说明:标题是通过GPT根据内容生成。
3月22日,在Netstar的东京办公室进行了一场智研社的活动,《基于大语言模型的智能化新范式》,看到建忠兄的几张PPT,深有感悟。
特别声明:本文中的PPT图片全部引自李建忠演讲PPT,先看看PPT的具体内容吧。
![图片](https://eyangzhen.com/wp-content/themes/justnews/themer/assets/images/lazy.png)
(PPT-1)
![图片](https://eyangzhen.com/wp-content/themes/justnews/themer/assets/images/lazy.png)
(PPT-2)
(PPT-3)
(PPT-4)
通过计算,开发,交互三个层次,你会发现当前的是细粒度的确定性,而LLM的是粗粒度的相近性。LLM更像你问人一个问题,它每次回答字面不一样,但含义基本一样。
所以,当把LLM引入到开发流程中后,很多人确定不会替换掉程序员,因为LLM不会产生确定的结果。纵观身边的所有应用,都是以确定结果为主,并且程序员本身也经过多年训练,已经成了确定结果为导向思维的人群,所以会感觉LLM来替换程序员“不靠谱”。
但也有人觉得LLM有类人思维,当经过专业训练和优化后,会越来越趋向真正的程序员,直到最后完成替换,只是个时间问题。其实这部分人中的极少数人正在推进这个事,比如Devin或是AutoDev。
数字程序员完全替换人类程序员现在看来时间还早一些,但我觉得让LLM模拟人类,发挥组织协调作用,结合各种确定结果的API,形成一个有机组合,计算混合,开发混合,交互也是混合的(人机对话应该以自然语言为主)。
提供API的这群人,应该与现在的程序没有太大区别,只是更多一些AI在全流程实现的辅导。
那么充当中心的LLM,就需要针对的LLM式的开发:不同的行业、不同的场景,加上不同的使用者,就可以自由且灵活地来“开发”自己的调度链路了。当然,这部分开发者也可能分为“高级程序员”或“架构师”了,因为从数海量的API中找到自己需要的,合适的,合算的,形成高效的调度,也不是一件容易的事。
![图片](https://eyangzhen.com/wp-content/themes/justnews/themer/assets/images/lazy.png)
(AI生成)再次感谢建忠的分享,不仅受益良多,更确信自己对AI的思考!!!
声明:文中观点不代表本站立场。本文传送门:https://eyangzhen.com/414240.html