Amit a Vibe Coder Nem Tud, Hogy Nem Tud

TL;DR

A vibe coding — kódírás „érzésre”, AI-val, tesztek és megértés nélkül — most tetőzik. De Polányi Mihály évtzedekkel ezelőtt leírta, miért nem lehet a hallgatólagos tudást átugorni: mert nem tudod, hogy mit nem tudsz. Az AI generál kódot. De az, hogy miért működik — vagy miért nem — az a réteg, amit a vibe coding nem lát.

Egy billentyűzet emlékezete: A Tudás Két Arcza

Szentendrei művésztelep, őszi reggel. Egy szobrász kezét nézem, ahogy az agyagot formálja. Nem gondolkodik a mozdulatokon — a keze „tudja”, mit kell csinálni. Harminc éve csinálja. A tapintás, a nyomás, a forma kialakulása nem elméletből fakad, hanem egy testbe ágyazott, évtizedek alatt összeszedett tudásból. Ez a tudás annyira mélyen beépült, hogy szinte lehetetlen szavakba önteni. A szobrász tudja, de nem tudja megtanítani egyetlen leírásban. Csak közvetlenül, mintában, gyakorlatban adható át.

Hazafelé a vonaton eszembe jut egy cikk Andrej Karpathy-tól. Karpathy — az OpenAI korábbi kutatója — bevezette a „vibe coding” fogalmát: kódolás, ahol „elfelejtkezel a kód létezéséről”, és egyszerűen az AI-ra bízod a megvalósítást. „Vibes-alapú kódolás”, mondja. „Teszteket sem írok — ha valami nem működik, bemásolom a hibaüzenetet, és általában megoldja.”

Itt éleződik ki a kontraszt. A szobrász keze és a vibe coder keze között van egy döntő, metafizikai különbség. A szobrász tudja, amit tud — egy olyan belső térképpel rendelkezik, amelyet a tapasztalat rajzolt, de melynek legendáját nem tudja teljesen kiírni. A vibe coder helyzete fordított: nem tudja, amit nem tud — és nem is sejti, hogy nem tudja. Nincs hiányérzete, mert az AI azonnal pótolja a látszólagos hiányt egy működő (vagy működőnek tűnő) kóddarabbal. Az egyik a tudás teljességének bizonytalanságában él, a másik a tudás hiányának biztonságában.

Ez a jelenség nem új. A korpusz egyik idézete egy tökéletes párhuzamot hoz fel: “A Los Angeles-i Getty Museum meghívta a görög szobrászat vezető szakértőit, hogy megnézzenek egy kuroszt… A szakértők rendre ún. intuitív ellenérzéssel reagáltak - azzal az erőteljes megérzéssel, hogy a kurosz nem 2500 éves, hanem egy modern hamisítvány. Közülük senki nem tudta azonnal megmondani, miért gondolja, hogy a szobor hamisítvány.” [UNVERIFIED] A szakértők, akár a szobrász, mély, hallgatólagos tudásukra támaszkodtak. A vibe coder ezzel szemben olyan, mint egy műkereskedő, aki egy komplex szkennerrel ellenőrzi a szobrot, a szkenner „működik” jelzést ad, de ő maga nem rendelkezik azzal a finom érzékkel, ami a hamisítvány gyanúját kelti. A gépi validáció kényelmes, de a mögöttes, megmagyarázhatatlan biztonságérzet hiányzik.

Miért nem lehet a hallgatólagos tudást átugorni? A Polányi-Paradoxon Mélyrétegei

Polányi Mihály — magyar születésű filozófus — 1966-ban fogalmazta meg alapvető paradoxonját: „Többet tudunk, mint amennyit el tudunk mondani.” Ez a hallgatólagos tudás (tacit knowledge). De mi is ez valójában? Nem csupán egy „érzés”. Egy összetett kognitív infrastruktúra, amely a tapasztalat, a mintafelismerés, a testi emlékezet és a kontextuális megértés összefonódásából áll. A biciklizés, az arcfelismerés, a diagnózis — mind olyan tudásformák, amelyeket használunk, de nem tudunk explicit szabályokra bontani anélkül, hogy elveszítenénk lényegüket.

A szoftverfejlesztésben ez a hallgatólagos tudás nem a szintaxis ismeretében rejlik, hanem abban a végtelenül bonyolult döntési hálóban, amely egy tapasztalt fejlesztő agyában létezik. Nicholas Carr a The Glass Cage-ben idézi a Polányi-paradoxont: „Mivel a szoftverprogram lényegében pontos, írásbeli utasítások sorozata — csináld ezt, aztán ezt, aztán ezt —, feltételeztük, hogy a számítógépek replikálni tudják az explicit tudáson alapuló készségeket, de nem boldogulnak a hallgatólagos tudással.”

Itt van a vibe coding alapvető tévedése. Feltételezi, hogy a kód = explicit tudás. Írd le természetes nyelven a kívánt viselkedést (a „vibe”-ot), és az AI kiköpi a megfelelő szintaxisú implementációt. Ez olyan, mintha azt hinnénk, hogy egy szakács receptje megegyezik a konyhaművészetével. A recept megadja a hozzávalókat és a lépéseket (explicit tudás), de nem adja át a sütés idejének érzékét, a sózás intuitív mennyiségét, attól a tudást, hogy mikor kell eltérni a recepttől (tacit tudás).

A tapasztalt programozó nem azt tudja, amit leír — hanem azt, amit nem ír le: miért éppen ezt az architektúrát választja egy adott skálázhatósági probléma esetén; miért kerüli egy adott design mintát az adott kontextusban; milyen kompromisszumok rejlenek egy látszólag egyszerű megoldás mögött; hogyan „szagolja ki” a potenciális hibakat a kód szerkezetéből. Ez a tudás nem algoritmizálható teljesen, mert végtelenül sok kontextusfüggő változóval rendelkezik.

Herbert Simon, a Nobel-díjas kognitív pszichológus intuícióelmélete pontosan erre mutat rá. A korpusz idézi: “A helyzetben egy kód rejlik; a kód segítségével a szakértő megtalálja az emlékezetében tárolt információt, és ez az információ megadja a választ. Az intuíció nem több és nem kevesebb, mint felis…” [UNVERIFIED] A tapasztalt fejlesztő agyában ezer és ezer korábbi problémához, megoldáshoz és következményhez kapcsolódó „kód” található. Amikor egy új problémát lát, ahelyett hogy lineárisan következtetne, mint egy kezdő, az agya azonnal mintákat ismer fel és hozzáfér ezekhez a mentális kódokhoz. A vibe coding ezt a folyamatot próbálja megkerülni, de közben megfosztja a fejlesztőt attól, hogy ezeket a mentális kapcsolatokat építse.

Miért lettek 19%-kal lassabbak a fejlesztők? A Kognitív Súrlódás Anatómiája

A METR 2026-os tanulmánya megdöbbentő, de mélyen egyértelmű adatot hozott felszínre: az AI-eszközöket (főleg kódkiegészítőket) intenzíven használó fejlesztők 19%-kal lassabbak voltak a feladatok elvégzésében, mint azok, akik nem használták. Ugyanakkor ezek a fejlesztők maguk átlagosan 20%-kal gyorsabbnak érezték a munkájukat.

Ez nem csupán statisztikai anomália — ez a Polányi-paradoxon élő, mérhető megtestesülése a munkahelyi teljesítményben. Hogyan lehet ez?

A Validálás Rejtett Terhe: A vibe coder nem ír, hanem főként értékel és validál. Az AI által generált kód minden egyes sorának ellenőrzése, a kontextusba illesztése, a hibák keresése óriási kognitív terhet ró a fejlesztőre. Nem épít, hanem ellenőriz. Ez a folyamat lassabb, mint a saját, teljesen átgondolt mentális modellből fakadó kód írása, mert állandó kontextusváltást igényel: a saját gondolataimból a generált kódba, vissza az elvárásokhoz, ismét a kódhoz.
A Mentális Modell Hiánya: Amikor saját magad írod a kódot, egy párhuzamosan épülő mentális modell is kialakul a rendszer működéséről. Ez a modell lehetővé teszi a gyors hibakeresést és a jövőbeli bővítéseket. AI-generált kód esetén ez a modell sekély vagy hiányzik. A fejlesztő egy „feketedobozt” használ, amit nem ért teljesen. Amikor valami elromlik, nincs mély megértés, amelyhez fordulhat, így a javítás visszavesz a vibe coding körforgásába: újabb prompt, újabb validálás.
A Hamis Folyékonyság Illúziója: Az AI azonnali válaszai a tudás hamis érzetét keltik. A gép gyors, tehát én is gyors vagyok. Ez a félreértés a „tudás” és a „hozzáférés” összekeveréséből származik. A Google-tal való keresés is gyors információhozzáférés, de attól még nem leszel szakértő a témában. A fejlesztő a tacit knowledge szintjén „érzi”, hogy hatékony, mert a gépi eszköz azonnal reagál a kéréseire. De a rendszerszintű, architektúrális döntések — amelyeket éppen a hallgatólagos tudás irányít — megszületése és implementációja lassabban és bizonytalanabban történik, mert nincs mély alap, amelyre támaszkodhatna.

Egy Merleau-Ponty-idézet jut eszembe a fenomenológiából: „A megtestesült intelligencia — a tacit knowledge — az érzékelés és a cselekvés szoros összekapcsolódásából fakad.” A vibe coder pont ezt a kapcsot bontja szét: a cselekvést (a kód generálását) kiszervezi, de az érzékelés (a megértés) kötelessége marad. Ez a szétválasztás teremt meg minden egyes alkalommal egy kisméretű kognitív hasadást — és ez a hasadások összessége adja ki azt a 19%-os lassulást.

A korpusz egy másik, lenyűgöző példája világít rá a megértés hiányának következményeire: “a harminchetedik lépés megmutatta az MI felfoghatatlanságát. Suleyman és csapata utólag sem tudta megállapítani, hogyan jutott az AlphaGo arra a döntésre, hogy ezt a lépést hozza meg a győzelem érdekében.” [UNVERIFIED] A vibe coder pont ebben a helyzetben van: látja a kódot (a 37. lépést), az működik (győzelemre vezet), de fogalma sincs, miért ez volt az optimális lépés. Ha megváltozik a játéktábla (a követelmény), nem fogja tudni adaptálni a stratégiát.

Key Takeaways: Amit Nem Tudsz, Az Bíráskodik Feletted

A vibe coding alapvető téveszméje, hogy a kód pusztán explicit tudás – egy lefordítható specifikáció. Valójában a kód egy hallgatólagos tudási folyamat megfagyott, látható nyoma.
Polányi paradoxona („Többet tudunk, mint amennyit el tudunk mondani”) nem csak filozófiai megállapítás. A vibe codingban ennek fordítottja érvényesül: „Kevesebbet értünk, mint amennyit a kódunk mutat.” A generált kód egy üres jelkép lehet.
A METR tanulmány 19%-os lassulása nem a technológia hibája, hanem a kogníció működésének tükörképe. A gyorsaság illúziója (a +20%-os érzékelt gyorsulás) és a tényleges lassulás közötti rés a hallgatólagos és explicit tudás közötti árok grafikus ábrázolása.
A végső kérdés soha nem az lesz, hogy az AI ír-e kódot. Az lesz: amikor a kódnak szembe kell néznie a valóság kaotikus komplexitásával, ki lesz az, aki megérti, miért azt a kódot írta, és hogyan kell azt átalakítani? Aki csak a vibeket követi, az viharos tenger közepén lesz iránytű nélkül.

Gyakran Ismétlett Kérdések: Mélyebb Tisztázás

Mit nem tud a vibe coder, hogy nem tud?

A Polányi-paradoxon szerint a tapasztalt szakember „többet tud, mint amennyit el tud mondani”. A vibe coder ennek a spektrumnak a másik vége: kevesebbet ért, mint amennyit a kódja mutat. Az AI megírja a szintaktikailag helyes utasításokat, de nem adja át a mögöttes, kontextusépítő, mintafelismerő hallgatólagos tudást. Nem tudja, mit hagyott ki a saját mentális modelljéből, mert az soha nem is épült fel. Ahogy a korpusz egyik része emlékeztet: “Az első lecke, amelyet minden algoritmusnak el kellene sajátítania, az, hogy tévedhet. A bébialgoritmusoknak meg kell tanulniuk kételkedni magukban…” [UNVERIFIED] A vibe codernek is meg kell tanulnia kételkedni a saját, AI-tól függő megértésében.

Miért probléma ez, ha a kód működik?

Mert a szoftverfejlesztés nem statikus termék létrehozása, hanem egy változó környezetben létező rendszer életciklusának kezelése. A kód működik, amíg a körülmények megegyeznek azzal, amire az AI-t tréningelték. Amikor elromlik — és a valódi, összetett rendszerekben ez nem „ha”, hanem „mikor” — a vibe coder egy idegen bolygón találja magát. Nem tudja a hibát lokalizálni, mert nem ismeri a rendszer belső logikáját. Nem tud kreatív megoldást alkotni, mert nincs mély tudás, amelyből új kombinációkat hozzon létre. A javítás ismét csak promptok és validálás lesz, egyre mélyebb technikai adósság felhalmozásával.

Hogyan lehet az AI-t használni anélkül, hogy belesülnénk a vibe coding csapdájába?

A válasz a szándékos gyakorlatban és a „magasfokú kiegészítés” (augmentation) modelljében rejlik. Használd az AI-t:

Kritikusként, nem szerzőként: Kérdezd meg a saját kódod elemzésére, alternatívák javaslására, esetleges hibákra.
Oktatóként: Magyarázd el a generált kód működését, kérdezz rá a mögöttes elvekre. Építsd a saját mentális modelledet.
Ismétlődő feladatok automatizálására, nem a kritikus gondolkodás kiszervezésére. Írd meg magad az architektúrát, a fő logikát, és hagyd, hogy az AI segítsen a boilerplate kódban vagy a dokumentációban. A cél ne az legyen, hogy minél kevesebbet kelljen tudnod, hanem hogy az AI segítségével magasabb szintű tudásra tegyél szert — pont úgy, ahogy egy számológép segít a fejlett matematika elsajátításában, nem a fejszámolás elfelejtésében.

Kapcsolódó gondolatok

Varga Zoltán - LinkedIn Neural • Knowledge Systems Architect | Enterprise RAG architect PKM • AI Ecosystems | Neural Awareness • Consciousness & Leadership You can’t vibe what you can’t name.