Фелинне Херманс: доступность программирования и цена понимания (Рубрика #AI4SDLC) Если ИИ снимает синтаксические барьеры, а человек сохраняет понимание задачи и контроль над решением, разве это не продолжение той же идеи доступности, которую Фелинне Херманс защищает через Hedy? С этого противоречия хочется начать разбор её доклада «AI made me doubt everything about programming» на DDD Europe 2026. Про Hedy и её книгу "The Programmer’s Brain" я уже рассказывал. Херманс занимается обучением программированию, и её претензия к профессии вполне конкретна: мы слишком часто принимаем сложность за ценность, а техническую возможность — за достаточную причину что-то делать. 1️⃣ Сложность как знак качества По словам Херманс, исследования электронных таблиц встречали возражения: разве это настоящее программирование? С Hedy возник похожий вопрос: что исследовать в языке, который делает программирование проще? Между тем Hedy позволяет учиться на родном языке и вводит синтаксис постепенно. Для начинающего это вполне ощутимая польза. Объяснение она находит в неожиданном месте — статье о феминистской гляциологии. Авторы разбирают, как образ героического покорителя ледников влияет на признание исследователей и чьё знание остаётся за кадром. Херманс видит похожий механизм в нашей профессии: трудное и эффектное получает больше уважения, чем доступное и полезное. С таким снобизмом стоит спорить, но аналогия ещё не доказывает, что так устроено всё программирование. Сложность бывает и ценой простоты для пользователя. Хороший компилятор внутри тоже устроен непросто. 2️⃣ Понимание программы Здесь она обращается к Питеру Науру и Programming as Theory Building. В его представлении разработчик строит связную модель того, как программа решает задачу. Может объяснить решения, их ограничения и то, как систему менять. На мой взгляд, это самая сильная часть доклада. Работающий результат ещё не гарантирует, что кто-то понимает, почему он работает. Но отсюда не следует, что использование ИИ обязательно разрушает понимание. Модель можно просить сравнить варианты, найти контрпример, помочь проверить предположение. Получилось ли разобраться — отдельный вопрос, который нельзя закрыть красивым объяснением самой модели. 3️⃣ Инструменты можно выбирать Через работу Натана Энсменгера Херманс обсуждает шахматы как модельную задачу ИИ. Удобная проверяемая цель формирует представление о прогрессе, но переносить его на человеческие задачи нужно осторожно. А превосходство шахматного движка не обязывает разрешать его помощь в турнире. С правом выбора согласен. Только в шахматном турнире самостоятельность игрока входит в условия задачи. В разработке автоматизация вполне может помогать получить нужный результат. Одной аналогии для выбора здесь недостаточно. Человек сохраняет понимание И вот теперь вернёмся к вопросу в начале. В нём спрятано самое трудное условие: «человек сохраняет понимание». Hedy специально выстраивает путь обучения. ИИ позволяет получить готовое решение, этот путь пропустив. Поэтому считать их равнозначными инструментами тоже было бы слишком удобно. Но если работа с ИИ помогает человеку сформулировать задачу, разобраться в ограничениях и проверить решение, она вполне совместима с идеей доступности Херманс. Её аргументы дают основания требовать такого процесса. Чтобы отвергнуть его, нужно показать, где именно он перестаёт работать. Я бы проверял это следующим изменением требований: сможет ли человек объяснить, что теперь придётся поменять и почему? Особенно интересно задать этот вопрос тому, кто весь код написал сам:) #AI4SDLC #AI #Engineering #Learning #Conference