编辑注：ByteCode.News的朋友Hideki Idoru提交了这篇文章，尽管并不是每个观点都能得到认同，但它有很大的价值：如今在行业中不难发现人工智能的失败模式。人工智能是一个糟糕的工具。至少，人工智能对软件而言是一个糟糕的工具。我将从积极的一面开始讲，以便赶紧解决它。如果你把人工智能视为数据提炼者，它可能会是有用的。而在此之前，你只需将某个事物输入搜索引擎，单击听起来最有前景的结果，然后扫描页面寻找你所需的信息并以你理解的方式处理这些信息，人工智能如果它足够好且真实，便会为你浓缩这些步骤。事实上，今天的搜索引擎试图通过在结果顶部插入人工智能片段来缩短这个差距，但沉浸式的部分是你能够跟进并进一步完善信息。这在手动操作时需要花费很长时间，确实让机器来为你做这个要容易得多。所以，并不是完全没有好处。但事情也就到此为止。如果你用人工智能做其他事情，尤其是用它生成代码，那你就是在浪费时间。在我谈论原因之前，我必须退一步讨论一下关于人工智能本身的辩论。这个辩论常常比需要的情感更加激烈。很多反对者的情绪来自对失去生计和变得无关紧要的恐惧。我认为这些情感并没有帮助，但它们确实提供了对人性有趣的见解，因为，正如我将要展示的，恐惧是真实存在的（但原因不同）。换句话说：是的，你将变得无关紧要，不，是因为机器将变得太聪明而超越你，而是因为你产生的代码糟糕，而它们能够做得更好。人工智能是一个糟糕工具的原因在于它通常是完全不透明的。人们常常会问一个标准问题：“谁来维护你让它为你构建的应用？”嗯，如果你完全支持人工智能，那你会说：机器。如果它构建了这个，它当然也应该能够维护它。这并不错误。真正的问题是，谁能验证人工智能构建的东西是良好且真实的？最近，有很多关于人工智能声称发现软件安全漏洞的讨论。这是一个没有根据的说法。因此，这需要由一个非机器来验证，争辩说，验证过程可能需要的努力与发现问题本身所需的努力一样多或更多。同样的逻辑适用于你让人工智能为你构建的应用。谁会验证它是否在做它应该做的事情？它看起来像是这样，但传统上，Schein和Sein并不是同一回事。而且，写测试时，人工智能以偏见调整测试以适应实现，而不是从规范的角度盲目编写测试，这是臭名昭著的。它并没有解决问题——只是让问题看起来得到了解决。人工智能完全不透明也意味着“人工智能工程”或“提示工程”是一个彻头彻尾的骗局，就像早期的SEO一样，任何声称能够以某种聪明的方式操纵黑箱机器的说法都是虚假的。你无法建立相关性，任何你可能关于机器工作方式的幻想模式都是不稳定的。简而言之：你没有访问源代码的权限，即使你有，你也可能没有理解它的心理处理能力，即使你有，人工智能发展得太快，以至于你可能推导出的任何模式都不可能是真实的。你并不是天生愚蠢；这台机器是由非常聪明的人构建的，他们聪明到可能自己也不完全理解它。所以，人工智能是一个你无法深入了解的工具：一种机器实现的“相信我，兄弟”的形式。在这种情况下，为什么当它暴露出攫取人类对无关紧要和被抛在后面的恐惧时，它显得如此具有启发性？你为什么如此反对它？因为你今天让人工智能为你做的任何编程任务都是因为你没有正确抽象化你的工作。如果你让人工智能重命名一个符号；好吧，这应该是你的语言服务器处理的事情。如果你让人工智能为你的项目搭建框架，可能这个框架应该由你的框架来处理。你让人工智能生成的每一行代码都可能减少抽象并增加重复。人工智能所做的只是揭示了你堆栈中缺乏适当抽象的问题。而对你来说，问题在于如果代码得到了适当的抽象，你可能就不会有工作，但目前的情况是，机器在生成缺乏抽象的代码方面变得比你更好。换句话说，如果人工智能所做的只是生成琐碎代码，那么它应该是琐碎可抽象的。如果它产生非琐碎代码，但它不会产生，这就会引发问题，它是如何基于其输入做到这一点的，但这仍然不会因为它的模糊性而为你带来任何好处，你还需要自己处理一些非琐碎的内容。