※ 引述《zzahoward (Cheshire Cat)》之铭言： : 我并非软体工程师，比较像是End User : 手上专案比较偏向Governance/Controlling/Finance相关 : 旧有SAAS/应用程式/ERP等，这一块其实还大量存在於市场上 : 企业要求的是稳定度，而这些东西就算你能透过AI去小修小改 : 但本身扩展性其实有限，这先障碍是先天性的，多数都是在Sync/Communication/对接上 : 你可以透过AI去简化一些开发流程 : 然而当你尝试用AI去想办法解决这些障碍，会创造另一座更大的屎山 : 同时也会失去原来的稳定度 (ERP/Governance/Workflow相关的稳定度至关重要) : 多数时候一间稳定运行的企业因为新功能带来漏洞，其成本通常都是难以忍受 : 而屎山其实就是很多人能够保住饭碗的其中一个要素，屎山虽然臭 : 但那高机率是过去十数年甚至数十年累计极端案例的解决方案，没有人能承受这些风险 : 这些维护和精进则大量依赖人类经验法则、知识传承以及沟通 : 另外一方面，当然可以从头开始 : 但在有限监督下让AI去创造一个相对复杂的架构，同时AI使用者本身能力和视野也有限情 : 况下，这个开发只会很快走向死路: 一堆错误和与预期相反的结果 : 所以需要的人还是存在，但这些人会是一个有着更全面性各种不同领域背景的专家 : AI目前最大的问题是: 当连你自己都不知道要什麽东西的时候AI也不会创造出来给你 : 所以这些人要对目标有清晰的理解、根本上的逻辑以及认知要很全面 : 在很多时候，因为合作对象从人类转为AI，Common Sense is not common anymore : 在企业in house，AI确实可以简化一些maintenance以及原本"无码"或是"薄码"的工作 : 但整体来说人类还是倾向和人类沟通，尤其是在碰到重大问题的时候要有人出来给你骂 : 今天就算AI来到了AGI等级，就我个人的看法 : AGI =/= 拥有上帝视角的神 : 他依然需要全面性的背景、理解需求才能产出方案 : 而企业解决方案往往是一系列的纠结和对抗下包括业务、内控、技术、成本、使用的结果 : 程式码就是沟通出来的产物，只是执行产出的来源比例上的不同而已 : 但低阶白领的智慧产出已经来到历史上一个新的低点，而且还在逐渐降低 : 最惨的应该是印度那堆屎山外包公司和低阶码农 : 接着这些人会卷到基础服务业，进一步造成门槛低的服务业时间价值更低 : 拥有全面性能力和推理能力的大脑在可预见的未来还是很难被AI取代 ^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^ : 失去了低阶白领大军，某些方面来说应该会造成消费降级 : 会不会产生连锁反应引发另一个工业革命初期的大规模阵痛期? 似乎是很有可能发生 目前这说法我是认为没错 且应该能维持好几年以上的时间 原因在於AI目前缺乏一个足够好的架构 来针对某一个专业进行路径的筛选 目前只能透过许多的网上资料或者被喂的案例 暴力的去预测可能的结果 但是每一个案例本身有太多的单独需要考量的状态 案例足够多 也许AI会产出一个相对可用框架 但那本身是以AI预测为基准建立起来的 所以重点是他不会稳定 他会随着每次预测不同产出不同的框架 当然也会产出不同的结果 即便你的提示词每次都一样，喂的资料每次都一样 预测的结果也有可能不同 且因为预测点哪里出问题了，很难追踪 所以需要人类针对个案的判断 对AI预测结果进行修正 或者更早一步在预测中途就提供更合理的路径选择 这是目前AI暂时无法取代人类在这方面的功能原因之一 但为什麽我预估只是维持好几年？ 在於第一性原理被在AI界提出的原因 只要有专业人士，配合AI公司 建立专属於LLM语言的第一性原理框架 再配合原始的案例喂养 AI的预测正确率会极大程度的提高 这个原理框架是甚麽？ 讲白了就是把人类的对这个专业的思维链给具体写出来 譬如专案来说好了 人类思考也许第一件事情预算 这预算是否可以直接对应到甚麽服务？ if then的对应写出 即便这个if then可能数百万笔 但对AI而言，那就是毫秒级的直觉反应了 而因为第一性原理 又可以被收敛到更小的范围 变成只是单纯抓几个判断轴：预算、物理限制、需求等 层层的筛选下去 也就是对AI而言 这个框架提供了一份完整的思维路径地图 每一次的决策(路径选择) 都可以被回溯 也让这份地图能够被更加优化 而人类所谓的经验法则 现场判断 本质都其实是各种条件环境的考量 也就是路径选择 因此，技术上完全是可以LLM语言化的 这份第一性架构被提出 不用到完美 只要足够好 那绝大多数的专案都能够被AI产出 且考量的全面性也会比全大多数的专业人士要好 可能只会逊於顶尖的专业人士 那他就已经完全有商业的价值了 但是这种第一性架构要被建立其实没有这麽简单 我的预测是 大型的AI公司可能不太会主动做 因为他们主要的产品是要做一个万能且泛用的语言模型 这种极度深专精化的架构 花费很多，用途很明确也表示很受限 所以比较高的可能性是 他们会外包出去 由中小型的AI公司配合专业技术人员来开发 然後授权给大型AI公司使用 或者是相反 中小型AI公司租借大型公司的算力 但是套上他们研发的第一性原理架构 然後租用给消费者使用 所以最合理的就是高收入的产业 会优先开始被针对 因为这种架构开发成本高 周期也不短(要大量试误跑压力测试验证框架可靠性) 要有足够的消费力 AI公司才会选择生产 而现在是刚开始起步的状态 近年AI界才开始注意到深度问题 代理人的概念被提出 所以 如果就股票投资而言 有可能会出现可能直接改变某个行业生态的独角兽公司横空出世 差不多就和 google FB那种奇异点等级了 有兴趣的可以关注一下 --

※ 发信站: 批踢踢实业坊(ptt.cc), 来自: 114.34.122.134 (台湾) ※ 文章网址: https://webptt.com/cn.aspx?n=bbs/Stock/M.1772332654.A.2B1.html ※ 编辑: hamasakiayu (114.34.122.134 台湾), 03/01/2026 10:39:45 不完全是 譬如医学领域来说 光是个案取得就很困难 今天真的有一个医生很佛心的 花了大量的时间 研究LLM，然後又把自己几十年的经历写成架构 但能不能通过压力测试 本身也是问题 就算品质真的很好，能通过 是否成为孤岛理论，而被大型AI自动采用也是问题 真的采用了，要花多少时间稳定采用也是问题 而现在AI在专业领域的问题就是答案预测性质太高无法稳定 但如果今天是一个中型AI公司 向医院贩售AI辅助判病系统 那逻辑上该产品应该要能稳定预测性过於浮动的问题 ※ 编辑: hamasakiayu (114.34.122.134 台湾), 03/01/2026 10:52:51 其实人类的判断不也是如此？ 有些人说台积电到顶1500 现在都多少了？ 为什麽有些人可以预测更正确？ 因此，AI不用100%预测未来 只要比人类的预测性，决策性强 那就有商业价值 譬如一个医生看了全身健康检查报告 可能提出ABC三种路径 但AI也许能提出ABCDEFG七种路径 那这个AI架构服务应该就有机会能卖出去 ※ 编辑: hamasakiayu (114.34.122.134 台湾), 03/01/2026 10:56:01 如果是做到你所举的这个程度 那框架(含训练资料)不可能免费公开给全网让泛用型AI抓的 全网应该会有很多类似你一开始讲的那种佛心人才 这会让泛用型AI在相关专业问题上回应越来越好 但纯商业用的必然也会存在 也就是你现在所说的这类 随着时代科技算力发展 拥有全面性能力和推理能力的大脑 被取代性也会被相对提高 特别在高收入行业 ※ 编辑: hamasakiayu (114.34.122.134 台湾), 03/01/2026 11:12:40 那只是对於全面性的举例 如果有一套病检系统 能让普通医生都变成优秀医生 优秀医生变成顶级名医 你真的觉得"现在就有免费"能代表甚麽吗？ 或者你可以思考看看 网路一堆开源工具软体 为什麽专业工具软体一套贵得要死还卖得出去？ 对的，而RAG成立的前提 就是要有足够好的框架 当RAG结合了深度结构化的专业框架， AI就会从百科全书 成为能提出具体策略的专家 ※ 编辑: hamasakiayu (114.34.122.134 台湾), 03/01/2026 12:50:56 如果你不懂，可以直接问 我很乐意为你解答 或者直接整篇扔ai问我在说什麽呦 ※ 编辑: hamasakiayu (42.70.111.15 台湾), 03/02/2026 07:38:16 期待你讲点sense让我学习学习 呵呵 ※ 编辑: hamasakiayu (42.70.40.143 台湾), 03/02/2026 20:00:42