※ 引述 《ripple0129》 之銘言：
: 從兩年前GPT4剛出我就講了
: 當時版上風氣就是取代資淺資深不要想
: 兩年過去了
: 全世界的Senior被砍多少人了
: 反正還是很多人在那邊敝帚自珍
其實現在 Senior 還在砍還真的跟 LLM 沒關係，主要是：
- 疫情後一開始是為了經濟蕭條做準備，以及疫情間過度招募
- 最近還在砍很多都是縮減業務與成本、部門重整
- 資金流到 LLM 專案，其他軟體產品走維持路線
真的有因為 LLM 提高員工生產力而造成的裁員嗎？
這超難欸，首先公司要先測量出現在員工生產力，再測量用 LLM 的戰力，有這麼好做？
再說，LLM 目前強的只有在前端，以及簡單的後端，這裡的資深工程師大概都知道 LLM 對
於複雜系統的理解能力還很糞，大概只能湊合著用
然後現在根本一大堆公司都還沒買 LLM 給員工用
至於 LLM 未來會變更強？我覺得不一定，主要原因：
1. 現在願意上 stackoverflow 解問題的越來越少，工程師開始封閉知識
2. Open Source 貢獻越來越少，訓練資料越來越少
3. LLM 的硬傷是推理能力不足，多為統計，但大系統技術還是多為推理為主
4. 總合：新技術的知識分享原來越少，LLM 無法訓練，最後隨著新技術的演進 LLM coding
會越來越笨

今天chatgpt gemini 又給我呼叫不存在的 method

現在都跟AI一起解問題了 誰還會上網問 -.-

我啊，我還是常上網問。網上的答案常有思辯的過程，這很重要，有時可以直接幫你避免走冤枉路。

Superintelligence 是現在主流想法了覺得會越來越笨 只能說這想法很特別

問答AI比較適合：1.潤飾 2.提供難搜尋的問題之頭緒

因為沒東西能學啊

原po想法跟apple說的那一樣吧

其他情況大多沒比較好用，或是時間效益沒比較高

在AI真的會解題之前 AI都是拿人解題的答案給你而已那要是沒有人願意把答案放出來 那要不然營運AI的人自己要解題餵給AI 要不然AI就開始幻覺這想法沒啥特別的

畢竟這些問答AI就只是很精緻的人云亦云機器

目前看起來衝擊最大就是CS剛畢業的 失業率上升

我叫gemi幫我畫個簡單的chart都畫不出來了

上網問問題現在聊天抬槓的成分大過找正解啦...網路上的random guy跟chatgpt誰比較有機率回答出正確答案這應該很清楚.....

光是跟AI一起解問題的過程就是在提供資料訓練了除非大家都不用AI解問題 不然怎麼可能沒東西訓練

AI的source還有各類型的線上文件以及文章 除非某一天開始大家都不在網路上分享知識了 不然AI總會有新的資料能吃

找到解的人也是會用AI阿，除非他很認真藏但現實是哪那麼閒，有解叫AI記起來，方便下次用你不會直接拿資料來解問題阿，但不代表不能用AI而且大企業封閉的LLM 不會是多數每天個人用戶那個數量 不能比吧還是你覺得值得做的問題只在大企業LLM裡面

工人智慧vs人工智慧 = 中醫vs西醫

Apple那篇已經在網路上被嗆爆了 一個實習生做的

不能認同拿中醫比西醫，兩者的方法論是不一樣的

不過出錢的人還不一定進入這個階段。現在比較像是從 AI可以取代人，發大財 -> AI 可以做更多，發大財 -> 然後發現並沒有那麼美好，但 bubble 又不到破掉的程度

2/4我自己的看法沒有到那麼悲觀搞不好是反過來 新框架為了搶市佔 出來的第一天就做好AI精華版文件讓你爽用（？開源的問題主要也是美國大廠撙節的問題

不用複雜任務 光是一般任務 或甚至就把現在AI當成高級版的

如果有一天訓練成本降到大部分大財團都能玩一個200-500B的LLM 那我猜到那個時候語言模型變成開源打群架的可能性會很高現在看起來只有中國因為制裁問題想開源膊聲浪

autocompletion 都能大大增加效率吧？啊不然 現在叫你回去用記事本 跟用IDE開發 哪個快.....而且寫code也僅是AI其中一個小小應用而已吧 AI能用的領域超級多 只拿寫code來看能不能發大財？喊AI公司沒賺的 一定是沒跟到PLTR 那是你自己的問題吧老黃沒跟到 PLTR也沒跟到 怪東怪西然後還在喊泡沫 喊兩年了還是眼巴巴的看著人家賺爛

不可能用記事本的 連ed/vi都強過記事本非常多 再配上文本工具整理個index都有個簡易版completion炒股那就...

撇開股票我講的公司都是賺錢的 財報都是賺爛

確實現在要取代還太早 但從以前無法想像到現在這程度已經很誇張 如果說10年內會發生蠻有可能的

要不要去了解一下訓練一個200B模型的成本啊。先不說幾十億的硬體成本。假設未來硬體降到0成本好了。光是整理能訓練到可用，不會overfitting資料的成本，數百GB級token就好，台灣就沒幾間公司能負擔了。給你硬體零成本啦，整理資料0成本啦，一般公司還請不到能訓練的人。企業自搞大模型AI到可取得工程師，目前看不到任何機會與希望。

也是 我樂觀過頭了

講得滿有道理的

去試用一下openAI codex ，就知道哪些層級的人可以被取代。去試用一下n8n，就可以知道哪些日常髒活可以被取代。

推這篇 Input資料很重要 短期間不覺得對工程師會有太大的impact 不過還是樂見其成十年後的發展

解析大型專案真的能力很差 都需要人為介入縮小範圍新的專案需要先細分task 這也需要工程師人為規劃

跟AI一起解題根本沒有在訓練啊，以為硬體不用錢每個user的input都拿去訓練喔，光是只跑訓練好的模型來給你答案，都要加一堆用量限制來限制賠錢了，要都丟去跑訓練還得了

是 但要能進去阿多看了一下這一串... 我就是那個問完用頭腦記或直接寫應用的東西出來的人 哪可能回報ai...只有想問更深入的才會繼續 用ai記錄更是無稽之談用頭腦記可能需要踢掉一些用處不大的資訊 或用電腦將其範例化 應用化