生成式 AI 是炒作还是真正的变革者？一次现实核查

在快速变化的技术格局中，生成式 AI（GenAI）已成为一种强大的工具，承诺革命化各个行业。但是，随着企业和开发者深入探索这项尖端技术，很明显，利用其潜力的道路充满了挑战和细微差别。在探索生成式 AI 的极限时，我们剖析了围绕 GitHub Copilot 和 ChatGPT 等 GenAI 工具的兴奋和怀疑。在炒作背后，存在理解其能力、认识其界限并将其作为补充而非万能药来拥抱的迫切需求。

管理不切实际的期望

在 GenAI 的世界里，高涨的期望往往与其当前能力的严酷现实发生碰撞。这项技术的吸引力吸引了许多企业，使他们对解决其问题抱有奇迹般的期望。但是，最近的一项盖洛普调查揭示了一个令人不安的趋势，显示近 70% 的商业领袖认为 [GenAI 的] 好处超过风险，尽管对精确的生成式 AI 适用性和风险了解有限。仅仅因为 GenAI 在社交媒体平台上看起来很有吸引力就拥抱它的倾向可能会带来严重的后果。

根据 Datasette 创始人 Simon Willison 的说法，大型语言模型（LLM）和生成式 AI 工具的出现被比作外星人来到地球，向人类展示了一个包含这项技术的 USB 棒，然后离开，留给我们去探索其潜力的场景。科技界发现自己处于不断的实验状态，努力辨别 AI 和 LLM 的真正潜力，同时谨慎地避开陷阱。

Willison 强调了 LLM 的一个基本挑战——它们经常提供偏离用户最初寻求的结果。这导致了提示工程概念的兴起，这是一个持续的努力，旨在微调 LLM 并将其引导至期望的结果。寻找那个能解锁新可能性的“一个小技巧”仍然是 AI 领域的一个持续追求。

生成式 AI 的承诺与代码复杂性的现实

虽然有些人将编码助手视为新手开发者的福音，但目前的现实呈现出不同的画面。信任 LLM 的输出需要许多新手缺乏的经验和直觉。Willison 强调，从 GenAI 工具中获得最佳结果需要深厚的知识和专业知识。这不仅仅是关于实验，而是关于了解何时以及如何有效地依赖这些工具。

O’Reilly Media 的 Mike Loukides 提出了一个关键问题——复杂性的控制。虽然 GenAI 可以生成代码，但它难以理解最小化代码复杂性的细微差别。开发人员通常无法提示 LLM 来降低复杂性，这是一项不仅仅是减少代码行的任务。Loukides 断言，计算机可能对代码复杂性视而不见，但必须调试和维护代码的人类不能忽视它。

在技术演进的宏大格局中，我们发现自己正处于 AI 潜力的黎明。尽管经过数十年的发展，AI 仍然是一个新兴领域，我们的期望往往超越现实。例如，云计算距离主导 IT 格局仍然很远。Willison 敦促我们抓住这一刻，积极测试各种 LLM 和编码工具。我们的目标不应该是期望 GenAI 承担我们工作的全部，而是识别其优势和劣势，利用其能力和局限性为我们所用。

生成式 AI 拥有巨大的前景，但它并非万能药。随着企业和开发者踏上这段旅程，以现实的态度对待 生成式 AI 至关重要。当前 AI 和大型语言模型（LLM）的状态要求结合实验、经验和理解。最终，生成式 AI 的真正潜力不在于取代人类专业知识，而在于增强它，使这项技术成为不断变化的技术格局中强大的盟友。