Вики, инженер машинного обучения с 13-летним стажем, выступила с докладом на конференции Applied Machine Learning Conference. Она призналась, что её мучает экзистенциальный кризис: в эпоху, когда все помешались на генеративном ИИ, есть ли ещё место традиционному машинному обучению? И стоит ли тратить время на качество кода, если LLM генерируют его за секунды?
Чтобы разобраться, она провела параллель с голландской художницей-флористом Золотого века Рэйчел Рюйш. Та десятилетиями просто рисовала цветы, но добилась такого мастерства, что её картины продавались в три раза дороже рембрандтов. Она училась у мастеров, собирала и засушивала редкие растения из ботанических садов, смешивала разные сезоны в одном букете. Вики проводит прямую аналогию: в мире, где легко генерировать контент, техническое превосходство — это то, что отличает мастера от любителя. Она ссылается на отчёт NASA 2012 года, где говорится, что передача инженерной экспертизы сторонним подрядчикам ведёт к деградации качества. То же самое происходит, когда инженеры полностью полагаются на ИИ.
Вики применила эту философию в своём пет-проекте — семантическом поисковике Rijksearch. Это поиск по картинам из Rijksmuseum, где запрос «расслабленный чувак» выдаёт нужную картину, а не просто слово в лоб. Проект стал её «цветами»: она раз за разом пересобирала архитектуру поиска, каждый раз меняя одну из ключевых технологий. Она переписала код на Go, экспериментировала с векторными наборами данных (vector sets) в Redis и встраивала как текстовые, так и графические модели через API.
Вики напомнила правило «трёх токенов инноваций»: в каждом проекте можно позволить себе только три радикально новые вещи, иначе увязнешь. Для неё такими токенами стали мультимодальные данные, новый язык Go и API вместо локальных моделей. Главный вывод инженера прост: техническое мастерство — это то, что делает нас людьми. И даже когда ИИ пишет код за нас, важно продолжать делать свою работу хорошо.