Wywiad: gdy AI nauczy się pisać operatory, co zostaje inżynierom

14 września Liu Sheng, który w DeepSeek V4.1 odpowiada za główny operator Attention, opublikował tekst „Musiałem pochować swój talent wczoraj”. Na WeChat Official Accounts przeczytało go ponad 100 tys. osób. Wpis trafił na pierwsze miejsce rankingu Zhihu i wywołał dyskusję na X. Nie udało nam się umówić z nim na osobne spotkanie, ale z jego publicznych słów można wyczytać, jak naprawdę wygląda sytuacja inżyniera z pierwszej linii.

W tekście opisuje, co zmieniło się w ciągu roku. Jeszcze niedawno AI było małym asystentem, który potrafił tylko szukać dokumentacji, czytać kod i znajdować błędy. Dziś samo czyta kod CUDA, PTX i SASS, analizuje profesjonalnymi narzędziami czas zatrzymania każdej instrukcji, a potem optymalizuje operatory. Liu Sheng sądzi, że w niedalekiej przyszłości AI będzie też samo projektować harmonogramy operatorów, oceniać wydajność różnych rozwiązań, a potem je wdrażać i optymalizować.

„Chciałbym oczywiście, żeby nie zrewolucjonizowano mnie, ale jeśli już musi do tego dojść, to wolę, żeby rewolucjonistą byłem ja sam.”

Jest dumny z sukcesu V4.1, ale wie też, że koło czasu toczy się dalej. Mówi, że za pół roku albo rok operatory pisane przez AI najprawdopodobniej będą równie dobre jak jego własne, a może nawet go przewyższą. Nie sądzi, żeby groziło mu „bezrobocie”, ale musi „zmienić zawód”: utrzymanie ma zapewnione, tylko może już nigdy nie będzie miał okazji robić tego, co kiedyś kochał.

Zmiany zachodzą też na poziomie zastosowań. 15 września jeden z użytkowników opublikował na X wpis, w którym twierdzi, że wywołał model DeepSeek V4.1 Flash i połączył go z narzędziem Hermes Agent. Dzięki temu udało mu się skompresować pliki tekstur gry „Resident Evil 7” i podnieść liczbę klatek na sekundę na OnePlus 12R z około 20 FPS do około 30 FPS. AI ustaliło, że wydajność ograniczają operacje wejścia-wyjścia i przepustowość pamięci, i zaleciło kompresję tekstur z 4096 pikseli do 1024 lub 512 pikseli.

Te dwie sprawy razem prowadzą do jednego wniosku: zdolności AI w programowaniu i zadaniach inżynierskich przechodzą od wsparcia do roli głównej. Dla deweloperów pytanie nie brzmi już, czy umieć korzystać z AI, ale jak umieścić w kluczowych miejscach procesu te umiejętności, które trudniej zastąpić: osąd, wyczucie estetyczne i projektowanie systemów.