2论AI和未来的工作:传统软件工程已经过时了吗?训练大模型是新编程

04训练模型是新的编码

纳瓦尔：那么如果任何人都能编码，编码到底是什么？编码仍然存在于几个领域。最显而易见的领域，就是训练这些模型本身。

模型的种类非常多，每天都有新的版本出现，针对不同领域也有不同的模型。我们将看到用于生物学、编程的专门模型，会看到针对传感器的高度垂直的模型，会看到用于CAD、设计的模型，会看到用于3D、图形、游戏和视频的模型。你会看到各种各样的模型。创造这些模型的人，本质上就是在为它们编程。但他们的编程方式，与经典计算机编程截然不同。

经典编程流程是你必须极其详细地规定计算机要执行的每个步骤、每个动作。你必须对每一个部分进行原型推理，并用一种高度结构化的语言写下来。这种语言需要你极度精确地表达，计算机只能做你告诉它做的事。然后一旦你有了这个高度结构化的程序，你把数据输进去，计算机处理数据并给出输出。它本质上就是一个极其复杂、编程精细的计算器。

现在在AI领域，你做的是完全不同的事，但你仍然是在编程。你所做的是获取人类产生的海量数据集（多亏了互联网），或者以其他方式聚合的数据集，然后把这些数据集“倒入”你定义和调优的一个结构中。这个结构试图找到一个能生成更多此类数据、或能处理这些数据集、或能基于这些数据进行创造的程序。

所以你是在你设计的这个构造中“搜索”一个程序。你已经建立了一个模型，调优了参数数量、学习率、批次大小。你对输入的数据进行了分词，把它拆成片段，然后注入你设计的系统里，几乎像一个巨大的弹珠机。现在这个系统正试图找到一个程序，而且可能找到很多个不同的程序。

所以你的调优方式，会极大地影响你最终找到的程序项目的质量。而这个程序现在突然能够在不同领域进行表达了，所以它能做到传统计算机通常不擅长的事情。

传统计算机针对特定问题的具体答案，在你编程让它给你精确输出时，那些你可以依赖并反复执行验证的事情上，表现得非常好。但你在现实世界中，你是可以接受模糊答案的，你甚至能接受错误的答案。

比如在创意写作中，什么是错误答案？如果你在写一首诗或一篇小说，什么是错误答案？如果你在网上搜索，有很多正确答案，有很多关于正确答案的细节，但它们并非都完全正确。现实生活大致就是这样运行的。

正确答案有很多种，或者大多数答案都是正确的。当你画一只猫时，你可以画出很多不同的猫，可以有很多不同的细节层次，可以用很多不同的风格。当这些“半对半错”或模糊的答案是可接受的时候，那么通过这些AI“发现”的程序，就比你必须从零编写的程序要有趣得多，也更能适应问题，因为从零编写程序需要非常精确。

从根本上说，我们正在做的是一种全新的编程方式，但这才是编程的最前沿，这才是现在的编程艺术。这些人就是新的程序员。这也是为什么你能看到AI研究人员获得巨额报酬，因为他们本质上接管了编程。

05传统软件工程已经消亡了吗

纳瓦尔：这是否意味着传统软件工程消亡了？绝对不是。软件工程师——即使是那些不专门调优或训练AI模型的人——现在也属于地球上最具杠杆效应的人群之一。当然，那些训练和调优模型的人杠杆更大，因为他们正在构建软件工程师使用的工具集。

但软件工程师仍有两个巨大的优势。第一，他们用代码思考，所以他们实际上知道底层发生了什么。而所有的代码都会有漏洞，所以当你让计算机为你编程时，当你让Claude Code或同类工具为你编程时，它会犯错，会有漏洞，架构会不理想。所以它会出错，而理解代码底层逻辑的人，能够在“漏洞”被攻击时进行修补。

所以如果你想构建一个架构良好的应用，如果你甚至想能够描述一个架构良好的应用，如果你想让它高性能运行，想让它发挥最佳水平，想尽早发现错误，那么你需要拥有软件工程的背景。传统的软件工程师将能更好地使用这些工具。

而且软件工程中仍有很多类型的问题是当前这些AI程序无法解决的。理解这些问题最简单的方式，就是看它们是否“超出其数据分布范围”。例如，如果它们需要做二进制排序或反向链表，软件工程师们已经见过无数这样的例子，所以他们非常擅长。但当你开始触及它们领域之外的问题，当你需要在全新的架构上运行编写非常高性能的代码，当你真正在创造新东西或解决新问题时，你仍然需要亲自动手编写代码。至少要等到出现了足够多的此类例子，新模型可以训练他们，或者等到这些模型能在更高的抽象层次上进行充分推理并自行破解这些问题。

因为有证据表明，只要有足够多的数据点，这些AI确实会学习。它们学到了更高层次的抽象思维，因为被迫压缩数据的行为，迫使它们学习更高层次的特征表示。

如果我给AI看五个圆，它就能准确记住这些圆的大小、半径、厚度等等。如果我给它看五万个或五十亿个圆，并只给它非常少的参数权重（相当于它的神经元）去记忆这么多的数据，那它更适合去先学习圆周率、如何画圆、粗细意味着什么，并形成关于“圆”的算法表示，会比死记硬背一堆圆的图案好得多。

考虑到所有这些因素，AI人工智能体正在加速学习。你可以预见它们将开始覆盖更多我提到的极端情况。但至少目前为止，这些极端情况已经足够普遍，一个在领域知识前沿工作的优秀工程师，能够轻松击败氛围编码员。

06对平庸的产品没有需求

纳瓦尔：记住，没有对平均值的需求。普通的APP应用没人想要，至少只要它不是被一个更优秀的应用所填补的某个小众细分市场。

那个最好的应用基本上会赢得100%的市场份额。也许有很小一部分会流失到第二好的应用那里，因为它在某个小众功能上比主要应用做得更好，或者更便宜之类。但一般来说，人们只想要最好的。

所以坏消息是，做第二或第三名毫无意义。就像电影《拜金一族》里那个著名场景，亚历克·鲍德温说：“第一名将得到一辆凯迪拉克的埃尔多拉多汽车，第二名将得到一套牛排刀，第三名你被解雇了。”在这些赢家通吃的市场中，这绝对是真的。

坏消息是：如果你想在某个领域里获胜，你必须成为最优秀的。但是，你可以成为第一名的领域是无限的。你总能找到某个适合你的小众领域，并成为其中的佼佼者。

这可以回溯到我之前的一条推文，我说：“成为你所做领域的世界第一。不断重新定义你所做的事情，直到这成为现实。”我认为在AI时代，这仍然适用。

纳瓦尔合集丨财富与幸福指南  

点击查看《纳瓦尔合集》

解忧设计院，销售人的宝藏学院。

专栏分享：一线实战案例、电销录音解析、销售知识干货。

19年销售经验覆盖B端政企与C端客户，擅长需求分析、解决方案撰写与商务谈判。坚持实践出真知，拒绝纸上谈兵，陪你终身学习，一起成长！欢迎关注留言，收藏分享！