马丁·福勒谈如何应对人工智能的非确定性计算
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。
延伸解读
非确定性计算的挑战
马丁·福勒指出，非确定性计算（如LLM）与传统的确定性计算有本质区别。开发者在使用LLM时需谨慎，因为其生成的代码可能不可靠。建议将AI生成的代码视为来自不太可信的合作者，必须逐行审查，以确保安全性。
借鉴结构工程的思维
福勒提到，结构工程的思维可以帮助开发者更好地评估AI的使用。了解非确定性的容忍度，就像评估桥梁承重能力一样，开发者应明确LLM的精确度和可靠性，以避免在关键系统中出现问题。
现代化遗留系统的最佳实践
使用生成性人工智能（GenAI）来现代化遗留系统被Thoughtworks高度推荐。福勒强调，开发者应利用LLM进行语义分析，以更好地理解和改进旧系统，这不仅能提高效率，还能降低潜在风险。
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。
