马丁·福勒谈如何应对人工智能的非确定性计算
💡
原文英文，约900词，阅读约需3分钟。
📝
内容提要
马丁·福勒认为人工智能是编程领域的重大变革，LLM（大型语言模型）代表非确定性计算，区别于传统的确定性计算。虽然LLM有助于理解遗留代码，但修改代码的安全性仍存疑。他建议开发者与LLM互动时采取更严格的方法，并借鉴结构工程的思维来评估AI的使用。
🎯
关键要点
- 马丁·福勒认为人工智能是编程领域的重大变革。
- 大型语言模型（LLM）代表非确定性计算，与传统的确定性计算不同。
- 确定性计算是严格的二进制，而非确定性计算则依赖于统计推理。
- LLM可以帮助快速原型开发和理解遗留系统。
- 使用生成性人工智能（GenAI）现代化遗留系统是Thoughtworks的最高推荐技术。
- 修改代码的安全性仍然存疑，开发者需谨慎处理AI生成的代码。
- 建议开发者采用更严格的方法与LLM互动，借鉴领域驱动设计（DDD）和领域特定语言。
- 结构工程的思维可以帮助评估AI的使用，了解非确定性的容忍度。
- 福勒推荐阅读《思考，快与慢》以帮助理解概率和统计中的错误和谬论。
❓
延伸问答
马丁·福勒如何看待人工智能在编程领域的影响？
马丁·福勒认为人工智能是编程领域的重大变革，类似于从汇编语言向高级编程语言的转变。
什么是非确定性计算，LLM如何与之相关？
非确定性计算是依赖于统计推理的计算方式，LLM（大型语言模型）属于这一类别，与传统的确定性计算不同。
福勒对使用LLM修改代码的看法是什么？
福勒对使用LLM修改代码的安全性表示怀疑，建议开发者需谨慎处理AI生成的代码。
福勒推荐哪些方法来与LLM互动？
福勒建议开发者采用更严格的方法与LLM互动，借鉴领域驱动设计（DDD）和领域特定语言。
Thoughtworks如何利用AI帮助理解遗留系统？
Thoughtworks利用生成性人工智能（GenAI）对遗留系统进行语义分析，并将结果存入图数据库，以帮助理解应用程序的运行。
福勒提到的关于非确定性的容忍度有什么重要性？
福勒强调了解非确定性的容忍度可以帮助开发者知道在使用LLM时应避免的风险区域。
➡️
