在该旧帖 6 年后的现在，大家是否已经彻底接受了软件工程领域的工业化自动化改造是势不可挡的

[YanSeven]

原贴： https://fast.v2ex.com/t/694359

[PoorGuy188]

评论区可真是一记巨大的回旋镖啊

[94]

20 年左右的 AI 即使 Coding 领域的大部分能力还是在代码补全阶段，生成的代码质量也有明显问题。比如说：AlphaCode 和 Github Copilot 。
和现在的 AI 完全不是一个级别的，只是想不到 AI 的发展那么迅速。所以当时大部分的开发者基于现实做出当时的判断也没问题，一部分的观点在现在来看仍然是正确的。

不过预期已经改变，不再是“能不能做到”，而是“到底能做到什么样”。

[sentinelK]

1 、2 楼是我，从现在的视角看，我说的貌似依然还有效，很庆幸 XD

[GeruzoniAnsasu]

其实没什么回旋镖的，因为 GPT3 到 GPT4 悄悄跨过了一个质变性的巨大门槛，普通人根本无从得知。

在 GPT 还只见诸论文的时代，你不可能说服商业公司花费上亿美元去建一个 GPU 集群，只为了做「概率预测下一个文本字符」的工作。那时候没人知道这个模型能产生抽象推理能力乃至 generalized intelligence.能力涌现是实验观察的结论，不是数学推导，我们完全可以想象另一个世界，1T 的 LLM 也没能产生可用的推理能力 —— 那个世界对 transformer 的研究将永远停留在「只能模仿人话，产生不了思维力」的否定结论上。


而且你这个标题「工业化自动化改造」跟 LLM 的进化也其实是两回事

[Rickkkkkkk]

ai 这方面的发展进步我感觉是超出所有人预料的。

现在 ai 能做到的事情在绝大多数人眼里看起来很像魔法。

[YanSeven]

@GeruzoniAnsasu 请问下两回事是指什么

[GeruzoniAnsasu]

@YanSeven 软件工程从一开始就是个高度工业化的领域，毕竟是从计算机科学发展出来的，在产生软件工程这个概念的时候，软件、系统架构的分析设计理论已经很完善了，也已有大量原本是学术项目的编译器、OS 、软件套件作为支撑，是从大规模学术系统放到普通开发者的。而对它的自动化改造则从未停止过，k8s 可不是 LLM 写代码之后才有的产物，在这之前整个软件工程的 需求流转、代码优化、安全扫描、运营监控……都一直在进化得更自动化。这些路径其实不需要出现 LLM 也会一直进化下去，LLM 的出现也没使的这些路径的进化突然断档式地加快。

LLM 真正改变的是，人们于 chatgpt 发布的 2022 年 11 月，发现它使软件编码的速度提高了 100 倍。

现在的 LLM 仍然没有在自动地产生需求，但正在磨掉需求和实现的边界。

[qwwuyu]

对这个帖印象很深刻，可惜当时看过就忽略了

[pursuer]

我倒从一开始就觉得"大语言模型"，最有前景的应用场景就应该就是面向"编程语言"的模型。只是我预想中的“模型运行的算力需求大幅降低”并没有实现，甚至越来越卷了。

[CyberChenCC]

ds v4 flash 对回复的总结，还挺到位的。

让我想起伟人的一句话：“情况是在不断地变化，要使自己的思想适应新的情况，就得学习。”

[nc]

想考古的话，看看 Tim Urban 2015 年的这个 talk ，他提出的这个 DPU 这个概念特别有意思。

[unusualcat]

是的，不可阻挡。就像蒸汽机代替人力一样。