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。

[Leon6868]

用 Gemini 把数据手册全部为进去再问问看

[shijingshijing]

所有闭源的东西，特别是苹果的东西，AI 都不好使。你问 ARM 处理器相关的内容，AI 一般回答都没有毛病；你问苹果定制的和 ARM 相关的东西，比如 KTRR ，深入一点 AI 就只会给你车轱辘话或者糊弄你。我已经试过关于 Secure Enclave 里面运行的那个 SepOS 相关问题了，还有苹果的 kext 扩展相关的，AI 都不好使。

[mumbler]

这个世界规律是：你对抗什么，你就会成为对抗的反面
你仇视富人，你就会成为穷人
你鄙视年轻人，你就会变老人
你逃避 AI ，你就会被 AI 替代

AI 这么好的东西，干嘛不去拥抱呢，跟 AI 一起淘汰哪些不愿意用 AI 的人啊

[zhangk23]

这个确实我之前闲暇时间做 gba 模拟器，然后具体的底层相关的 他都回答的答非所问

[levelworm]

@mumbler #43
我的确是积极使用 AI ，只不过是在试探他的极限。下一步我要计算一下，是走月计划划算还是 api 划算。一个月 30 刀的确也不贵就是了。

[levelworm]

@zhangk23 #44
居然 z80 这么大路的处理器也不行？好吧我承认是改过的 z80 。

[levelworm]

@shijingshijing #42
我理解 AI ，我也不知道这些是什么，哈哈哈，大佬研究的比较深入？

[nevin47]

你这个问题我可以来回答😆
我们团队工作和芯片强相关，chatgpt 这种外部工具因为语料的原因根本就不可用。今年拉着相关的同事再摇了一些深度学习相关部门的外援，搭了一套自用的 RAG ，模型用的是开源的，各种内部才有的 FS Datasheet 喂进去然后稍微做了一下调参，再量化了一些特征来提速，现在基本上做到了纯小白入职，也有一个熟读各种协议和设计的 LLM 来当老师了😁

你觉得 gpt 没法回答的核心原因不是模型问题，而是语料不可获取导致的，你可以找一下能做知识蒸馏的平台，多导入几本文档再试试，有奇效

[murmur]

AI 学的都是 github 上的东西，你如果 github 都搜不到那 ai 也学不到什么

[Actrace]

智能的本质是概率学。

但是人类的智能是能持续学习的概率学。

而现代 AI 则是无法持续学习的概率学，它的知识体系永远停留在某一个时间点。所以，楼主可以考虑让它能够持续学习，这样它就能解决特定未知领域的问题了。

[me1onsoda]

我怎么感觉越是硬件底层越完蛋，只要有足够的语料。越是靠近底层的东西越是大道至简

[Greendays]

AI 刚火起来的时候有种说法是可以用 AI 设计芯片，左脚踩右脚上天

[levelworm]

@nevin47 #48
多谢，明白了，看来的确是资料不足。

[InkStone]

cursor 就有喂文档的功能，可以试一试对一些小众问题，喂文档前后的差异有多大。

互联网上相关数据不足导致 LLM 对有些问题的 0-shot 能力很弱，但只要稍微做下 RAG ，就能得到大幅度的提升。

实际上我认为可以直接这么说：一个人类简单看一看文档能解决的问题，给 LLM 喂一下文档和 prompt 基本上也能解决。

[HEGGRIA]

目前的 ai 并不能创造一个新的事物，本质上是对已有事物的糅合拼接，所以说他的知识范围是不会超过其语料的

[vipfts]

我基本上可以确认，与爱情软硬件紧密联系的具体操作是 AI 所不擅长的
不给草 0 分

[wangyzj]

在这地方他学得少，太小众了