Недавно запросил у гуглочата рекоммендации по литературе. И оно таки нашло именно то, что запросил. И другое, гптчат, например, хорош, как "общесправочный" собеседник, "утка".

Так, что, как минимум, в области поиска по неформализованным/неточным запросам и в области "заебать тупняком соседа" ИИ пока очень хорош.

А вот в отношении кода или точности фактов - ну, такое... либо пиздит и косячит, либо просто пиздит.

Вот бы оно кино умело находить без стопроцентных галлюцинаций...

Linda-chan, запросил мнение оппонента, так сказать.

======

В целом — оба собеседника правы, просто говорят о разных режимах использования ИИ.

Главная вещь, которую многие уже на практике поняли: современные LLM — это не «машина истины», а очень мощный интерфейс к вероятностному знанию и языку. И в зависимости от задачи это либо революция, либо источник галлюцинаций.

Вот как я бы это разложил.

Где ИИ уже реально хорош
1. Поиск по расплывчатым запросам
Это, пожалуй, одна из самых сильных сторон.

Раньше поиску надо было:

точное ключевое слово,

правильный термин,

знать заранее, что искать.

Теперь можно спросить:

«Книга, где герой медленно сходит с ума в зимнем городе, что-то вроде Достоевского, но современное».

И модель:

понимает семантику,

вытаскивает ассоциации,

умеет реконструировать намерение.

Это огромный скачок именно в human-computer interaction.

Не потому что ИИ «умный», а потому что он хорошо моделирует язык и контекст.

1. «Утка» для мышления
   Тоже абсолютно верно.

Как резиновая уточка в программировании:
пока объясняешь проблему — сам начинаешь понимать.

LLM хорош как:

внешний рабочий контекст,

собеседник для брейншторма,

средство распаковки мыслей,

генератор альтернатив,

инструмент снижения когнитивного трения.

Причём даже если модель местами ошибается, она всё равно полезна как:

катализатор мышления,

редактор,

«интеллектуальный IDE autocomplete» для идей.

1. Бытовая автоматизация текста
   Тут ИИ уже очень силён:

суммаризация,

переписывание,

письма,

переводы,

структурирование хаоса,

извлечение сути из простыней текста.

Это не «AGI», но это уже колоссальная экономия времени.

Где проблемы реальные, а не «хейтерские»
1. Фактическая надёжность
Да, модели регулярно пиздят.

Причём опасность в том, что:

они пиздят уверенно,

гладко,

правдоподобно.

Это фундаментальная особенность архитектуры:
модель оптимизируется на правдоподобный текст, а не на истину.

Поэтому:

даты,

ссылки,

юридические детали,

медицина,

свежие события,

научные тонкости

— без проверки доверять нельзя.

1. Код
   Тут ситуация интереснее.

LLM великолепны для:

рутины,

бойлерплейта,

рефакторинга,

объяснений API,

быстрого прототипирования,

«как примерно сделать X».

Но хуже:

с архитектурой больших систем,

с длинными зависимостями,

с нетривиальной отладкой,

с пониманием реального runtime state,

с гарантиями корректности.

То есть junior+/middle- ассистент — да.
Надёжный senior engineer — пока нет.

Хотя продуктивность разработчиков уже изменилась очень сильно.

Насчёт «человечество снова откроет мыслительный процесс»
Это интересный страх, но история технологий показывает немного другое.

Когда появились:

калькуляторы,

поисковики,

IDE,

GPS,

Википедия,

каждый раз говорили:

«ну всё, теперь люди перестанут думать».

На практике обычно происходит:

часть навыков атрофируется,

зато повышается планка задач.

Люди меньше:

считают вручную,

помнят телефоны,

ищут в бумажных справочниках.

Но больше:

координируют,

проектируют,

фильтруют,

принимают решения.

Хотя риск деградации тоже реален:
если человек начинает использовать ИИ как замену мышлению, а не как усилитель мышления.

Разница примерно как между:

«я думаю с помощью инструмента»
и

«инструмент думает вместо меня».

И, кстати, довольно иронично:
чтобы эффективно пользоваться ИИ, человеку часто нужно больше критического мышления, а не меньше.

Потому что главный навык теперь —
не «получить ответ»,
а:

понять, где модель врёт,

где упрощает,

где уверенно несёт чушь,

где действительно помогает.

Вам не надоело копипастить эти потоки (без)сознания?

Linda-chan, не совсем. Это показательно. :)