程序员对 AI 的偏见

[cj323]

今天 HN 最火的一贴无疑是 Rob Pike 吐槽 AI 。（吐槽可能有点委婉，应为基本是纯骂，甚至是没什么逻辑性的骂）

https://skyview.social/?url=https%3A%2F%2Fbsky.app%2Fprofile%2Frobpike.io%2Fpost%2F3matwg6w3ic2s&viewtype=tree

这让我大跌眼镜。Rob 在我心里一直是一个理性，儒雅的技术人，也是我最敬重的程序员之一。他写的 C 和 Go 都很精妙，还有 UTF-8 的设计。他的技术分享我当圣经一样诵读。

而 HN 大部分程序员也都是站 Rob 一边，国内 V2EX 也是严格禁止 AI 文。

这令我深思。为什么程序员对 AI 有这么大的偏见。是不是有点过了？

[anivie]

以为有人专程来给自己酷酷一顿夸，美完了发现 tm 群发的

[lscho]

程序员对 AI 有这么大的偏见 X
程序员对 无脑 AI 这么大的偏见

[lscho]

❌程序员对 AI 有这么大的偏见
✅程序员对 无脑 AI 这么大的偏见

你得分清楚。。。。

AI 是让你自己工作提效用的，不是污染社区、搜索引擎用的

[SuperDaniel313]

非开发圈子，不了解开发大佬的地位。

不过 V2EX 严格禁止 AI 文不是因为站长导向下的社区价值观吗？站长允许就行，不允许就不行呀。

不过有个活人交流的社区还是蛮有意思的，不像现在简中热门社交平台的现状，屎里淘金都是褒义了

[COOOOOOde]

论坛我想看到真人讨论, 而不是复制个 AI 回复上来. 我要看 AI 内容我自己不知道去问啊.

[cmdOptionKana]

大家看法不同，很难说谁是偏见吧？

[bbbblue]

有一说一....连个感谢文都用 AI 写是有点过份了。。。

[sentinelK]

首先，反感 AI 内容 ≠ 认为 AI 内容没有价值。
反之亦然，有价值的东西，不一定被所有人欢迎。
当然，原因有很多方面。

然后，我看了楼主转发的链接。貌似抱怨的是 AI 评论了他的工作内容，这让他感到冒犯？
我觉得这个从某些角度上讲也是说得通的。

就像是柯洁被 alpha zero 气哭，认为 alpha zero 在戏耍他一样。

最后，至于说 V 站不允许 AI 回复这块。
这个规定是 GPT3.5 时代的产物，那时候的 AI 幻觉严重，如果允许一个社区出现 AI 内容，基本上这个社区就会迅速失去价值。因为读者会对社区中的内容瞬间失去信任度。

就像是你怎么看待 CSDN 一样。

[ToDayMkCode]

@lscho 支持+1 ， 用 AI 工作的人分两种。
一种是关起门来用。代码补全、文档生成、翻译校对，所有产出都只在内部流转，最后交付物依然经过人的手。这是提效。
另一种是开着门用。把 AI 生成的半成品，直接当作答案、文章、代码提交到社区和搜索引擎里。这看似是贡献，实则是污染。它稀释了有效信息的浓度，让后来者更难找到真正有用的东西。
问题不在于工具，而在于场景的混淆。许多争论源于没有划清这条边界：哪些事可以交给机器提速，哪些事必须由人把关才能进入公共领域。
忽视这一点，就会陷入循环：污染导致信息质量下降，质量下降迫使更多人依赖 AI 进行低效筛选，最终整个生态的运转成本越来越高。

[stinkytofux]

你完全搞错了, V2EX 只是反对评论直接粘贴 AI 的结果, 因为提问者可以自己问 AI, AI 评论除了浪费大家的时间根本没有任何意义.

其次 V2EX 上对于 AI 的使用非常积极, 毕竟都是程序员, 低于 AI 编程的依赖度非常高.

[sentinelK]

想了想，还是忍不住想延展一下，细说一下“有价值的东西，不一定被所有人欢迎”这块。

1 、以机器学习为主干，Transformer 为主导的统计学 AI 的可怕之处在于，颠覆了很多垂直领域的既有规则。

因为人类大脑的“缓存”太小，导致人类不擅长统计学，也就让人类无法通过大量的数据来自我修正与找到更优解。
而目前的统计学 AI 恰巧弥补了这一点。统计学 AI 做到哪个领域，哪个领域的玩法就要被颠覆（因为统计学 AI 总是可以找到更优路径）。

颠覆的同时，当前领域的既得利益者就会失去自己赖以生存的护城河。
很大程度上，这就是他们“不欢迎”，乃至“愤怒”的来源。这是人之常情。

2 、现阶段的 AI 无论如何改进（推理也好，引入激励也罢，乃至从零开始的强化学习），最终依然是依赖统计学原理的，这就导致其一定和真实情况有一定的偏差。
也就是所谓的统计学解只是最大概率解，统计学只能最大限度的贴近事实，但不能成为事实。

所以无论如何精进，面对 AI 的输出依然会有信任危机。
这也是“不欢迎”的一个方面。

3 、人是有风险厌恶的，总会依赖既有的成功路线。

[forisra]

原帖不是在骂 ai 大公司白嫖开源程序员产出吗？

[anonymous256]

最近我用 AI 辅助开发 DNS DoH 的代理工具，也算是深度使用 AI 。帮助有不少，但不能指望太多。Vibe Coding 差不多是胡扯。AI 生成的代码作为原型验证和概念参考尚可，基本能跑通逻辑就算成功，然而维护性基本为零、可靠性和健壮性也没有。其次，AI 不知道现实世界的细节和 bug ，只是当你提问到具体细节的时候，它才可能意识到没考虑那个具体问题，它也无法很好的解决。问题是，当你提问具体细节的时候，你已经踩到坑。我本地测试很多问题都没有，部署到服务器会遇到各种奇怪的 DNS ，比如，同一时间多个重复的 DNS 请求，需要丢弃；有些查询返回了域名不存在，需要负缓存；以及 type 65 类型的 DNS 需要转发等各种问题。两天跑通主逻辑，然后逐个解决这些细节问题却花了我将近两周。

设计上，AI 给我的代码是多线程。测试时最多开 40 个线程，结果只有 1200 的 QPS 。而我自己重写的代码单线程多协程，只用一个线程就有 2600 个 QPS ，性能差太多，AI 只会生成无脑浪费计算资源的代码。它会抄作业，却不懂编程，不懂设计。写的代码也很难看，一个函数超过屏幕还多一大半，我不知道怎么维护这种东西，还是需要自己拆分和重新设计模块和接口。

正如 Frederick P. Brooks 多年前那篇论文，《没有灵丹妙药——软件工程中的本质性和附属性》。软件开发的困难分为两类：本质性困难，比如抽象概念的构建，数据、算法的构建工作（解决这些问题需要程序员一点想法）；附属性困难则是抽象概念映射到具体机器和代码，比如编译和语言错误等。软件工程领域，没有任何一项语言、技术或管理上的突破，能像硬件领域那样在十年内让生产力、可靠性或简洁性得到数量级的提升。包括 JetBrains 这些 IDE 工具，它们主要解决了附属性困难，却无法帮助降低本质性困难。现在 AI 出来，本质性困难得到解决了吗？

AI 对我最大的帮助并不是生成代码，而是搜索文档的效率显著提高，原本需要自己 Google 逐个打开网页看资料，现在比如要看 DNS 的报文格式，只需要让它告诉我就行，自己参考格式去解析，省掉了搜资料的过程。

复制 AI 代码的时候我也意识到侵权问题，AI 返回的代码里难免包括开源作品，我使用它的代码会无意中侵权。作者本人同意吗？这还不是最关键的，关键是用户不知道自己使用了谁的代码。如果我用了别人的代码，我会附上他的 Lisence ，表示对他人工作的尊重。现在这样侵权，我都不知道侵权了谁。未经同意、没有报酬，就随意拿别人的辛勤产出作为训练数据，伤害了那些认真做事的人。

[jjx]

现在有个话题, 以前讨论的比较多,就是电商冲击实体, 甚至有说国外制度先进,电商不会冲击实体之类的

现在其实也是一样, ai 和程序员生存权的问题

现在甚至有说, 我都没有打开 ide, app 就好了

那么, 我最近在思考, 这样的 app, 最后哪个冤大头来维护

大概最适合的只能是 ai, 人维护要疯掉的

或许大厂无所谓, 有资源嘛, 对于小公司,小团队, 这种 ai 生成物, 后续怎么处理是个大麻烦


我在想, 是否要有一个限制 ai 使用范围的规定了,毕竟我们就那么几个程序员

[Aruforce]

@sentinelK 这节奏真就是人类反对我们就是我们干对了 敌人赞成我们就是我们干对了？ AI 在这个测试数据集上表现符合预期 在另外的数据集上就能符合预期 在小样本上也表现符合预期么？ 符合预期就是对的么？

[potatowish]

你没理解吧，有些事情就是要人类亲自完成才有意义。

[muam]

@anonymous256 到头来还是要去读 RFC ，同一时间丢弃，可以依据 transactionId 我最近也是在 AI 做的时候 看到的

[muam]

第一，不是程序员对 AI 有偏见，是对生成式 AI 有意见，实际上就是对 LLM 有意见。

很多局外人都以为 llm 是智能，但是程序员都知道它叫做模型，模型说白了就是数据+训练 最后拟合一堆人类看不懂的超平面函数，然后你给他 prompt ，最后它给你生成一堆乱七八糟的东西，至于对不对，你自己核对吧，llm 并没有思想，也不会核对，数据也都源自社区

你想象一下 stackoverflow 90%的回答都来自生成式 AI 的话，那这个社区就彻底完了，跟 csdn 一个鸟样了，到处都是复制粘贴，一堆广告.中文社区环境已经如此混乱不堪的情况下，请别让 LLM 再来提供一堆低质量的内容了。

作为一个国人，要从一堆鸟屎中文社区里面清理出来一些有价值的信息，真的挺为难人的了。

另外没有人类贡献高质量的回答跟 commit ，llm 去哪里找数据训练，llm 又没能能力自己读完整本 C 语言书籍跟 unix 环境高级编程之后，对着 RFC 文档写一个 DNS 服务器的能力。

它只能通过历史 github 开源的 dns 服务器，源码里面习得部分代码内容，然后生成的时候 丢一个差不多能跑的代码给你，如果没有高质量的开源代码贡献，llm 根本就是无源之水

[AV1]

你想想，一大早打开 V2 发现有 19 个回复，开开心心点开贴子看网友们给了什么意见和建议，结果全是 AI 机器人回复，而且个个都是千字长篇大论、内容空洞、文不切题、多看一眼都嫌浪费人生的文章，你觉得这样的论坛还有意思吗？

[VinsonGuo]

大部分文章都是去头去尾，没有介绍前因后果。

那个 ai 项目自称是做了善举，在 rob 的一个 pitch 里找到了他的私人邮箱，然后发了一封主题是来自 ai 的感谢邮件。

这封邮件又有多少感谢的成分，无疑就是 ai 的炫技而已，这在 rob 看来就是一种挑衅，这样骂也就不难理解了