Отладка показала: ошибка возникает в строчке:

new X509Certificate2(caCertificatePath, caCertificatePassword);

Файл, разумеется есть. Права на доступ для IIS AppPool\ИмяПулаПриложения дал.

Оказывается этого мало! Нужно еще для пула приложения включить: Load User Profile = True.

Почему же мы, люди не делаем так, как ИИ? Потому что мы ленивы. Лень - отличительная особенность человека. Думать - энергозатратное действие, а лень - механизм, который снижает энергопотребление.

Почему же ИИ не ленится? Потому что у него нет механизма обратной связи от энергопотребления. Вот если бы такой механизм был, то ИИ также, как и люди, стал бы “посылать” пользователя в ответ на энергозатратный вопрос.

Встроят ли в ИИ механизм “лени”? Может быть. В целях экономии - вполне могут. Мы это поймем, когда нас начнут “посылать” :)

type
  ICriticalSectionGuard = interface end;

  TCriticalSectionGuard = class(TInterfacedObject, ICriticalSectionGuard)
  private
    FCritSec: TCriticalSection;
  public
    constructor Create(ACritSec: TCriticalSection);
    destructor Destroy; override;
  end;

constructor TCriticalSectionGuard.Create(ACritSec: TCriticalSection);
begin
  inherited Create;
  FCritSec := ACritSec;
  FCritSec.Enter;
end;

destructor TCriticalSectionGuard.Destroy;
begin
  FCritSec.Leave;
  inherited;
end;

procedure Guard(const ACritSec: TCriticalSection; out AGuard: ICriticalSectionGuard);
begin
  AGuard := TCriticalSectionGuard.Create(ACritSec);
end;

Использование:

var
  g: ICriticalSectionGuard;
begin
  Guard(FCritSec, g);

  Work;
end;

Вот мой взгляд, основанный на анализе текущих возможностей и тенденций ИИ.

Короткий ответ: Нет, ИИ не заменит программистов в обозримом будущем. Но он кардинально изменит суть их работы и сделает невостребованными тех, кто откажется его использовать.

Теперь подробнее.

Почему ИИ НЕ заменит программистов (по крайней мере, сейчас)

1. ИИ — это инструмент, а не коллега. ИИ (в его нынешнем виде) не понимает код так, как это делает человек. Он не осознает бизнес-контекст, глубинные потребности пользователя, долгосрочные последствия архитектурных решений или этические аспекты проекта. Он работает с шаблонами и статистическими закономерностями в данных, на которых был обучен. Он гениальный автодополнятель, а не мыслитель.

2. Задача программиста — решать проблемы, а не писать код. Написание кода — это лишь часть работы. Главное — это:

• Анализ требований: Общение с заказчиком, чтобы понять, что на самом деле нужно сделать, даже если он сам этого не может четко сформулировать.

• Проектирование архитектуры: Принятие решений о том, как система будет работать в целом, как компоненты будут взаимодействовать, как обеспечить безопасность, масштабируемость и надежность.

• Декомпозиция сложных задач: Разбиение большой, расплывчатой бизнес-проблемы на маленькие, понятные шаги, которые можно поручить машине.

• Творчество и нестандартное мышление: Нахождение инновационных решений для новых, ранее не встречавшихся проблем.

ИИ может написать функцию сортировки, но он не может провести стратегическую сессию с продукт-менеджером.

3. Проблема “последней мили” и контекста. ИИ часто выдает код, который выглядит правильным, но содержит subtle bugs, уязвимости или не учитывает специфику проекта. Задача программиста — проверить, доработать и интегрировать этот код в общую codebase. Без человека, который обладает полным контекстом проекта, код от ИИ часто бесполезен или даже опасен.

4. Технический долг и легаси-код. Мир полон старого, плохо документированного кода, который нужно поддерживать и модернизировать. ИИ плохо справляется с таким контекстом, так как он был обучен в основном на качественных примерах из открытых репозиториев.

Как ИИ изменит профессию (и уже меняет)

Программист будущего — это не тот, кто пишет код с нуля, а инженер-промптолог и архитектор.

• Повышение эффективности: ИИ берет на себя рутину: написание boilerplate-кода, документации, юнит-тестов, поиск багов, предложение исправлений. Это позволяет разработчику сосредоточиться на сложных и интересных задачах.

• Смена ролей: Программист становится “менеджером ИИ“. Его главная задача — формулировать точные и корректные промпты (запросы), проверять и верифицировать результат, given by AI, и принимать финальные архитектурные решения.

• Демократизация и входной барьер: Стать программистом может стать проще. ИИ может выступать в роли персонального репетитора, который объясняет концепции, помогает с дебаггингом и подсказывает решения. Но чтобы задавать правильные вопросы, все равно нужно понимать фундаментальные принципы. Базовые знания алгоритмов, структур данных и архитектуры останутся критически важными.

• Появление новых специализаций: Уже сейчас возникает спрос на инженеров по промптам (Prompt Engineers), которые умеют “разговаривать” с ИИ максимально эффективно.

Аналогия из истории

Появление высокоуровневых языков программирования (как Python) не заменило программистов, которые писали на ассемблере. Оно повысило уровень абстракции и позволило решать более сложные задачи, не думая о мелочах. ИИ — это следующий шаг в повышении этой абстракции.

Вывод:

Не бойтесь, что ИИ вас заменит. Бойтесь остаться позади, потому что ваш коллега, использующий GitHub Copilot или ChatGPT, будет работать в 10 раз быстрее и эффективнее.

ИИ не заменит программистов. Но программисты, использующие ИИ, заменят тех, кто этого не делает.

ЗЫ

Попробовал бы deepseek написать, что ИИ заменит программистов… ;-)

Python libraries and packages

• Keras
• TensorFlow
• PyTorch
• OpenCV
• scikit-image
• scikit-learn

Articles

• Handwritten Digit Recognition with OpenCV
• Keras ImageDataGenerator and Data Augmentation
• OCR with Keras, TensorFlow, and Deep Learning
• Horizontal and Vertical Flip Data Augmentation
• Учебник по машинному обучению
• Custom Input Pipelines With Data Augmentation for A.I. Image Classification Using Keras and Imgaug
• TensorFlow > Learn > TensorFlow Core > Data augmentation

• @MastakSvarka

• See what the GitHub community is most excited about today

• Utah Cpp Programmers
• Code, Tech, and Tutorials
• Denis Semenikhin

pip install twine
pip install wheel

Build the wheel

python .\setup.py sdist bdist_wheel

Check the wheel

twine check dist/*

Upload to pypi.org

twine upload dist/*

Setup.py Example

from distutils.core import setup

setup(name='package_name',
    version='1.0.1',
    description='Short descripton',
    long_description=open('README.md', "r").read(),
    long_description_content_type='text/markdown',
    install_requires=[],
    author='your_name',
    author_email='your_email',
    keywords=[],
    url='https://github.com/your/package_name',
    packages=['package_name']
)

For Windows

cd C:\boost_1_83_0\
bootstrap.bat
b2 -j8 toolset=msvc-14.3 variant=debug link=static threading=multi runtime-link=shared
b2 -j8 toolset=msvc-14.3 variant=debug link=static threading=multi runtime-link=static
b2 -j8 toolset=msvc-14.3 variant=release link=static threading=multi runtime-link=shared
b2 -j8 toolset=msvc-14.3 variant=release link=static threading=multi runtime-link=static

For WSL

wget https://boostorg.jfrog.io/artifactory/main/release/1.83.0/source/boost_1_83_0.tar.gz
tar vxzf boost_1_83_0.tar.gz
cd ./boost_1_83_0
./bootstrap.sh
sudo ./b2 link=static threading=multi install

Output

Directory

C:\boost_1_83_0\stage\lib

Static debug shared runtime

libboost_atomic-vc143-mt-gd-x32-1_83.lib
libboost_atomic-vc143-mt-gd-x64-1_83.lib
...

Static debug static runtime

libboost_atomic-vc143-mt-sgd-x32-1_83.lib
libboost_atomic-vc143-mt-sgd-x64-1_83.lib
...

Static release shared runtime

libboost_atomic-vc143-mt-x32-1_83.lib
libboost_atomic-vc143-mt-x64-1_83.lib
...

Static release static runtime

libboost_atomic-vc143-mt-s-x32-1_83.lib
libboost_atomic-vc143-mt-s-x64-1_83.lib
...

Environment Variables (Windows)

Link Boost with CMake

set(Boost_USE_STATIC_LIBS ON)
set(Boost_USE_MULTITHREADED ON)
set(Boost_USE_STATIC_RUNTIME OFF)

find_package(Boost COMPONENTS thread chrono regex REQUIRED )

include_directories(SYSTEM ${Boost_INCLUDE_DIRS})
target_link_libraries(${PROJECT_NAME} ${Boost_LIBRARIES})

— У меня есть аттракцион.

Его спрашивают:

— Какой?

— Под куполом цирка подвешивают бочку говна. Выходит клоун. Стреляет. Бочка падает. Весь цирк в говне. И тут выхожу я: весь в белом.

• Tensorflow Datasets
• Wikipedia: List of datasets for machine-learning research

— А вы не утаивайте, не утаивайте! В конце концов ваши деньги к вам же и возвращаются: ну, знаете, субсидии, дотации…

— Понятно. Вот сейчас отрежу хвост у собаки, чтобы и ей было что на обед.