Re: [心得] 寫點自己的觀察
看板: Soft_Job
作者: alihue (wanda wanda)
標題: Re: [心得] 寫點自己的觀察
時間: Tue Jun 17 12:14:40 2025
※ 引述 《ripple0129》 之銘言:
: 從兩年前GPT4剛出我就講了 : 當時版上風氣就是取代資淺資深不要想 : 兩年過去了 : 全世界的Senior被砍多少人了 : 反正還是很多人在那邊敝帚自珍其實現在 Senior 還在砍還真的跟 LLM 沒關係,主要是:
- 疫情後一開始是為了經濟蕭條做準備,以及疫情間過度招募
- 最近還在砍很多都是縮減業務與成本、部門重整
- 資金流到 LLM 專案,其他軟體產品走維持路線
真的有因為 LLM 提高員工生產力而造成的裁員嗎?
這超難欸,首先公司要先測量出現在員工生產力,再測量用 LLM 的戰力,有這麼好做?
再說,LLM 目前強的只有在前端,以及簡單的後端,這裡的資深工程師大概都知道 LLM 對
於複雜系統的理解能力還很糞,大概只能湊合著用
然後現在根本一大堆公司都還沒買 LLM 給員工用
至於 LLM 未來會變更強?我覺得不一定,主要原因:
1. 現在願意上 stackoverflow 解問題的越來越少,工程師開始封閉知識
2. Open Source 貢獻越來越少,訓練資料越來越少
3. LLM 的硬傷是推理能力不足,多為統計,但大系統技術還是多為推理為主
4. 總合:新技術的知識分享原來越少,LLM 無法訓練,最後隨著新技術的演進 LLM coding
會越來越笨
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 60.158.170.139 (日本) ※ 文章網址 ※
推
ILoveAMD :
今天chatgpt
gemini
又給我呼叫不存在的
method
06/17 12:49
→
zzzxxxqqq :
現在都跟AI一起解問題了
誰還會上網問
-.-
06/17 13:04
推
dream1124 :
我啊,我還是常上網問。網上的答案常有思辯的過程,
06/17 13:05
→
dream1124 :
這很重要,有時可以直接幫你避免走冤枉路。
06/17 13:06
→
zzzxxxqqq :
Superintelligence
是現在主流想法了
06/17 13:06
→
zzzxxxqqq :
覺得會越來越笨
只能說這想法很特別
06/17 13:06
→
dream1124 :
問答AI比較適合:1.潤飾
2.提供難搜尋的問題之頭緒
06/17 13:08
推
Romulus :
因為沒東西能學啊
06/17 13:08
→
Firstshadow :
原po想法跟apple說的那一樣吧
06/17 13:09
→
dream1124 :
其他情況大多沒比較好用,或是時間效益沒比較高
06/17 13:09
→
Romulus :
在AI真的會解題之前
AI都是拿人解題的答案給你而已
06/17 13:09
→
Romulus :
那要是沒有人願意把答案放出來
那要不然營運AI的人自己
06/17 13:10
→
Romulus :
要解題餵給AI
要不然AI就開始幻覺
06/17 13:10
→
Romulus :
這想法沒啥特別的
06/17 13:11
→
dream1124 :
畢竟這些問答AI就只是很精緻的人云亦云機器
06/17 13:11
→
zzzxxxqqq :
目前看起來衝擊最大就是CS剛畢業的
失業率上升
06/17 13:13
對啊
→
kattte :
我叫gemi幫我畫個簡單的chart都畫不出來了
06/17 13:13
現在就是有缺不補,有補也是幾十上百封高階履歷,連資深工程師跳槽都難
→
zzzxxxqqq :
如果5年後反著走
我會覺得很神奇
當然不是不可能
06/17 13:13
所以現職不敢跳,遇缺不補,市場又一堆被裁的等消化,公司也沒非
AI
新專案,總合起來
→
kattte :
還要我自己幫他的半成品debug
06/17 13:13
當然也沒新人的缺
推
kurtsgm :
上網問問題現在聊天抬槓的成分大過找正解啦...
06/17 13:15
→
kurtsgm :
網路上的random
guy跟chatgpt誰比較有機率回答出正確答案
06/17 13:15
→
kurtsgm :
這應該很清楚.....
06/17 13:16
→
zzzxxxqqq :
光是跟AI一起解問題的過程就是在提供資料訓練了
06/17 13:16
→
zzzxxxqqq :
除非大家都不用AI解問題
不然怎麼可能沒東西訓練
06/17 13:17
問題是找到解的人不太會再貢獻出來,所以下一個遇到的人還是找不到直接解,隨著技術演
→
kurtsgm :
AI的source還有各類型的線上文件以及文章
除非某一天開始
06/17 13:18
進這樣的狀況會越來越頻繁,LLM
最後也沒新資料可以訓練
→
kurtsgm :
大家都不在網路上分享知識了
不然AI總會有新的資料能吃
06/17 13:18
→
zzzxxxqqq :
找到解的人也是會用AI阿,除非他很認真藏
06/17 13:20
→
zzzxxxqqq :
但現實是哪那麼閒,有解叫AI記起來,方便下次用
06/17 13:21
→
zzzxxxqqq :
你不會直接拿資料來解問題阿,但不代表不能用AI
06/17 13:23
僅限個體戶,企業
LLM
合約都是禁止拿客戶的輸入來訓練
→
zzzxxxqqq :
而且大企業封閉的LLM
不會是多數
06/17 13:25
而且
LLM
也不曉得最後你是怎麼解的,你也不會把試出的正解跟
AI
回報
→
zzzxxxqqq :
每天個人用戶那個數量
不能比吧
06/17 13:25
→
zzzxxxqqq :
還是你覺得值得做的問題只在大企業LLM裡面
06/17 13:25
※ 編輯: alihue (219.104.132.28 日本), 06/17/2025 13:17:08
推
kuosos520 :
工人智慧vs人工智慧
=
中醫vs西醫
06/17 13:33
→
Obama19 :
Apple那篇已經在網路上被嗆爆了
一個實習生做的
06/17 14:08
→
hobnob :
不能認同拿中醫比西醫,兩者的方法論是不一樣的
06/17 14:39
※ 編輯: alihue (219.104.132.28 日本), 06/17/2025 13:19:28
→
NTUTM04 :
不過出錢的人還不一定進入這個階段。現在比較像是從
AI
06/17 14:55
→
NTUTM04 :
可以取代人,發大財
->
AI
可以做更多,發大財
->
然後
06/17 14:55
→
NTUTM04 :
發現並沒有那麼美好,但
bubble
又不到破掉的程度
06/17 14:56
※ 編輯: alihue (219.104.132.28 日本), 06/17/2025 13:21:55
→
ybite :
2/4我自己的看法沒有到那麼悲觀
06/17 15:40
→
ybite :
搞不好是反過來
新框架為了搶市佔
出來的第一天就做好AI精
06/17 15:42
→
ybite :
華版文件讓你爽用(?
06/17 15:42
→
ybite :
開源的問題主要也是美國大廠撙節的問題
06/17 15:42
推
strlen :
不用複雜任務
光是一般任務
或甚至就把現在AI當成高級版的
06/17 15:44
→
ybite :
如果有一天訓練成本降到大部分大財團都能玩一個200-500B的L
06/17 15:44
→
ybite :
LM
那我猜到那個時候語言模型變成開源打群架的可能性會很高
06/17 15:44
→
ybite :
現在看起來只有中國因為制裁問題想開源膊聲浪
06/17 15:44
→
strlen :
autocompletion
都能大大增加效率吧?啊不然
現在叫你回去
06/17 15:45
→
strlen :
用記事本
跟用IDE開發
哪個快.....
06/17 15:45
→
strlen :
而且寫code也僅是AI其中一個小小應用而已吧
AI能用的領域
06/17 15:47
目前各大廠投入
LLM
的遠大於收益,目前唯一能看到未來的感覺只有結合機器人這塊
→
strlen :
超級多
只拿寫code來看能不能發大財?
06/17 15:48
→
strlen :
喊AI公司沒賺的
一定是沒跟到PLTR
那是你自己的問題吧
06/17 15:48
※ 編輯: alihue (219.104.132.28 日本), 06/17/2025 15:41:32
→
strlen :
老黃沒跟到
PLTR也沒跟到
怪東怪西然後還在喊泡沫
喊兩年
06/17 15:50
→
strlen :
了還是眼巴巴的看著人家賺爛
06/17 15:50
→
superpandal :
不可能用記事本的
連ed/vi都強過記事本非常多
再配上
06/17 17:30
→
superpandal :
文本工具整理個index都有個簡易版completion
06/17 17:31
→
superpandal :
炒股那就...
06/17 17:32
→
strlen :
撇開股票我講的公司都是賺錢的
財報都是賺爛
06/17 17:35
→
jonathan793 :
確實現在要取代還太早
但從以前無法想像到現在這程
06/17 17:57
→
jonathan793 :
度已經很誇張
如果說10年內會發生蠻有可能的
06/17 17:57
→
DrTech :
要不要去了解一下訓練一個200B模型的成本啊。先不說幾十億
06/17 18:04
→
DrTech :
的硬體成本。假設未來硬體降到0成本好了。光是整理能訓練
06/17 18:04
→
DrTech :
到可用,不會overfitting資料的成本,數百GB級token就好,
06/17 18:04
→
DrTech :
台灣就沒幾間公司能負擔了。給你硬體零成本啦,整理資料0
06/17 18:04
→
DrTech :
成本啦,一般公司還請不到能訓練的人。
06/17 18:04
→
DrTech :
企業自搞大模型AI到可取得工程師,目前看不到任何機會與希
06/17 18:08
→
DrTech :
望。
06/17 18:08
→
ybite :
也是
我樂觀過頭了
06/17 18:29
推
viper9709 :
講得滿有道理的
06/17 18:36
推
openthedidi :
去試用一下openAI
codex
,就知道哪些層級的人可以被
06/17 23:20
→
openthedidi :
取代。去試用一下n8n,就可以知道哪些日常髒活可以被
06/17 23:20
→
openthedidi :
取代。
06/17 23:20
推
sumsum :
推這篇
Input資料很重要
短期間不覺得對工程師會有太大的i
06/18 01:45
→
sumsum :
mpact
不過還是樂見其成十年後的發展
06/18 01:45
推
umum29 :
解析大型專案真的能力很差
都需要人為介入縮小範圍
06/18 07:48
→
umum29 :
新的專案需要先細分task
→
ssccg :
跟AI一起解題根本沒有在訓練啊,以為硬體不用錢每個user的
06/18 12:27
→
ssccg :
input都拿去訓練喔,光是只跑訓練好的模型來給你答案,都要
06/18 12:28
→
ssccg :
加一堆用量限制來限制賠錢了,要都丟去跑訓練還得了
06/18 12:30
→
superpandal :
是
但要能進去阿
06/18 17:12
→
superpandal :
多看了一下這一串...
我就是那個問完用頭腦記或直接
06/18 17:22
→
superpandal :
寫應用的東西出來的人
哪可能回報ai...只有想問更深
06/18 17:23
→
superpandal :
入的才會繼續
用ai記錄更是無稽之談
06/18 17:25
→
superpandal :
用頭腦記可能需要踢掉一些用處不大的資訊
或用電腦將
06/18 17:53
→
superpandal :
其範例化
應用化
06/18 17:53
推
jack529 :
變成糞扣LLM
06/20 11:55