המחשבה שתחום יותר קשה (מדעי המחשב) מוגן יותר מתחומים קלים היא שגויה. מה שמשנה זה לאיזה תחום אפשר לקבל דאטה יותר בקלות, או דאטה אמיתי (חתימה דיגיטלית) או סינטתי (יכולת לג'נרט כמה דאטה בתחום שארצה).
בתכנות קוד (לא בהכרח "מדעי המחשב") יש המון דאטה משני הסוגים, לטוב ולרע (אמיתי: github וכו', סינתטי: ניתן לבחון קוד באופן סגור ולתת verfiable rewards באימוני RL).
ככל שקיים פחות דאטה זמין לגבי תחום עיסוק מסוים, קשה לאסוף בקלות דאטה חדש לגביו, והוא שונה מספיק מתחומי עיסוק אחרים בהם יש דאטה, כך יקח זמן רב לבצע אוטומציה בתחום הזה.
יש כמובן מגננות נוספות חוץ מדאטה, כמו מהירות או רגולציה. למשל, אני לא מוכן שהמכונית האוטונומית שלי תעשה חישובים מעבר ל-X מילישניות, אבל ל-cursor אני מוכן גם לתת שעות רבות לכתוב לי קוד בזמן שאני עושה דברים אחרים. בהמשך לדוגמה הזו, אני מאמין (ולא יודע באמת) שיהיו סוכנים מתכנתים ברמה גבוהה* מאוד לפני שיהיו מכוניות אוטונומיות ברמה גבוהה מאוד*, למרות שלנהוג זו אולי עבודה פחות מאתגרת מנטלית. כנ"ל לגבי מתמטיקה, שנהיית קלה הרבה יותר בימים אלו, אל מול תחומים הרבה פחות קשים.
לגבי השאלה האמיתית שלך לגבי מה ללמוד והאם תוחלף ב-LLM: צר לי, כיום אני לא יודע. משיחה עם חוקרים אחרים בתחום, חלקם מאמינים שהזמן לסוכן מתכנת-על הוא שנים בודדות, ורובם לא בטוחים. אני רוצה להאמין שמי שיתחיל היום, גם אם יחליט שהוא רוצה להיות מתכנת, עדיין יהיה רלוונטי ויכנס לשוק העבודה בתפר בו עדיין מעסיקים ירצו בו בשילוב עם AI.
*סלחו לי על החיפוף בהגדרת "רמה גבוהה מאוד"
שיקול נוסף בקשר ללימדת התואר-יש המון שלומדים אותו בארץ,האם ההיצע יעלה על הביקוש?
נכון לעכשיו בתקופה מאוד מאתגרת בשוק, אנשים שמסיימים תואר באוניברסיטה עם ממוצע טוב מצליחים למצוא עבודה בסופו של דבר:
גם אם זה קשה, לוקח הרבה זמן ונאלצים להתפשר על תנאים \ מקומות.