解决AI性能剩余20%的缺陷

AI诞生前,软件开发全靠编程语言。编程语言的特点是百分百对口计算机,在完整性、歧义性、精准性方面都是百分百的。那个时候是学计算机语言,人拼命的往计算机那边靠。

AI诞生后,方向反转,人不动,让计算机拼命的往人这边靠。让计算机理解人类语言,实现人类要求。

目前AI在编程领域(包括其他领域),除去简单项目,大概能完成80%的工作,剩余的20%,也是复杂逻辑,或自然语言难以表述的问题,AI无法实现,都需要靠人工完成。

人类语言带有天生的BUG,人天生有脑补能力(这、那、一些等代名词),计算机没有,人类自然语言很多细节是难以描述清楚的。在这种情况当前技术环境下,AI每提升一分,都是面对巨大的挑战,都需要付出成百上千倍的成本。

那有没什么方法,可以快速、低成本弥补剩余的20%,让AI真正做到100%替代人工工作呢?答案是有的,人往计算机那边靠一靠。

现在的AI交互,都是简答题模式,这种模式语义理解、上下文推测、模糊性匹配,想要其越精准,就需要AI的参数越庞大,动辄成百上千B的大模型方能升任。那些大项目剩余20%,是AI无法做到吗,不对,是AI无法理解你的需求。

所以我们只要做到语言精确、无遗漏、无冗余、AI就能近乎或完全百分百实现,且几B的大模型就能让大项目轻松落地。

那么如何做到语言精确、无遗漏、无冗余呢?用表单。做过账号注册吗,就那种表单,其中尽可能的用选择题,其次填空题,再次是简答题。准确性依次递减。

就像你在公司那样,你要请假,填一张请假单、你要加班,填一张加班单。这种单据没有学习成本,且是真能做到语言精确、无遗漏、无冗余。

相关推荐
ChampaignWolf几秒前
AI插件深度对比 | Copilot、Tabnine、Codeium谁是王者
人工智能·copilot
初心未改HD7 分钟前
深度学习之CNN卷积层详解
人工智能·深度学习·cnn
南屹川9 分钟前
【CI/CD】持续集成与持续部署:从理论到实践
人工智能
AI医影跨模态组学24 分钟前
EBioMedicine美国佐治亚理工学院与埃默里大学:基于深度学习的放射组学与病理学多模态融合预测HPV相关口咽鳞状细胞癌预后
人工智能·深度学习·论文·医学·医学影像·影像组学
Agent手记28 分钟前
异常考勤智能预警与处理与流程优化方案 | 基于企业级Agent的超自动化实战教程
运维·人工智能·ai·自动化
2601_9577875838 分钟前
矩阵运营的技术底座:为什么“一体化系统“正在取代“工具拼装“
人工智能·矩阵·矩阵运营
冬奇Lab1 小时前
Agent 系列(一):Agent 是什么——不只是「会调工具的 LLM」
人工智能·llm·agent
冬奇Lab1 小时前
RAG 系列(二十四):代码 RAG——让 AI 理解你的代码库
人工智能·llm
南屹川1 小时前
【算法】动态规划实战:从入门到精通
人工智能