Почему нишевые сообщества программистов отвергают нейросети

Автор эссе на blog.fogus.me, под текстом стоит лишь инициал «F», описывает наблюдение: нишевые сообщества хобби-программирования всё чаще враждебно настроены к использованию нейросетей (LLM) для написания кода. Толчком к тексту стал тред на GitHub о разработке шахматных движков, сам он мало что объясняет, но подтолкнул автора задуматься над более широким явлением. Похожие настроения автор отмечает и в других нишевых сообществах: разработка шахматных движков, OSDev, LangDev, TxtDev, EmuDev, RLDev, демосцена и код-гольф.

Центральный тезис эссе: знания, которыми оперируют эти сообщества, добываются тяжёлым трудом, поэтому использование LLM воспринимается как промах мимо самой сути занятия. Автор оговаривается, что везде подразумевается «не все», но в целом в таких сообществах процесс освоения сложной области, это и есть продукт, а работающий результат, как правило, просто приятное дополнение.

Даже там, где к LLM поначалу отнеслись всерьёз и с искренним интересом, этот энтузиазм быстро сходил на нет, по двум причинам: практикам LLM часто не хватало глубокого понимания предметной области, а внутри самих сообществ находилась агрессивно настроенная часть, воспринимающая использование нейросетей как читерство. По словам автора, эти сообщества исторически отличаются яростным гейткипингом и мучительно медленным прогрессом; желание кого-то быстро получить лёгкий престиж в тексте сравнивается с рекламным персонажем Kool-Aid Man, картинно проламывающим стену с кличем «О ДА!», а сразу следом звучит ироничное авторское «О НЕТ!», намёк на неизбежную негативную реакцию сообщества.

Собственная позиция, которую занимает автор, не сводится к тотальному отрицанию LLM: в тексте нейросеть описана как «усилитель силы», а не как «суррогат», в руках эксперта, уже глубоко понимающего область, она способна действовать как рычаг. Но в нишевых сообществах весь смысл занятия, в самом обучении: использование LLM для получения готового результата не делает человека мастером, а лишь лишает его самого ремесла. В сноске отдельно оговорено: экспертиза сама по себе не даёт иммунитета от того, чтобы быть введённым LLM в заблуждение.

Материал продолжает серию текстов автора о LLM, ранее выходили эссе «LLMe» и «Mind the van Emden Gap».

Ключевые факты

Толчком к эссе стал тред на GitHub о разработке шахматных движков, сам он мало что объясняет, но подтолкнул автора к более широким размышлениям о неприятии LLM в хобби-программировании.
Похожая враждебность к нейросетям отмечена в целом ряде нишевых сообществ: разработка шахматных движков, OSDev, LangDev, TxtDev, EmuDev, RLDev, демосцена, код-гольф.
Центральный тезис: в этих сообществах путь к освоению сложной области, сам продукт, а работающий код обычно лишь приятное дополнение; поэтому LLM воспринимается как промах мимо сути занятия.
Ранний искренний интерес к LLM в этих нишах быстро угасал из-за поверхностного понимания предмета у практиков LLM и агрессивно настроенной части сообществ, считающей это читерством.
Автор не отрицает LLM полностью: нейросеть работает лучше всего как «усилитель силы» в руках уже опытного человека, а не как суррогат обучения, иначе она лишает человека самого ремесла.

Почему это важно

Эссе фиксирует конкретный, малоописанный тип сопротивления ИИ-инструментам: не «нейросети отбирают работу», а «нейросети обесценивают саму суть занятия». В сообществах, где ценность, путь к мастерству (разработка шахматных движков, OSDev, демосцена, код-гольф и другие), рабочий код, не цель, а побочный эффект; использование LLM для получения готового результата убирает именно ту часть, ради которой люди туда приходят. Это добавляет нюанс в общий разговор об ИИ-инструментах в разработке: там, где ценность, не в конечном результате, а в процессе его достижения, ускорение через LLM бьёт по самой сути занятия, а не просто конкурирует с человеком за скорость.

Кому это важно

Хобби-программистам в нишевых областях, разработчикам шахматных движков, участникам OSDev, LangDev, TxtDev, EmuDev, RLDev, демосцены и код-гольфа, чья репутация в сообществе строится на годах медленного, тяжело добытого мастерства. Важно это и создателям ИИ-инструментов для программирования: они рискуют наткнуться на структурное неприятие в подобных нишах независимо от качества самого инструмента. Полезно и тем, кто модерирует или строит сообщества практиков за пределами программирования, как пример конфликта между «результатом» и «процессом» как источником ценности.

Как это применить

Прямого продукта или технологии здесь нет, но у автора есть чёткая практическая рамка. Использовать LLM как «усилитель силы» имеет смысл, когда область уже глубоко понятна самому человеку, тогда нейросеть работает как рычаг. Использовать её как суррогат, чтобы получить готовый результат в области, которую вы ещё не освоили, контрпродуктивно вдвойне: сообщество это не примет, а сам человек не получит того, ради чего люди приходят в такие ниши, самого мастерства. Тем, кто хочет влиться в подобное сообщество, автор советует проверенный путь: годы активности на профильных форумах, элегантный код, искренняя любознательность и щедрый обмен глубокими знаниями предметной области.

Можно ли доверять

Это личное эссе одного автора, а не исследование: опросов, статистики или внешних источников, подтверждающих «общий консенсус» нишевых сообществ, в тексте нет, сам автор называет это своим впечатлением. В тексте нигде не названы ни конкретный тред на GitHub, ни конкретные случаи «отравленного колодца» при первых попытках внедрения LLM, ни какой-либо ИИ-инструмент или компания, все примеры остаются на уровне обобщения. Личность автора не раскрыта: текст подписан только инициалом «F», сведений о должности или принадлежности к какому-либо из перечисленных сообществ в тексте нет. При этом оговорка «не все» проходит через весь текст сквозной нитью, собственные наблюдения не поданы как абсолютное правило.

Риски и подводные камни

Главный риск, сверхобобщение: вывод построен на личных впечатлениях автора от нескольких сообществ, а не на систематических данных, и легко читается как более широкое заявление о программистах вообще, чем то, что реально описано в тексте. Второй риск, сам механизм, который описывает автор: жёсткий гейткипинг новичков, включая тех, кто пришёл с искренним любопытством, а не только за лёгким статусом, может консервировать сообщества и мешать здоровому обмену знаниями. Третий риск указан в самой сноске: экспертиза не защищает от того, чтобы быть введённым LLM в заблуждение, то есть даже опытные практики этих ниш не застрахованы от ошибок, если начнут пользоваться нейросетями.

«Процесс освоения сложной области, это и есть продукт, а работающий результат, как правило, просто приятное дополнение.»

— автор эссе на blog.fogus.me