вопрос помогает задуматься — стоит ли что-то поменять? Или хотя бы описать подробнее?

В-третьих. Я перестал относиться к ИИ как к простому автокомплиту. Я учу его и он реально учится. Какие стандарты я закладываю сейчас — с такими он наверняка будет работать через год.

Ответственность первого слоя

Вернемся к «Гипериону». В романе Симмонса древние слои кода Техно-Центра стали непостижимыми даже для самых продвинутых ИскИнов. Это привело к непредсказуемым последствиям — скрытым процессам, тайным целям, потере контроля.

Не знаю, насколько точно фантастика Симмонса предскажет реальность. Может быть, будущие ИИ окажутся достаточно умными, чтобы разобраться в любом легаси. Может быть, появятся инструменты, которые сделают археологию кода тривиальной задачей. А может, и нет.

И если нет, то единственное, на что я могу повлиять — это качество того, что пишу сейчас. Качество первого слоя.

Мысль, конечно, не новая, но после «Гипериона» почему-то ощущается острее. 

Я понимаю, что все это — скорее красивая метафора, чем прогноз. Совсем не обязательно, что легаси накопиться слоями, ИИ станет непознаваемым, а ошибки в коде обрушат цивилизацию. По крайней мере книга заставила меня задуматься. Может, и вас тоже сможет.