为什么 AI 就这么聪明了，能想到很巧妙的方式解决问题

大部分问题其实其他人解决过...它如果恰好有...

@crackidz 不一定是，大模型有种“涌现”的能力，它能在相似的一系列模式中自动推导出新模式

我觉得现在很多工作真的已经走到头了，很多岗位没被取代并不是 ai 不能胜任，或者人真的有什么不可替代性，而是工作形式，上下游的衔接等岗位条件还没有完全和 ai 适配

可预见认知壁垒是可以被完全消除的，以后就是拼创意，沟通能力，应变能力的时候了……

当前的 ai 和人比还是差了点灵魂，虽然知识面是够广了，但推理能力还是比较浅

「是吸收了迄今为止所有程序员的智慧吗」，是的，AI 就是个复读机/模式匹配（搜索引擎），它能提出这个 idea/写出这个代码，说明它的训练数据里面有类似的。

算法什么的是 ai 最擅长的

因为这都是对特定问题已知的答案

有任何算法问题, 丢给 AI 准没错

因为给它的训练数据中包括了 github 上的所有 repo

听现在的普通程序员们讨论 AI 甚至有一些民科的味道了
程序员们被淘汰确实一点也不冤

@wildman9527 说啥呢 好不容易找份工作我容易吗

这里还是理工程序员社区吗？
从技术角度，LLM 现在依然很“蠢”。LLM 本质上还是深度神经网络，一点都不新鲜。只是 OpenAI 这群变态理工男把这个 DNN 的参数规模越做越大，它太大了，以至于“过拟合”，咋们这代人称之为“智能涌现”。而且这是一个参数很大效率很低的 DNN ，很传统的统计学习模型相比，真的是太不优雅，太不环保了，指望用这架构去实现 AGI 简直是痴人说梦

@frankies 你们小心 互联网是有记忆的
我认为 AI 就是伟大而正确的。我学过的一切专业统计模型一文不值。我支持 AI 统治一切碳基和硅基生物。

@pathetique LLM 不是 AI 。

或者，如果你认为 LLM 是 AI ，那十年前的 Siri,Cortana,Alexa 也是 AI ，二十年前的电子游戏里面的 NPC 行为逻辑也是 AI 。

有同感，之前开发某种需求，用了比较麻烦的方式解决问题，把大概情况和 ai 说了一下，他说了一种很方便高效的方案，我按照他的方案改了原方案，真的很强了

现在付费的 gpt 哪种上车方式比较便宜

量变产生质变，它的知识库是任何一个人类都做不了的。

时至今日还有人说 LLM 是模式匹配或者什么过拟合。。。

但是完全放手让 ai 去搞项目，代码一塌糊涂，思路很多时候也不对。

全人类最聪明的那批人和全世界最有钱的那批公司都在这条赛道上拼命。 个人怎么跟这种集所有智慧和资本的东西对抗

@Leronron 上这个网站可以查到便宜的 AI 中转站 https://www.getcheapai.com/

利益相关：我做的

看到说 llm 只是在拟合数据的评论，有点像我们只用豆包和 deepseek 然后说 llm 写代码不行的领导，感觉用一次 cc 或者 cursor pro 就老实了

@thinszx 最搞笑的是就上面一层楼刚有人说在民科讨论，下面就现身说法，我都怀疑这楼的顺序是不是错了

@milkleeeeee 做的很棒。人才辈出

AI 训练资料里的黄金比你堆的屎都多，怎么可能不会有好的方案

梧瞑 @54 分钟前 #6087264
来自二三流码农的碎碎念：
感觉随着 vibe coding 的流行，写代码越来越像萨满跳大神了：
-你向一个看起来很厉害但你不真正了解的存在请求帮助，他们几乎有求必应； -你的工作通常是献上一些祭品(token)获得一些恩赐(代码)
-你用专门的法器(cc 等)作法，它们通常花里胡哨，这让你比那些直接向大神祈求的人强点。
-你擅长用玄奥的韵律念诵咒语，只有你和你的同行才懂得其中的规律(prompt, mcp,skill 等)但其实你也不确定这是不是真的那么有用。
-偶尔你会失去神恩，但不确定是神明陨落了还是自己的咒语念错了。但无所谓，多求几个大神就是了。
-你曾经也算是个工匠，但随着法术越来越流行，国王(老板/甲方)越来越没耐心看你慢慢干活了。与其继续研究工艺技巧，不如再多学学怎么和大神沟通。
-不论如何，你最终获取到了恩赐，比你过去花 10 倍时间做出来的东西都多。这些恩赐通常都神圣而庄严(完善的注释和代码结构)，但你凭过去作为工匠的经验，感觉这些玩意儿有的压根没法用，有的似乎还藏着一些邪咒。 -结局 a：邪咒爆发了，你作为罪魁祸首被祭天了。
-结局 b：国王(老板/甲方)觉得你动动嘴皮子就拿到一堆东西，实在太浪费给你的财宝了，于是他们找了个新手牧师把你替了。
-结局 c：国王自己当了祭司，你看着他念咒语搞出来的那堆不可名状之物，赶紧趁爆发前溜之大吉了。
-ex：但这毕竟是个灵气复苏的高魔时代，连啃棒棒糖的小妹妹都会搓火球术了，于是你还是继续投身法术了。

个人观点：语言上的推理足以产生（部分）知识，产生知识的能力可以称之为“智能”。通过训练，LLM 具备了语言推理能力，也就具有了“智能”。随着训练数据规模和模型规模的增长，LLM 表现得越来越“智能”。

下面具体展开一下自己的想法：
（ 1 ）仅仅通过语言上的推理，就足以产生某些新知识。或许人类很大程度上，就是通过语言上的推理来进行学习的？通过组合已有的公理和定理，推导产生新的定理，某种程度上也是通过语言推理实现的？当然必须承认，并非所有新知识都能仅通过语言推理产生，人类历史上很多知识和理论的产生离不开对物理世界的观测、工具制造、精心设计的实验、以及更重要的由大脑神奇的生物化学反应迸发的灵感。
（ 2 ）智能涌现。LLM 的训练目标只是准确预测下一个 token 。为了把这个目标做到极致，LLM 不能只是死记硬背，LLM 不得不学习其中复杂的上下文、其中蕴含的逻辑关系。为了把这个目标做到极致，它涌现出了逻辑推理、常识理解和代码生成等能力。它不仅仅是在掷骰子，而是在构建一个“世界模型”。
（ 3 ） Scaling Law 。使用更多数据训练更大模型，就能得到更好的预测结果，也就使得 LLM 表现得更加“智能”。

在的 AI ，在本上是搜索引擎，只是有自然言的理能力。或者，段，大部分 AI 的本是粘。
AI 出的知，解方案或代，其都是人做出了，AI 修改後，了用。
所智能，就是根用的需求，去找成的答案，且答案修改。

这个帖子下面嘲讽 lz 的人给我一种还原论解释世界万物的感觉，如果这个世界有这么简单那也太无聊了。

@yinanc 以前我也觉得 LLM 写代码不行，直到用了 Anthropic 最新的 model...
最可怕的不是他现在的能力有多强，而是他进步的速度。

@frankies 技术再不优雅也挡不住他好用。

很多人认为 AI 本质上还是个搜索引擎,其实不想想人类自身目前也像个搜索引擎,学固定的知识,遇到问题就从学到的固定知识里去搜索,大多数人是记不住所有的固定知识的,所以必须去搜索引擎搜索知识..