我基本上可以确认，与硬件架构紧密联系的底层编程是 AI 所不擅长的

[levelworm]

这两天在琢磨 PowerPC G4 和 6502 ，分别问了 ChatGPT 两个汇编语言的问题，AI 都没有回答正确，而且存在比较严重的似是而非。分析了一下原因，PowerPC G4 在网上的公开资料很少，而 6502 的资料虽然多，但是它有一些 Gotcha （比如说光是寻址模式就有 13 种）。

问题具体就不说了，实在是有点长，而且估计也是大家没啥兴趣的东西。只能说，更加坚定了以后往底层走的信心。

相比之下，笔者的本职工作是数据工程，无论是写 SQL 还是写 Pyspark 、Scala ，AI 除了优化一般之外，基本上都能胜任。我相信如果能够把公司的所有代码都导入进模型的话，可以代替本人 75%的工作。

[fox0001]

@villivateur #8 我们的经验是，AI 可以搜近似，但不能做否定。

[Donaldo]

把这玩意当成一个搜索引擎就好了，网上都少有的东西，他自然也没什么举一反三的能力。。

[happyabs]

同感, 呈现出来的只是针对人类语言文字 最大概率的字符序列化预测

[minami]

用不着汇编底层，问稍微偏门点的就开始瞎编函数接口了

[lqt19910205]

和人一样问的多了自然也会了

[mxT52CRuqR6o5]

理论上能做，但这种太小众的领域 roi 估计不划算

[hazardous]

我问 chatgpt 开发问题，他经常言之凿凿地给个结论，然后像模像样地给一大段分析。
然后我实验一遍发现不对，细看一遍发现疑点之后问他，“你分析的 xxx 这个地方是不是有问题？”
然后他又非常干脆地承认错误：“你是对的！ xxx 应该是这么这么写，原因如下……”又给出一大段分析。

[yh7gdiaYW]

不只是硬件，只要是细分领域的东西 ai 都不擅长

[SenLief]

ai 是训练出来的，硬件类的本来资料就少，训练的也少。

[locoz]

@hazardous #26 你这种其实是典型的错误用法，你都明确知道哪里有问题了，就应该直接给它找到相关文档之类更明确的信息，并且附上可能有的报错日志之类的，把充足的信息丢给它，再让它修复；而不是“你这个地方是不是有问题？”，这么做大概率会继续得到错误的结果

[secondwtq]

我问你，40 个月以前那时候，你有没有想到就这么一段时间 AI 就可以狂刷 LeetCode 了？

我就是做底层的，AI 以后可能真的永远也不能解决底层细节问题，但是以固定静态视角看问题的思路也是真的不可取。

[hazardous]

@locoz #30 主要我开始也不知道他有问题，只是按他的答案实验之后发现不对，才去仔细研究他给的代码的。我本来也怀疑是不是我想的对不对，只是问了一下它，它就立马改正说他前边说的不对了。
虽说作为一个 AI ，勇于改错的态度很好吧，但是他前后给出两个不同回答时的语气，都是很笃定的，中间认错又是很干脆的，给人一种反差感😂。

[iyaozhen]

你这个有点像之前说中国工业差，造不出圆珠笔珠子

那是你这个行业还没什么价值。或者说卷到最后，可能随便谁顺手整理了下资料就把你们秒了

[rick13]

应该是训练资料少的问题，我之前写一个游戏 mod ，也是一样的，完全不可用，全是幻觉

[locoz]

@hazardous #31 你可以试着引导 AI“你说的确实是对的，但是 xxxx 出了问题”看看，你就会发现它的回答主要取决于你说了什么，而不是它真的“思考”了

[levelworm]

@WispZhan #11
的确，给定义写解释器也很溜。

[levelworm]

@mjawp #13
还是得懂行的人去喂才行。目前这么做的人大概只有玩 retro computing 的同好了。其实我后来找到好几本书，但是如果没做过 Power Mac 的开发可能就真不确定到底是不是我要的。毕竟 PPC 现在还在用，但是和我手头的 g4 差别很大。

[levelworm]

@ninjashixuan
#14
不知道为什么我提醒了多次是 MacOSX 他还是坚持写 Linux 。

[levelworm]

@sivacohan #16
对，语法还可以，不过碰到汇编这种换一个架构，换一种表达格式就不一样的，还是有困难。

[levelworm]

@secondwtq #31

你说的也有道理。大概有人去喂就会好很多。