我哋可能係最後一代嘅programmer

have you heard V0 or bolt?
layout design, 除非你間公司係 好肯比$嘅/FAANG
80% 以上你咪又係抄
layout design都大獲架

呢幾年啲big tech已經係睇soft skill多
Domain knowledge越嚟越唔值錢

如果你係講緊創作嗰啲我可能會認同你 即係唔會再有由人類產生嘅idea 會變到好單一化 可能會converge（雖然我覺得創作呢樣嘢其實複雜到就算去到宇宙滅亡都唔會converge 不斷會有新idea）
不過如果係寫code呢啲 只有啱同錯 其實唔係好care佢啲data點嚟 即使他朝一日佢哋食返自己嘔出嚟嘅嘢 內循環 佢哋亦都唔會因此停止進步 準確性只會越嚟越高 甚至可能最後個bottleneck係我哋冇問題再要問先停 不過因為隨機性嘅關係 佢哋又會開始問啲人都諗唔到嘅問題 bottleneck又去返啲model同performance度

首先你要有個interface比你放晒啲嘢入去
有堆field又要跟logic
成個人手input+ai學習過程都唔知要幾耐
搞咁撚多嘢不如直接同BA/PM講你想點好過

何況有好多公司做project都係想optimize埋個operation workforce
未發生無existing data嘅嘢又做唔到

LLM係唔識咩叫模擬
佢只係基於你train佢嘅data (code sample)，然之後根據機率去generate一段字出嚟，所有野都係probability

如果係稅局用AI check逃稅呢

普遍用到嘅ai都係弱智
我覺得最容易測到佢哋智商嘅方法就係叫佢哋同你玩井字過三關

你喺唔同ai試吓你就知佢哋有幾弱智

然然股價升左幾個月

係，所以係「吹」
佢而家做過既例子其實係有人跟進
將你公司既資料用佢地公司既邏輯入落去
其實過程係有人，仲係好多人
不過個結果係真係幫間公司提出operation 既改善
唔係話冇發生過既野就做唔到
而家升到咁高係吹到真係有個interface 比你放哂啲野入去，唔洗人跟
但得出來既結果同之前直頭有人追蹤住成個企業去optimize
預計係會有好大距離

首先要有個政府強硬過啲有錢佬先
但你事後check逃稅都幾難
佢交比你嗰份功課都已經比佢改到面目全非
你啲ai點track到一啲無input過入去嘅嘢

咁樣係而家LLM嘅問題 唔係AI嘅問題 有咩阻止你俾個位佢gen啲code出嚟run 然後再讀返個output 最後再gen個回覆俾你？當然我已經去到鳩up嘅地步所以你講嘅都係啱嘅 的確LLM係唔識模擬

Low level code monkey可以取代
但architecture / database 嗰啲
甚至點樣分phase咁將現有code base 重寫
都要有熟code既人睇住

再去到現實
你個app/公司既back office，operation層面

對user既marketing，business plan等等
都要有人各自負責
好難一條友用AI睇哂全部
除非真係startup仔

所以最後可能四五個好叻用AI，又各自熟悉(tech/ux/marketing/business)嘅人，已經做到而家要一Team人先做到嘅嘢

唔清楚 不過人類思想有盲點 做嘢總會留低啲蛛絲馬跡 如果唔係稅局點會查到人逃稅 重點係會幫到佢哋identify啲可疑嘅人出嚟 再深入調查 最後逃稅嗰班又會用AI幫手抹走啲痕跡從而留低啲AI先會留嘅痕跡 真係諗起都興奮

Hk no IT

啲作家十年內應該難搵工過「AI prompt作家」

我覺得「模擬」嘅definition係 個model自己識想像個output，而唔需要靠真係run個program

我講LLM係因為LLM已經係目前最接近AI嘅嘢
同埋目前deep learning都係靠probability呢個approach，距離真係識思考都仲係差好遠，要等有新嘅breakthrough

不過有啲位你係啱嘅，電腦諗嘢一定係最準確同最快，但係要點樣教識佢自己諗嘢係好困難

思考係建基於過往嘅經驗同知識累積
呢種模式就係Neural Network個運作原理
根本LLM個運行方式就係模擬緊人腦

今年已經準備出AI Agent
成熟咗之後就用高層次指令都寫到code
唔使等五年

思考邊係只靠經驗
你去考試見到題未見過嘅可以即場諗
LLM無見過就係無見過

經驗就未必, 但加埋知識就得
正如你過往嘅回覆經驗係睇一部分唔睇一部分, 咁你咪答非所問
但如果加埋有人提點下你(fine tune過程)要睇埋成句
你咪識答

點止programmer

前年用3.5都未感覺係..
之後用4o同Claude 3.5..認命了..

我唔知你係咪都係同我一樣 我寫code特別係debug嘅時候其實好多時都要當自己係部電腦咁喺個腦入面「run」一次啲code 我個腦冇需要compile任何嘢 好自然就會知啲部電腦會點run 不過呢個亦係盲點出現嘅地方 LLM可能都會好似我咁有一部因為training data而建構成嘅模擬器收埋咗喺啲weight度 透過逐個字random gen出嚟嘅形式表達俾我哋睇到 然後自然都會因為模擬器同現實不相符而出現盲點 不過我哋都可以幫下佢手 俾個位佢真係用logic推斷啲結果出嚟用 之後再gen

我都好唔鍾意呢種隨機性 我認為最終一定係logic為準 隨機性只係俾個機會佢試多幾條path

仲讀cs？ 轉讀Computer Engineering起碼係工程+應用
軟硬兼備 出路闊d先

成日都有人會覺得唔駛學返正常嘅programming，就咁做個prompt engineer 就輕鬆入行寫code

問題係宜家LLM都仲係會亂咁gen code，你俾班junior 用邊識分邊D叫用得
最有優勢係個班有底有經驗，本來就打得寫得嘅senior，佢地先有經驗去check LLM 有冇9up
最易取代就係個班純prompt engineer