LLMs reward expertise
LLM‑ы превратили каждого в «общего специалиста»: вместо того, чтобы искать в интернете готовое решение CSS‑проблем, теперь достаточно задать запрос модели. Но многие считают, что в этом нет ничего сложного — просто попросить «напиши код», «выведи формулы», «сделай красивый текст». На деле же главное условие — экспертиза в той области, для которой вы используете модель.
Теренс Тоу в разговоре с ChatGPT продемонстрировал, как короткие, точные сообщения и уверенность в математических терминах переключают модель в «режим специалиста», а не «режим объяснений для новичков». Он сам предлагает идеи, отвергает неверные ответы и вытаскивает из длинных реплик лишь нужные детали. Аналогичная ситуация в программировании: если вы знакомы со своей кодовой базой, можете задавать конкретные вопросы типа «можно ли упростить эту часть?», «мы уже делали X?», и тем самым заставлять модель работать в нужном направлении. Без такой «теории» вы получаете лишь поверхностные ответы, а с ней — гораздо более ценные и точные результаты.
Ключевой факт: эксперты получают от LLM в разы больше полезной информации, чем новички.
Запомните: навык работы с моделями растёт пропорционально вашему пониманию предмета.
Цитата: «доменные знания делают вас лучше в использовании ИИ».
Эти идеи подтверждаются обсуждениями в комментариях Hacker News, где пользователи делятся случаями, когда экспертиза спасла проект, а отсутствие её привела к ошибкам. Поэтому даже при росте возможностей моделей человеческая специализация остаётся важным фактором.