Hacker News 中文摘要

RSS订阅

七年AI实践中的经验总结 -- Things I've learned in my 7 years implementing AI

原文链接 | HN讨论 | 2025-10-16 06:35:58

文章摘要

当前AI热潮中，许多公司错误地将AI简单包装为聊天机器人或炫目功能，而非真正融入产品核心价值。作者指出，像Slack等产品过度标榜AI却未提升用户体验，真正有效的AI应用应如亚马逊那样隐形赋能用户。这反映出行业仍未吸取历史教训，仍在重复华而不实的技术炒作。

文章总结

标题：大语言模型与我们仍未吸取的教训

尽管大语言模型（LLMs）的影响前所未见，但人们对它的期待却似曾相识。

背景说明：我并非从事模型研发的"博士科学家"，而是负责将概念验证代码转化为实际产品的实践者。我的工作经历涵盖摩托罗拉软硬件自动化测试、以及涉及无障碍和教育领域的初创企业。

核心观察：

当前AI热潮误入歧途，企业热衷于开发类似ChatGPT的聊天机器人和仅调用OpenAI API的"✨"按钮功能。例如Notion、Slack和Airtable等产品将"AI"置于页面标题首位，却弱化了核心价值——Slack自称"AI工作管理与生产力工具"，但用户真的会因其AI功能而选择它吗？

真正有效的AI应用应该如亚马逊那样隐于幕后：需求预测、商品搜索排名、推荐系统、欺诈检测等。AI不应是"产品本身"，而应是"实现产品价值的工具"。

典型案例： 在为非语言人士开发无障碍沟通工具时，我们曾耗时一年研发情境感知沟通卡片（准确率55%）。而使用ChatGPT 3.5仅周末就实现了82%的准确率。这印证了LLMs的真正价值：将原本需要专家团队长期解决的问题，大幅简化为数小时可完成的任务。

行业现状： • 内部工具开发迎来爆发期，许多"锦上添花"型项目因AI而重获生机 • 技术发展接近S曲线顶端，新版模型改进有限（如ChatGPT 5相较3代无明显突破） • 模型部署日趋简化，使用门槛降低（如Claude Code可快速上手）

潜在问题： 1. 初级开发者过度依赖LLMs，可能削弱其根本性解决问题的能力 2. 模型存在固有局限（如依赖训练数据，处理创新领域时表现不佳） 3. 修复方案常流于表面（资深工程师能简化的问题，AI可能复杂化处理）

未来展望： 虽然基础研究仍在继续（更廉价/快速/开源模型），但现有技术已能满足多数需求。就像互联网泡沫后的发展，我们正迎来生产力工具革新与AI应用的新纪元。

（注：原文中的图片链接和视频引用因技术原因已作调整）

评论总结

以下是评论内容的总结，涵盖主要观点和论据，并保持不同观点的平衡性：

  1. AI模型的准确性与成本问题

    • 观点：AI模型不可完全信任，且成本高昂，难以大规模自动化。
    • 引用：
      • "you can't -really- trust them to do a task fully" (wppick)
      • "paying maybe 100X over would it would cost in compute to run deterministic code" (wppick)

  2. AI作为内部工具的实用性

    • 观点：AI适合快速开发内部工具，提升工作效率。
    • 引用：
      • "I built a tool to analyse some files... The whole thing took less than 20mins" (basisword)
      • "developing an actual product is at least one order of magnitude more work" (cadamsdotcom)

  3. 用户使用AI的挑战

    • 观点：普通用户不擅长与AI交互，缺乏清晰的指令和数据理解能力。
    • 引用：
      • "People are prone to treating the LLM as a mind reader" (isoprophlex)
      • "Very few people have a sensible working model of what goes on in an autoregressive black box" (isoprophlex)

  4. 对当前AI发展的反思

    • 观点：当前AI（尤其是LLM）可能只是技术发展的一个阶段，未来或有更优方案。
    • 引用：
      • "In the grand scheme of things our current 'AI' will probably look like a weird detour" (random3)
      • "It's a looking back perspective... missing everything else that is happening" (random3)

  5. AI工具与传统工具的比较

    • 观点：AI并非万能，某些任务传统工具（如Wolfram Alpha）仍更优。
    • 引用：
      • "wolfram alpha remains... far more suited to the task" (aDyslecticCrow)
      • "it does NOT replace programming languages" (aDyslecticCrow)

  6. AI作为工具而非独立产品

    • 观点：AI本质是工具，而非直接创造商业价值的产品。
    • 引用：
      • "Intelligence isn’t a direct means of survival... It is an indirect means, I.e. a tool" (Nevermark)
      • "You can't rely on them directly for business value, but you can rely on them indirectly" (asdev)

  7. 对AI初创公司的看法

    • 观点：尽管有人认为AI未引发创业潮，但实际上AI初创公司数量激增。
    • 引用：
      • "am I the only one seeing a startup boom???" (blobbers)

总结：评论中对AI的看法多元，既有对其实用性和效率的肯定，也有对用户交互、成本和未来发展方向的质疑。AI被视为强大的工具，但尚未达到完全替代传统方法或独立成为产品的阶段。