在我接觸了一系列AI技術後，不禁產生了許多思考。我先後嘗試了AI程式設計、AI寫論文、AI寫小說、AI繪畫等，最近看到了一些關於AI構建虛擬世界以及Auto-GPT的AI類新聞。在這個過程中，我心頭湧現出諸多疑問和想法。
首先，我不禁感到迷茫：傳統程式設計在這樣一個日益智慧化的世界中還有前途嗎？面對AI的崛起，未來的程式設計師該如何應對和適應？
其次，我開始思考人類與AI之間的關係。我們究竟是合作伙伴、甲方和乙方，還是像老闆與助手一般相輔相成？在未來十年，這個世界將會變得如何？人類、個體和無產階級將面臨怎樣的挑戰和發展？
要回答這些問題，我們需要憑藉對未來的想象。
（PS. 本文僅上面開頭部分由GPT潤色，其餘完全手打）
程式設計&科研領域
基本上有點麻木了，最開始是震撼。前段時間，弄論文需要寫一些程式碼，我真是完全沒有思路，也完全沒接觸過AI類程式設計、什麼Pytorch一概不會，如果按照原始的方式，起碼得整個半個月，從瞭解，到稍微系統點的學，再到真正程式設計實現，還會遇到很多BUG。然後那個時候剛接觸GPT還沒有出4，還是3.5，基本上我藉助3.5半個下午就搞定了程式碼，而且我後面反覆調參，也沒有GPT給出的原始方案好。雖然存在一些隨機性。但這個僅僅是GPT3.5，4的準確性大大提高。
另外就是程式碼重構方面，以前維護的“屎山”，基本上難以人為的扒拉開來看，現在直接丟給GPT完事兒。
最近的Auto-GPT，本人也只是看了下新聞，好像大概意思就是隻需要一個想法就可以得到結果程式。
感覺上像是建立了“想法”->“實際程式碼”的直接對映。
而傳統程式設計則是“想法”->“可行性調研、技術選型等”->“各種學習嘗試”->“實際程式設計寫BUG等”->“實際程式碼”。
速度方面自然不用說，可以說是徹底的“降維打擊”。有人說AI寫的沒人類好，這個真不一定。現在最前沿我不瞭解，但是仔細想下，AI不僅可以學習官方文件和海量優質的網路教程，還可以學習大量成熟、優秀的開源原始碼。不管個體還是團體閱讀程式碼的能力應該都遠遠不如AI，而且鑽研原始碼是個“苦差”，做這事的人本身就是少數，甚至說老老實實看官方教程的都不是很多。個人感覺，未來，不管是頂層設計還是程式碼實現，AI吊打人類程式設計師都是遲早的事情。
總之，未來，傳統的“技術、經驗”可能不是重要的，唯一重要的東西可能只是“想法”以及“想法的質量”。甲乙方可能不再存在，因為甲方可以直接透過AI得到需要的結果，所需要的只是一個稍有程式設計知識和能熟練運用AI生產工具的產品經理，而且這個產品經理還可能就是AI本身，而不需要一個實際的人。
有時候我想這東西太逆天了，以後也沒有程式設計師了，只要有人維護AI就行了。但是AI本來就是人類幾十年知識的結合體，碾壓人類本來就是很正常的事情。那人類知識是不是不創新了？不增長了？其實AI的創新能力吊打人類，因為人類個體基本上只會知道個別領域的知識，基本沒有全領域的專家，但是AI它不僅精通哲學、醫學、物理、天文、地理、程式設計，基本上你知道的他都知道，你不知道的他也知道。我之前寫論文的時候，寫“未來的工作”部分，自己想到了幾個點，然後又讓GPT4寫幾個點，結果我想到的它都“想”到了，而且想法質量上還有提高，並且還提供了幾個我沒想到的學科融合的絕妙“想法”。設想一下，它基於這些想法，自主設計實驗也完全是可行的，再多給它幾個現實世界的介面，例如讓它聯網，那麼它自己去實驗證明然後出論文也是完全沒問題的。
所以透過AI自主科研推進人類知識水平的發展，我個人感覺是沒問題的。
當然這個可能要在未來，目前我用GPT來寫論文感覺還是不太可，但是這個有隨機性，有時候你自己寫的很垃圾，AI可能給出一個王炸，有時候AI怎麼寫都感覺很呆板，說不到要點、純扯蛋。目前感覺，GPT最好用的是程式設計領域。因為它基本上有一個大致確定的結果，並且可以透過跑程式驗證正確性。
小說&繪畫領域
這個本人是完全的外行，就是淺淺試了下。首先是小說，我大概用GPT輔助寫了七八章小說，首先一個，質量是隨機的，有時候效果好、有時效果差，另外一個很核心的問題，無法保持章節之間的設定一致，因為我是外行，我的理解是，GPT維護的上下文太小了。
感覺這個問題是容易解決的，例如在生成小說的時候對一些設定進行固定等。
另外我發現寫西方風格的小說效果比寫中文好。最後，相對程式設計，個人感覺寫小說可能更不容易被取代。可能是因為相對程式設計，小說更涉及一些靈感創造，而程式設計則是遵循想法的機械動作。
關於繪畫，我主要試了Stable Diffusion。稍微瞭解了下原理，感覺最大問題還是隨機性，就是感覺出圖就像抽卡（從刺激性角度看可能也是一個優點），有時候是金色傳說，有時候跑了半天出來一個鳳姐恨不得把電腦砸了。也就是說，這種隨機性有時候可能是對人類資源的嚴重浪費，你燒了顯示卡，排了二氧化碳，浪費了電，但是得到可能不是人類所想要的東西。當然這個領域進步也很快，配合controlnet等東西，可以進一步對結果進行控制，這個我暫時還有沒有進一步嘗試。
未來，精細控制應該不是夢。AI可以根據你的想法推斷出你最大機率想要的結果。和程式設計一樣，繪畫的“技術和經驗”可能不再重要。重要的是“想法”和“想法的質量”，最多就是再補充一個對想法的描述。然後就是作品質量問題，我覺得AI可以綜合莫奈、梵高、達芬奇，我覺得相比人類AI可能更容易找到優秀畫家的共性，因為AI從海量作品中學習，或許可以學習到真正描述優秀作品共性的“潛在變數”。
AI可能在繪畫領域扮演一種“超級剽竊師”，最近看到新聞，貌似說有種技術可以讓AI剽竊得毫無痕跡。但是不得不承認，AI的作品可能真的比很多中低端畫師的作品優秀，甚至個別超低端畫師作品的存在可能是在汙染AI的訓練集。我特別能想象，那種幸苦學畫N年，然後畫了一天發現沒AI幾秒畫的好的那種心情。但是你得知道，AI是人類N年知識水平的結合體，在很多工作上肯定是比個體優秀的。生產力的發展是不可阻止的，我覺得AI輔助創作應該是未來製圖工作者的必備技能。
AI輔助學習
本人是一個純純的數學白痴，但是藉助一些提示詞例如說“我是一個數學白痴，我希望你用賣菜大媽也能聽懂的語言幫助我解釋xxxx，讓我徹底理解xx，結合具體、簡單例子”，我確實理解了很多以前需要很大功夫才能理解的知識。我把這個技巧用到了很多領域的學習當中去，甚至藉助這個技巧去看了很多醫學論文。徹底理解可能嚴重誇張了，但是對於大部分東西，AI都可以幫你瞭解個半桶水，作為開始學習某領域知識的起點真的是一個絕佳的辦法。
其它領域（電影、動畫）&小結
最近也設想製作一些動畫、短片之類的，於是做了一些調研，發現即便是最簡單的工具，對於一個完全外行的人來說，製作一個質量稍好的動畫也是複雜的，需要有一定的時間去學習、練習。在學習工具的過程中，我感到這個領域如果類比到程式設計（當然就僅我接觸到的低端工具而言），就彷彿停留在“程式導向”時期。
本人想象的方式是，已經存在預定義的角色，然後我作為“導演”，安排他們完成我的動畫。預定義的角色作為服務的提供者、作為演員。這種才是OOP的方式。最近不是有一篇AI構建虛擬世界的論文很火爆，它好像是說25個AI在虛擬遊戲世界裡面生活。因此我認為這個是完全可以實現的，而且可以實現得很好。還有一些想法，例如說未來我們可以透過對真人進行拍照建模，類似於數字人，不管是外在、還是腦子都可以克隆到計算機上，這樣演員這個職業可能也不需要存在了。甚至於在你死之後，你的克隆數字人，還可以和100年後的人類後代交流。
總結一下，就是說，未來每個人都可以是程式設計師、畫家、導演。重要的不再是特定領域的“技術和經驗”，重要的是想法及其質量。然後個體變成一個超級甲方，AI變成乙方，個體需要學習的就是怎樣和AI溝通，讓AI徹底理解你的想法。