引用 Andrej Karpathy
摘要
Andrej Karpathy 讨论了人工智能生成的软件如何增加对软件的需求,并引用了杰文斯悖论。
暂无内容
查看缓存全文
缓存时间: 2026/06/10 00:26
# 来自 Andrej Karpathy 的一段话
来源:https://simonwillison.net/2026/Jun/9/andrej-karpathy/
2026年6月9日
> 我感受到很多事情正在发生变化,可用的软件正越来越多地以自流水式的方式涌现。杰文斯悖论开始发挥作用,我发现自己对软件的需求大幅增长。你可以要求任何东西——解释器、可视化工具、仪表盘、定制的单次使用应用(例如一个完全针对你项目的超精细化 wandb),你可以将测试套件扩大10倍,自动优化代码,运行大型研究项目并为其结果定制 HTML,一切皆可!"解放你的思想"(《黑客帝国》梗)。
——Andrej Karpathy (https://twitter.com/karpathy/status/2064409694761054332),关于 Claude Fable 5
相似文章
@swyx: 如果你只是在智能体工程时代了解到杰文斯悖论主要与软件需求相关,你可能还没有完全理解杰文斯悖论在以下条件下的影响:
该推文讨论了智能体工程背景下的杰文斯悖论,认为AI智能体效率的提升将增加而非减少对知识工作的需求。
@ssankar: 杰文斯悖论正在实时上演。更便宜的技术正在创造更多的需求和就业机会。https://apollo.com/w…
根据阿波罗报告,更便宜的人工智能技术正在增加需求并创造更多就业机会,没有证据表明人工智能导致大规模失业。
@DavidSacks: 问:尽管AI代理正在自动化编码,软件工程师的招聘信息为何仍在快速增加?答:因为需要管理的代码量比以往任何时候都多得多。
David Sacks认为,AI对编码的自动化导致了代码创建量的激增以及对软件工程师需求的增加,这挑战了“AI将导致大规模失业”的说法。
@saranormous: https://x.com/saranormous/status/2064510215056400652
尽管以Devin为代表的AI编程助手取得了快速进展,显著提升了代码编写和交付的速度,但本文认为,软件工程中最有价值的部分仍难以通过基准测试衡量,并且需要人类的判断和组织协调,这些是无法轻易自动化的。
认知依赖
一篇简短的评论文章,探讨依赖AI进行软件开发是否会导致工程师技能退化,并可能造成AI进展停滞,直至递归自我改进(RSI)成为可能。