2023 年，我患上了 AI 焦虑症！( 二 ) _AI

后来当很多类似的文档问答产品出来时，我不但不会焦虑，还能帮助去科普，它背后的原理是什么。我也明白其实对于普通人而言，并不需要去学所有 AI 底层知识，稍微了解其原理，重点学习如何应用就很好了。
不如动手试试
如果说对文档问答类 AI 产品的焦虑只是源于不了解，那么当有人演示用自然语言就能写出一个炫酷的网页游戏时，又让我产生了担心 AI 会让我被替代的恐惧。
但我觉得与其焦虑，不如动手试试，看它是不是真有那么厉害。于是我尝试着去做了简单的游戏，但发现实际效果并不理想，原来做出炫酷 Demo 的人，演示的都是那些预训练过的经典游戏代码。这些游戏对于大语言模型来说，已经被反复训练过，很容易就生成出相关的代码，但如果是一个从来没有训练过的游戏，很难生成满意的结果。
类似的我还测试过自然语言生成前端页面（参见图 2），理解了其背后的原理是借助大模型，按照要求生成 html、css 和 JS 代码。如果只是简单地生成演示页面，是没有什么问题的，但如果要特定要求的页面、复杂的站点，差距还是比较大。因为目前大模型还有一些局限，比如上下文长度不能太长，意味着无法生成大量代码或基于很多代码去重新修改生成；比如代码生成的质量很依赖于 Prompt 是怎么写的，如果你本来就很懂前端，能够提出很具体的要求，但如果不懂前端，那么很多时候就无法很好地操控 AI 去帮你完成任务。

文章插图
图 2 make real[2]，一个可以将草图生成网页代码的开源程序
通过实际动手去试试，我发现短期内并不用担心程序员会被替代，因为现在 AI 还做不到你给个需求，就能完整地生成一个项目，还是需要程序员去对需求进行分析，进而根据需求设计架构、分解成模块、生成代码，依然还要测试部署。也许某个代码模块 AI 可以帮助生成或优化，但还是需要程序员去协助编译，出错了去修复。
避免从一个极端到另一个极端
同时我也发现，有些人跟我一样，因为对 AI 的焦虑，所以去了解、学习 AI ，但发现 AI 的表现达不到预期后，马上走到另一个极端 —— 对 AI 不屑一顾，认为不过尔尔。
虽然我也觉得 AI 现在的能力还不够强，但保持对 AI 的持续学习和实践，是一个更为理性的选择。
因为在我看来，现阶段像 GPT-4 这样最先进的模型，已经表现出很强的语言能力和初步的推理能力，这是很了不起的成就。对于普通人而言，语言是非常重要的能力，再加上简单的推理能力，已经可以做以前不可能做的事情。
另外一点就是大模型的规模化定律（Scaling Laws）目前尚未失效，即模型训练的文本量和神经网络中的参数越多，模型能力越强。现在模型的规模还没有到极限，意味着大模型的能力还有进步的空间。如果再有技术上的突破，就预示着我们离真正的通用人工智能（AGI）并非遥不可及。
基于这些原因，我一直对 AI 未来的发展持乐观态度，应该会像 PC 时代的摩尔定律一样，每隔一段时间，就能看到 AI 技术的巨大飞跃。在这个过程中，如果我们能保持学习，善用 AI，不仅不会焦虑，甚至可以借助 AI 做更多有价值的事。
【2023 年，我患上了 AI 焦虑症！】知道 AI 的强项和局限在哪里
面对再强大的对手，如果知己知彼，自然能百战百胜。当我们了解了 AI 的强项和局限，就不用担心会被 AI 战胜，相反能让它为我们所用。
以大语言模型为例，我总结下来它的强项在于：