序

2022年底，chatGPT横空出世，对chatGPT认知出现了三段式的过程：

“awesome！划时代的突破，这不比siri人工智障强？”

“嘁，这就一大号搜索引擎”

“Claude太强了，可能会威胁到部分工作”

AI写代码

22年底我就注册了chatGPT，当时chatGPT写代码大概只有70%的概率，可以完全不改动的情况下直接运行，大部分都有很多问题。现在是24年8月，使用Claude 3.5后，真的觉得AI替代程序员写代码已经不是什么不可能的事情了，基本上0出错，好像还没遇到过出现错误的情况。

我让它教我学习rust，效果非常好，告诉他我熟悉的编程语言（go），数学水平，循序渐进的教我rust相关概念与知识，还会与go的概念进行类比。

写代码这部分肯定是没问题的，前提是得配置好编程环境。说实话，写代码的水平，我可能不如AI，但是环境配置，特别在兔子这种有长城保护的地方，存在大量的坑，AI是没办法搞定的，而踩过这些坑的程序员解决起来并没什么大问题。

记得有一次新闻联播在报道AI，画面里的程序员一直pip install 超时，哈哈。

这种情况可能会更频繁的出现，借用网络流行的“祛魅”说法，AI好像给编程祛魅了，让它不再神秘，好像任何人都能来写上几段代码，取代程序员的工作。然而仔细琢磨下就知道不可能，编程是对现实世界的抽象，而编程是精确的，显示器上的每一个像素都需要精确的知道ARGB的值。

自然语言的逻辑是，“帮我写一个转账软件，像支付宝一样”，但失败怎么处理，怎么保证对方一定能收到钱？这些东西如果不停用自然语言添加限定词，约束，那干嘛不直接用编程语言来描述呢？这不是本末倒置了？编程语言本来就是为了让人类能精确的操作计算机。通过自然语言描述一个东西的时候，会有信息损失，这属于有损压缩。

倘若AI写了一段很复杂的代码，很难理解，但它确实满足了功能。这像不像一个黑盒子，输入，输出，这时候需要对它做充分的黑盒测试，压力测试，破坏性测试。假如这是一段自动驾驶代码，公司敢让这种车上路吗？出事故了谁的责任？

AIGC困境

AIGC产出的内容越来越多，可是作为内容的消费者，人，接收能力早就溢出了。网上充斥着大量AI图文，已经有点反感了，它产生出来的东西没有感情，很多图片一眼AI，高光磨皮实在是审美疲劳。

AI界有句名言，garbage in garbage out， chatGPT刚问世表现那么惊艳，很大程度上是因为英文语料的高质量。stable diffusion的anime等模型，从一个盗版网站上学习了大量高质量画师的作品，才得到不错的效果，以后大家都懂了，好东西肯定不会愿意放到网上供AI学习，抢自己的饭碗。

大量自媒体还在利用AI产生大量的垃圾数据，可以说自chatGPT诞生后，网上产生的垃圾数据应该是指数级别的增长，以后AI向从网上学到什么好知识恐怕越来越难了。

openAI好像是雇佣非洲的廉价劳动力来帮他们做的数据标注。

结论

只要AI不能DEBUG，不能自己搭建运行环境，不能自己改造自己，基本不可能取代稍微有点技术含量的岗位。

目前LLM训练成本居高不下，最低门槛要1万张A100。资本投资的逻辑是要赚钱的，现在连风口的openai都赚不到钱，泡沫太大了，加上皮衣哥高位套现自家股票，有点ALPHAGO那会的意思了，那时nvdia也涨得非常猛。 底层驱动逻辑，下一轮AI热潮，买底层芯片股，稳赚不赔。现在更像资本的游戏，需要一个“叙事”快速推高股价，套现离场。

LLM很可能并不是正确的方向，也没有数据表面，训练数据量继续加大，效果会线性增长。一切都是赌，transformer，bert都是谷歌先做出来的，反而被openai搞出了chatGPT，下次就不一定有这么好的运气了。

AI的确是很好的帮手，它可以不厌其烦的回答你的问题，而且它知识面非常广，像会说话的百科全书，用来了解不同领域的知识很好用。

但不能过于依赖AI，AI的回答是碎片化的，摄入太多碎片化的东西，没办法形成自己的“知识神经元”。