此前GitHub Copilot 曾称可辅助完成30%-40%代码，AI在不断进化中。
现在的情况就像：AI是个超级学霸，人类老师只要说"给我写个作业"，学霸就唰唰唰把作业写完了。老师只需要检查对错，不用自己吭哧吭哧做题了！
照这个速度发展下去，过两年可能就是：AI学霸能自己写完99%的作业，人类只要说"这次要写篇关于火星的作文"就行。什么开头结尾、好词好句，AI全包了！
虽然现在那些能自己做研究的AI很酷炫，但我觉得这种会写代码的AI更厉害 —— 它们就像永动机一样，能不断给自己升级打补丁。这不就等于我们人类白捡了个全年无休的程序员嘛！（老板们估计要笑醒）
网友：
1、它们最终将 100% 地自行完成编码，并且之后它们将以人类无法理解的方式进行编码。
2、像语言这样的抽象概念对人工智能来说很有用，就像它们对人类一样。
当然，它们可以编写机器代码，但这样每个 token 的程序逻辑就会更少。对程序进行推理会更加困难。这项工作必须针对不同的硬件重复进行。等等。
性能最佳的模型用英语进行规划，并在编写代码时用英语写注释，这是有原因的：
- 它是编程语言之上的一种有用的抽象。
- 既然维护和重构这些抽象层的代码成本更低，那么人工智能将会催生出更多的抽象。
注意力机制在语义上有意义的输入上效果更好。
二进制对 Transformer 来说几乎没用（我的意思是，如果你只预测下一个 0 或 1，难道不能直接用 FSM状态机 吗？）
我真的认为人们应该学习一点 AI 的工作原理。
3、我几个月就学会了微积分。我几个月就学会了 Python。我能发明微积分或 Python 吗？不能。
阅读/学习抽象概念总是比创造容易得多。
人工智能或许能够创造出人类无法创造的复杂事物，但这并不意味着人类无法学习/理解它。
4、人类其实很不擅长提出原创概念，但我们确实有很多原创概念，因为我们几个世纪以来一直在探索它们，知识也在一代代地传承和积累。
以绘画为例……我们并没有先有一位画家逐渐学会如何绘制3D图形、添加阴影等等。
画家们是一代又一代地积累下来的。
人类擅长将已学的概念应用到其他事物上，进行类比。
5、我就是不相信。这要么是谎言，要么是歪曲事实，要么是对事实的曲解。
如果你曾经用人工智能写过代码，大概写了2000行代码之后，它就无法追踪所有信息了。人工智能根本无法维护如此复杂/冗长的项目。在这种情况下，人类的工作量比人工智能更大。
6、自从 Claude 上线以来，我已经用它编写了近十万行产品代码。你必须了解如何使用它，并且严格执行错误检查。
7、如果你的开发人员足够有能力，能够获得与 anthropic 目前一样高的薪水，我想你会惊讶于他们能够如此出色地操控代理工具。目前，能够操控这些代理是一项技能，就像其他技能一样。有些人做得比其他人更好。
我有点神经病，所以不得不投入大量时间来充分利用这些工具。创建非常全面的规则和文档文件，进行交易。非常清晰的测试和基于测试的迭代说明，针对给定任务的并行代理，探索各种解决方案路径等等。考虑到我的情况大致如此，我觉得他的百分比还算合理，哈哈。
banq注：
如果说，维特根斯坦是分析哲学之父(father)的话，弗雷格和罗素就是分析哲学的祖父(grandfathers)。 语言+注意力+上下文=游戏 是维特根斯坦主要特点，其中每个组件都是抄袭佛雷格，维特根斯坦还抄袭哥德尔，但是问题在于 佛雷格和哥德尔都限于数学等形式符号语言，而维特根斯坦推广到普通英语 甚至建筑语言，这些语文类的语言言能不能超越纯粹数学语言，现在来看大语言模型正在逐步做到：