为什么我仍然是一个怀疑论者

# 我为何仍持怀疑态度 原文链接：https://blog.jsbarretto.com/post/i-remain-a-skeptic 我至今仍未在任何真正重要的场景中使用大语言模型。我能给出诸多理由：环境影响、社会效应、政治考量。技术生态锁定、技术依赖的养成、数字自主权问题、哲学层面的忧虑、劳动力议价能力的刻意削弱等都值得探讨。但在此所有论述之前，最根本的效能问题——它们究竟能否胜任构建有意义软件的核心需求——至今仍无定论。 以下是我保持怀疑的几个主要原因： - **这场“革命”已历经四年，行业却几乎拿不出像样的成果。**软件质量未见提升，开发速度未加快，生产成本未降低（若剔除那些无人敢碰的劣质演示产品），能力边界也未拓宽。安全性自然更无改善。技术革命通常伴随着旧帝国的崩塌与新势力、新思想的崛起。但过去数年间，除了AI狂热者的自说自话，我看不出行业产生了任何真正的新理念。所有人都在声嘶力竭地呐喊，却无人能交付真正实用的东西。 - **我并未因未使用LLM而感到落后，尽管我曾预料会如此。**尽管喧嚣不断，但至今无人能撼动我开源项目的声誉基础。或许你可以复制我代码的功能，但简单如`memcpy`也能做到：一个能获得社区信任并被广泛用于构建系统的开源项目，其价值远不止功能清单的堆砌。 - **证据薄弱且稀缺。**投入1.5万亿美元后，我们仍几乎找不到能证实AI带来顶级生产力提升的独立研究。考虑到当下半数经济体系都建立在这项核心主张之上，我们理应看到更多超越个别案例和轶事的实证。我所了解的所有研究，要么过度聚焦与顶级生产力无关的指标（如“代码行数”、“合并请求数”、“新增功能数”等），要么样本过小难以得出可靠结论。即便那些暗示存在学术价值的研究，所指向的也只是边际收益甚至是负生产力增长。 - **我收到的LLM生成代码依然糟糕。**代码的机械重复感和风格一致性有所改善，但适用性并无提升。其中值得合并的比例仍远低于人类编写的代码。有人批评说，由于AI输出略微脱离了公式化模板，现在更难区分人机代码。但最细心的人类也会在描述中留下零星错别字，因此我尚未相信机器人已能达到以假乱真的程度。 - **它们仍会遗漏显而易见的漏洞。**我的几个开源库出现在FAANG公司的依赖树中，曾多次收到基于前沿模型扫描的漏洞报告。其中部分确有价值，但多数是误报。我记得有多次情况，业余爱好者很快就能用常识发现重大漏洞，而前沿模型却视而不见。 - **AI狂热者宣扬的理念，与过去半个世纪关于软件开发本质的理论背道而驰。**我们都应明白，代码是软件开发过程的输入而非产出：但即便最具前瞻性的组织，仍暗中将代码行数视为生产力指标。无论这种粗糙代码来自机器，还是人类屈从于设计缺陷激励体系的副产品，这条路通向的都是不可维护的代码泥潭。Peter Naur的论述至今立于不败之地（https://pablo.rauzy.name/dev/naur1985programming.pdf）。 - **当人人皆超凡时，无人再特殊。**科技巨头强推LLM的隐秘目标，是将智力劳动同质化使其可替代。当劳动力可随意替换时，工人的议价能力便会削弱。软件开发曾是最后的“行会领域”之一，而我们正见证其工业化进程。通过不依赖LLM，我为自己保留了深耕特定技能领域的空间。目前看来这个主动选择效果良好，我对职业前景仍充满信心。 如您发现本站存在无障碍访问问题，请[告知我](mailto:[email protected])！ © Joshua Barretto