AI写计算分析相关程序的一点迷思

Graphite

用AI辅助写程序有一两年了，GPT-4刚出来的时候就借助AI写了不少东西，一段时间过去有一点体会。不是什么重要事情，只是从个人角度出发闲聊一二。

总体评价：AI（具体来说就是LLM）替代了很多重复的、繁琐的工作，但是绝对不能指望完全替代人工。总有一些人宣传，“AI替代了95%的代码工作、80%的程序员”，别信。这些工作本来就是一些配置文件、根据情况微调之类的事情。

优势：静态字面含义的分析和创作、常规的工作，AI做的很好，特别是一般性的增删查改、常见库的调用、批处理脚本、画图脚本。AI不会像人一样烦躁疲倦，反复作业的情况下，一遍通的概率感觉比人要高。搞点数据库工作有时还挺心情舒畅。

劣势：AI并不是真的理解业务逻辑、数据结构、算法的真正意义。LLM说到底还是学字面上的说话。譬如写一些MD的分析代码，如果你跟AI说，我要基于A算法B公式，基于原数据x、边界条件y，计算f(x)，用cursor+claude效果还是挺好的。但是如果讨论到化学问题、算法问题，是真的鸡同鸭讲，写个基于八隅律粗猜键级的函数都费劲（2025年5月）。如果你的算法涉及一点图论、群论，那只能说它会复制一些深度优先搜索、质数阶循环群之类的常见算法，别的没了。如果算法涉及量化、波函数分析、MD的一些比较小众原创分析、复杂建模，那么只建议利用AI作为快速学习粗筛的抓手，不要直接用来做任何核心的工作。

换句话说LLM某种意义上是大数据时代的本格继承者，最常规的修修补补工作完成的很好，可以成为最任劳任怨的工匠。比如普通本科学历、见识很广、有不少经验、修修补补适配调整都非常积极的角色。但是要说做科研或者开创试验性的工作，目前只能打下手，不要过度期待。（不管怎么说，AI当然只能选择那些最大量、最常规的数据进行训练，它的能力边界不可能超过知识创造者群体）

zjm123456

确实，我大二参加电子设计竞赛做一个自动对弈的三子棋，我负责视觉模块，就是用openMV或者K210识别棋盘和棋子的位置，并返回我们内部定义的表示坐标的一个小矩阵给主控开发版，这两个开发版都是用的厂家整的用microPython（相当于python的缩小版）编程。那时候我自己代码写的很烂一堆bug,就想试试用AI写，我把所有的库喂给AI，然后把每一步拆解成小任务，结果整出来的代码，及其离谱，bug比我自己写的还多，有改那个烂代码的时间还不如自己写完自己改。
       我认为算力就算再发展也不可能每个细分行业都能训练出非常牛逼的LLM，如果到时候真能的话当我没说。
       现在的AI根本无法替代人类，说AI能够完全替代人类的大部分都是喊口号的AI从业者和早就不在一线工作的老板

Graphite

zjm123456 发表于 2025-6-11 21:22
确实，我大二参加电子设计竞赛做一个自动对弈的三子棋，我负责视觉模块，就是用openMV或者K210识别棋盘和棋 ...

AI目前还只是鹦鹉学舌的学生，还不能在某个领域应知尽知，也没有主动在信息不完全的情况下，进行试验、收集结果、进行总结、反馈学习的能力。

虽然人也远远不能尽知某个领域，但是人有适应性和主观能动性。至少现在还是这样。

我还是挺看好AI的未来的（十年期或更多这种），但现在言过其实的太多了。

student0618

最近让AI帮忙写简单脚本要给其他人用的help说明，能省不少时间。

以前一些批量处理的简单脚本，代码很快写完，自己写help跟command line argument花几倍时间。

xiaowei2022

确实如此，受教了

Graphite

student0618 发表于 2025-6-12 00:41
最近让AI帮忙写简单脚本要给其他人用的help说明，能省不少时间。

以前一些批量处理的简单脚本，代码很快 ...

注释和文档生成确实太爽了