文章探讨了AI技术的变革，指出从确定性时代转向概率性时代的挑战。传统软件依赖精确逻辑，而AI则像聪明的实习生，具备创造力但不可控。作者建议程序员重构技能，设计护栏以管理AI的不确定性，适应新的编程范式。

机器学习模型具有概率性，可能给出不同回答。概率特性使人工智能在创造性任务中表现出色，但也会导致不一致和幻觉问题。采样过程可以生成模型的输出，温度可以调整输出的创造性程度。Top-k和Top-p采样策略可以减少计算负载。测试时采样可以提高模型性能。结构化输出可以按特定格式生成文本。理解模型采样输出的方式对于利用人工智能解决问题很重要。