Для аудитории embedded‑сообщества ИИ уже не абстрактная «облако‑магия». Мы запускаем TinyML‑модели на Cortex‑M4, ставим детекторы ключевых слов на ESP32, экспериментируем с генеративными ассистентами, которые пишут за нас HAL_Init() и конфигурацию TIM1.
На этом фоне привычный вопрос «может ли ИИ это сделать?» постепенно устаревает. Куда острее звучит другой: если ИИ может это сделать, то что остаётся именно человеческим вкладом?
Микроконтроллерная плата Arduino Uno SMD Edition. — Изображение: SparkFun Electronics from Boulder, USA / Wikimedia Commons, CC BY 2.0
Сила вычислений против силы замысла
Современный микроконтроллер с ядром Cortex‑M7 при частоте в сотни мегагерц выполняет сотни миллионов операций в секунду. Графические ускорители для ИИ работают на уровне триллионов операций в секунду, обслуживая огромные языковые и генеративные модели.
С точки зрения внешнего наблюдателя это выглядит почти магией:
- автодополнение кода, которое пишет целые обработчики прерываний и конфигурацию
NVIC; - помощники, предлагающие схемы датчиков, фильтров и даже топологию питания;
- генераторы изображений, рисующие корпуса роботов и корпуса устройств быстрее, чем мы успеваем открыть CAD.
Но во всех этих вычислительных чудесах отсутствует один компонент: намерение.
Нейросеть не хочет, чтобы ваш датчик температуры был точным — она просто выбирает наиболее вероятный следующий токен. Она не боится отказа I2C‑шины, не переживает из‑за перегрева драйвера мотора.
Инженер же приходит к рабочему столу с замыслом:
- «Это устройство не должно разрядить аккумулятор за ночь»;
- «Даже при сбое датчика система обязана уйти в безопасное состояние»;
- «Через пять лет кто‑то другой должен понять мой код без расшифровки заклинаний».
Возможно, ключевая граница между человеком и машиной проходит не по уровню умения, а по уровню смысла: машина всё лучше реализует как, но только человек задаёт зачем.
Творчество или высокоразмерный ремикс?
В электронике творчество редко похоже на искусство в привычном смысле. Оно проявляется в упрямой работе с ограничениями:
- уложить алгоритм управления и фильтрацию в 32–64 КБ ОЗУ;
- выжать из шумного 10‑битного АЦП поведение почти как у 12‑битного за счёт передискретизации;
- выкрутить таймеры так, чтобы получить дополнительный канал PWM «из воздуха».
ИИ‑ассистент может помочь практически на каждом шаге:
- подсказать структуру задач для
FreeRTOS; - предложить коэффициенты ПИД‑регулятора или даже целый алгоритм адаптивного управления;
- сгенерировать тестовые данные и скрипты для
pytest.
Но обратите внимание, откуда берутся эти предложения. Модель комбинирует фрагменты, увиденные в огромном корпусе чужих проектов. Её «воображение» — это статистика уже существующих решений.
Инженер же работает с тем, чего в этих данных нет: с конкретной механикой вашего робота, с реальным поведением пользователей, с сертификацией, с тем самым «а если вдруг…». Там, где датасет заканчивается, начинается настоящее инженерное творчество.
Роботизированная рука и инженер вместе работают на линии сборки плат — Иллюстрация создана ИИ
Кто в контуре: человек или ИИ?
В теории мы строим human‑in‑the‑loop‑системы: нейросеть предлагает, человек утверждает. На практике рабочий день разработчика всё чаще выглядит как AI‑in‑the‑loop:
- вы формулируете требования и архитектуру;
- ИИ генерирует варианты кода, схем, тестов;
- вы отбраковываете, правите, интегрируете, несёте ответственность.
Модель — всего лишь один блок на вашей функциональной схеме:
- слева — реальные датчики и шины (
ADC,CAN,UART), - справа — реальные двигатели, реле и пользователи,
- внутри блока — матрицы весов и нелинейности ReLU.
Что будет, если этот блок разрастётся? Представьте себе среду разработки, где генеративный ИИ:
- создаёт структуру проекта, выбирает между bare‑metal и HAL;
- сам пишет юнит‑тесты и сценарии нагрузочного тестирования;
- подбирает параметры регуляторов по результатам симуляции.
Ваша роль смещается в сторону дизайнера намерений: вы задаёте цели — «энергопотребление не более 10 мА в среднем», «отказобезопасность уровня ASIL‑B», «стоимость BOM до 3 долларов» — а система сама ищет решения в пространстве вариантов.
Экран осциллографа, где сигналы переходят в визуализацию нейросети — Иллюстрация создана ИИ
Творчество и ответственность: можно ли разделить одно без другого?
Чем больше ИИ участвует в проектировании, тем болезненнее вопрос ответственности. Допустим, вы разрабатываете умный дверной замок:
- архитектуру протокола и выбор
AES‑256вам подсказал ИИ‑ассистент; - часть кода OTA‑обновления и проверки подписи также сгенерирована моделью;
- вы проверили, протестировали, выпустили устройство.
Через год обнаруживается уязвимость: при определённой последовательности пакетов замок открывается без авторизации.
Кто виноват?
- Модель, которая предложила небезопасный шаблон?
- Компания, обучившая её на сомнительном коде?
- Или инженер, который поставил подпись под релизом?
Современные нормы права и профессиональной этики однозначны: отвечает человек и организация, а не инструмент. Получается парадоксальная ситуация: творческая часть работы всё больше распределяется между человеком и ИИ, а ответственность по‑прежнему концентрируется на человеке.
Для embedded‑инженера вопрос о будущем творчества — это уже не абстрактная философия, а вполне практичный выбор архитектуры рабочего дня: что вы хотите делегировать модели, а что намеренно оставить себе как человеческую задачу?
Когда вы представляете себя через десять лет, в окружении более умных ассистентов и ещё более сложных микросхем, какая часть вашей работы должна, по‑вашему, остаться такой, которую никакой ИИ не сможет сделать за вас без потери смысла?
