# Марк Андриссен и Амджад Масад: «Английский — это новый язык программирования»

Источник: https://www.youtube.com/watch?v=g-WeCOUYBrk
Канал: a16z (Andreessen Horowitz)
Опубликовано: 23.10.2025

---

В новом выпуске подкаста a16z сооснователь венчурного фонда Andreessen Horowitz Марк Андриссен и основатель Replit Амджад Масад обсуждают фундаментальный сдвиг в разработке программного обеспечения. Главная тема дискуссии — превращение английского языка в основной инструмент кодинга и появление автономных ИИ-агентов, способных часами работать над сложными задачами, имитируя поведение «гиперпродуктивного программиста».

## 💻 Английский как новый язык программирования
[[JUMP:00:37]]

Современные инструменты разработки проходят путь радикального упрощения, где конечной целью является полное устранение синтаксических барьеров. По словам Амджада Масада, в Replit они стремятся избавить пользователя от «случайной сложности» программирования — настройки сред, управления пакетами и изучения синтаксиса [03:11]. Масад утверждает, что именно код долгое время оставался «бутылочным горлышком» для инноваций: люди имеют идеи, но не могут их реализовать из-за сложности языков программирования [03:37].

Основные тезисы Масада о текущем состоянии Replit:

*   **Естественный язык:** Теперь пользователь может просто описать идею стартапа (например, «я хочу продавать крепы онлайн») на обычном английском, а ИИ-агенты сами подберут стек (Python для данных, JavaScript для веба) и создадут инфраструктуру [01:40].
*   **Устранение настройки:** Платформа берет на себя развертывание баз данных, настройку платежных систем (Stripe) и облачный деплоймент. То, что раньше занимало дни, теперь делается за 20–30 минут [08:34].
*   **Глобальность:** ИИ уже достаточно хорошо понимает не только английский, но и другие мировые языки с аудиторией более 100 млн человек, например, японский [04:03].

Амджад Масад проводит историческую параллель с Грейс Хоппер, изобретательницей компилятора, которая еще 75 лет назад предсказывала, что люди будут программировать на английском [04:30]. Марк Андриссен добавляет, что в индустрии всегда существовал элитизм: программисты на ассемблере презирали тех, кто перешел на BASIC, а те, в свою очередь, скептически относились к высокоуровневым абстракциям вроде ReactJS [06:12]. Однако именно такие абстракции демократизируют создание софта.

## 🤖 Эволюция ИИ-агентов и «длинное» рассуждение
[[JUMP:12:15]]

Ключевым метрическим показателем прогресса Масад считает «горизонт связности» (coherence horizon) — время, в течение которого агент может выполнять задачу, не теряя логики и не впадая в «галлюцинации» [12:15]. 

Динамика развития агентов в Replit:

1.  **Agent 1 (2023 год):** Удерживал связность около 2 минут, после чего начинал совершать ошибки [18:37].
2.  **Agent 2 (февраль 2024):** Мог работать автономно около 20 минут [18:43].
3.  **Agent 3 (текущая версия):** Способен поддерживать осмысленную работу в течение 200 минут (более 3 часов), а в некоторых случаях — до 12 часов [18:48].

Масад объясняет этот прорыв внедрением обучения с подкреплением (Reinforcement Learning, RL). В отличие от простого предсказания следующего слова, RL позволяет модели пробовать разные «траектории» решения задачи в реальной среде программирования [16:12]. Если агент находит баг и исправляет его, этот путь «вознаграждается».

Марк Андриссен сравнивает работу современного ИИ-агента с поведением Джона Кармака (легендарного создателя Doom) «на стимуляторах» [21:29]. Агент не просто пишет текст, он использует инструменты: браузер для тестирования, поиск в сети для решения незнакомых проблем с совместимостью баз данных и терминал для деплоя [22:11].

## 🎯 Верифицируемые домены против «мягких» знаний
[[JUMP:26:04]]

Собеседники сошлись во мнении, что скорость прогресса ИИ напрямую зависит от возможности мгновенной верификации результата. 

*   **Жесткие домены (Код, Математика, Физика):** Здесь ИИ прогрессирует экспоненциально, так как компьютер может запустить код и проверить, работает ли он (тест «истина/ложь») [30:53]. По данным Масада, в бенчмарке SWE-bench ИИ уже решает около 82% сложнейших задач по разработке ПО [28:20].
*   **Мягкие домены (Право, Медицина, Творчество):** Прогресс здесь медленнее, так как критерии успеха субъективны или требуют долгой человеческой экспертизы [26:57]. Масад утверждает, что диагностика хронического заболевания — гораздо более «туманная» задача, чем написание SQL-запроса [30:39].

Марк Андриссен делится своим опытом использования моделей (GPT-5 Pro, Grok 4): он использует их как «PhD-ассистентов», способных генерировать 40-страничные глубокие аналитические отчеты по сложным темам, например, по экономике тарифов [44:30]. Однако Масад настроен более скептически, отмечая «убывающую доходность» (diminishing returns) новых моделей в аспекте человечности и оригинальности мышления [41:40]. По его мнению, новые модели часто становятся более «роботизированными» и осторожными из-за жесткой цензуры и RLHF (обучения на основе отзывов людей) [42:06].

## 🏔️ Ловушка локального максимума и путь к AGI
[[JUMP:33:28]]

Обсуждая перспективу создания сильного искусственного интеллекта (AGI), Амджад Масад высказывает «медвежий» (скептический) прогноз. Он полагает, что мы можем застрять в «ловушке локального максимума» [51:36].

Основные аргументы против скорого появления AGI:

*   **Отсутствие переноса обучения (Transfer Learning):** Успехи в кодинге не делают ИИ автоматически умнее в биологии или праве. Для каждой области приходится создавать свои среды обучения с подкреплением [34:47].
*   **Экономическая достаточность:** Текущие модели уже «достаточно хороши» (Good Enough), чтобы автоматизировать огромные сектора экономики. Огромные инвестиции направляются на оптимизацию текущих технологий ради прибыли, а не на решение фундаментальной проблемы общего интеллекта [51:24].
*   **Дефицит данных:** Илья Суцкевер и другие эксперты указывают на то, что «ископаемое топливо» (данные из интернета) заканчивается, а генерация синтетических данных высокого качества обходится дорого [36:20].

Масад определяет истинный AGI не как способность обыграть человека в шахматы, а как «эффективное непрерывное обучение» (efficient continual learning) — способность системы быстро осваивать любой новый навык с нуля, как это делает человек [50:18].

## 🎓 Личная история: Взлом системы как путь в Кремниевую долину
[[JUMP:53:33]]

Значительная часть беседы посвящена биографии Амджада Масада. Он вырос в Аммане (Иордания), и его путь к технологиям начался в 1993 году, когда отец купил первый в районе компьютер IBM PC [54:14]. Свой первый бизнес Амджад запустил в 12 лет, написав софт для управления игровыми клубами [56:11].

Самая яркая история связана с окончанием университета в 2011 году [1:02:41]:

*   Из-за пропусков занятий (Амджад предпочитал программировать, а не ходить на лекции) его не допускали к диплому.
*   Он взломал базу данных университета, используя SQL-инъекцию и уязвимость в Oracle, чтобы исправить свои оценки [1:04:02].
*   Из-за ошибки в коде (база была ненормализована, и изменение оценки вызвало сбой системы) его вычислили [1:05:47].
*   Вместо тюрьмы ректор дал ему шанс, обязав все лето помогать системным администраторам закрывать дыры в безопасности [1:08:03].
*   Во время защиты диплома Амджад снова продемонстрировал уязвимость системы в прямом эфире, взломав пароль декана, чтобы доказать свою правоту [1:10:13].

Масад заключает, что традиционные пути «конформизма» сегодня приносят всё меньше дивидендов. В эпоху ИИ он советует молодежи использовать все доступные инструменты для прокладывания собственных, нестандартных путей [1:11:05].