再強調一次，現在的ai是有用的，但問題太多，離取代還很遙遠。
Yann Lecun已經講超過一年了，不要再花時間在LLM上，我們需要更先進的架構。
https://www.techbang.com/posts/122728-yann-lecun-not-interested-in-llms-focuses-on-ai-hard-problems
"
談到 AI 未來真正的挑戰，LeCun 清楚地指出了四個他認為至關重要、但目前尚未有令人滿意解答的領域。
第一是對物理世界的理解。他舉了一個極簡的例子：當人看到一個瓶子，知道推它會滑，敲它會彈，這些都是我們從小累積的世界模型。但今天的 AI，無論是從圖片、影片還是文字中，都無法真正掌握這些「常識」。
第二個挑戰是持久記憶。大多數 AI 系統處理輸入時是一次性的：輸入 → 推理 → 輸出。它不會記得你上一秒說了什麼，更無法累積對世界的長期觀察與認知。而人類的記憶，正是推理與學習的基礎。
第三，則是最根本也最具哲學意味的問題：推理。LeCun 對現今所謂「agentic AI」的批評頗為嚴厲。他認為讓模型生成一堆答案，再從中選出最可能正確者，根本不是推理，而是暴力試錯。他說這種方法就像「亂寫程式然後看哪個跑得動」，低效而粗糙。
第四個挑戰則是規劃能力。真正的智能不只是對當下做出反應，更能思考未來。他形容：「如果 AI 能夠在內部模擬一個世界，然後根據某個假設行動去預測未來的結果，那它就能計劃達成目標的最佳路徑。」而這，才是人類做決策的真正方式。
"
現在ai寫程式的賣點是，程式師規劃大綱，讓"agentic ai"小段小段的暴力嘗試，還有很長的context length來記得interaction。然後你可以有百個，千個ai幫你寫程式，絕對是比自己寫有效率。
但是，百個，千個ai垃圾，出來的還是垃圾。瓶頸還是在人類做判斷，哪個可以留下，哪個拋棄。結果花的時間並沒有減少。
現在是"工人ai"在推進llm如之前po在本版的工作。
https://www.ptt.cc/bbs/Soft_Job/M.1739017637.A.EA3.html
Meta剛花14.5b投資Scale AI，為什麼？因為"工人 data labeling"才是目前的重點。
當初gpt橫空問世的時候，不是"工人ai"馬上要被淘汰了，怎麼現在越來越值錢？
現在ai就是「Fake it till you make it」。如同自駕一樣，每年都是自駕元年，喊個10年20年，遲早會對的。
現在就是一堆壞人跟外行人在吹AI。我們實際了解的人，還在找適當的地方使用。

槽點好多

靠AI賺錢的會來噓你 XD

3是把亂寫的人洗掉，4是需要人下決定，我是覺得4才是根本原因，找關連找相似肯定出包工程不可能用這種方式全自動化不用人

工業革命前前後後也是花了一百年 照現在發展速度 我看20年你要說明年或後年整個軟體產業就爆掉當然不會啦

推，但第二點那樣講話會給信徒追殺。

不少公司正在努力挑戰第二點

上次我叫AI幫我改寫程式,它寫得我一時看不出對錯但compile後沒有一行對,我都要一行一行去改,這是什麼?

講一堆，還是吊lecun的書袋子，沒有個人想法，誰知道是不是學派之爭呢

現在的發展速度可沒有工業革命快

樓上是穿越者從1840年來的

但楊立昆是不是失寵了？ Superintelligence Lab

楊立昆沒失寵，他是科學家，做的是基礎研究。Llama2弄完後他就對llm失去興趣。

這個人爭議很多 自己思考一下不要覺得他是權威 就對他的話全盤接受

去看對於工業革命時期全生產要素的增加速度估計跟現在比一下不就知道了，查資料很難嗎