GTA作者:AI无法取代好点子

Dan Houser花了20多年写出了历史上最伟大的故事。

侠盗猎车手。荒野大镖客1和2。这个人负责的角色让我们数百万人笑过哭过(我个人最喜欢的是GTA 4的设定)。

去年11月,他接受了Lex Fridman的首次专访(时长2.5小时)。由于当时正值人工智能编码辩论时期,许多开发者社区成员错过了这次采访。

我重新观看了(第二次)并提取了作为开发者对我们最重要的东西。

他被问到:

"LLM能写电子游戏吗?"和 "它们能取代创意人才吗?"

他的回答在reddit上引起了一些争论。一边说:"即使是GTA家伙也说AI是有限的"。另一边:"这个人太卢德分子了(一个反对新技术的人)"。

两边都错过了实际要点

1、这句话Everyone都在误解

这就是Dan所说的:

"基于我对语言模型如何运作的相当有限的理解,它们不会取代好点子。它们真的想不出好的新想法。"

许多人读到那里就停止了,他们分享那个片段并用它作为背景(像一个著名的不完整的成语)。

然后他说了一些重要的话:

"它们已经完成了听起来像人的工作的前90%,可能在某些领域是95%。最后5%最终将成为约95%的工作。"

再读一遍,这非常重要。

他不是说AI很烂,而是说它在除了真正重要的事情之外的一切都非常强大(那些闪亮和打磨)。

2、为什么这是我所听到的最诚实的AI观点

Dan花了29年看着技术承诺让游戏开发更容易/更便宜。

每年,游戏都变得更好,更昂贵

"所有时候,让游戏制作变得更容易和更便宜的技术即将出现,而发生的一切是游戏变得更好和更贵。"

这是一个在有史以来最技术要求最高和不断发展的创意产业 中看到每个炒作周期的人。

他将其描述为地板 正在上升天花板没有下降

AI提升了地板,获得90-95%输出的机会刚刚全球化(这是不可思议的)。

然而天花板仍然更难达到。

3、什么应该和不应该让你害怕

"你最终会遇到很多看起来一样的工作。"

这是真正的威胁,而且已经在发生。

如果AI生成任何创意或技术工作的95%,市场就会被95%的成品淹没。通用工作 变得几乎一文不值

5%现在是新游戏。

"如果你有原创想法,我认为你没事。"

负责Arthur Morgan、Niko Bellic和Dutch 的人告诉你AI无法弄清楚的是原创思维

这对开发者来说实际上是好消息。

你每天使用的AI工具不会取代你的工作(如果你的定位正确),它们正在压缩发货所需的时间。如果你有好点子 ,你就变成了一个超级英雄

如果你的想法从来不是你工作的重要部分,是时候让它们变得重要了。

4、最好的开发者实际上在做什么

Dan在采访中描述了他自己的写作过程,令人惊讶的是这映射到我认识的最好的AI增强开发者。

他花几个月做看起来像 nothing 的事情。在纽约四处走动,在手机上记笔记,写下想法。

然后,在1个周末,他把一切组装成一个30页的故事文档。

执行快的思考不是。

许多开发者搞错了,他们执行快也思考快。想知道为什么他们得到通用的输出。

Dan关于最后5%的观点实际上是关于输入质量的。AI无法取代好点子的原因,是因为它想不出点子。

点子 来自过某种生活,看到 某些事件 ,并通过自己的某种视角关心 某些事情

没有任何模型能拥有那个。

5、这之后我改变了什么

我开始重视 我的想法和思考

在我打开Claude Code或任何工具之前,我花更多时间思考问题。不是读AI文档,不是看现有输出。

思考问题是有趣的,你如何学会找到某些答案。

执行时间 没有改变,我构建的质量改变了。

我开始较少担心AI是否会带走我的工作。

Dan Houser在这方面值得倾听,因为他诚实地说话。他不是在卖产品给你。

"它会让一些本不应该进入那个空间的人离开那个空间。"

我喜欢这个诚实的观点。

6、从这个开始

**5分钟:**在你的下一个编码会话之前,停下来写一个关于什么是有趣的句子(对你个人来说),不是ticket描述。什么是你觉得困难或有趣的。

**15分钟:**看采访大约36:52,这是LLM部分。Dan比短片显示的更有影响力。

**30分钟:**看你最后三件你构建的东西,问自己哪些需要你的原创想法/输入,什么只是执行。这个比例是AI取代你工作的风险。

地板正在为每个人上升。

确保你在天花板上下功夫。


原文链接:GTA作者:AI无法取代好点子 - 汇智网

相关推荐
一个天蝎座 白勺 程序猿2 小时前
人工智能vs机器学习vs深度学习:概念辨析
人工智能·深度学习·机器学习·ai
财经资讯数据_灵砚智能2 小时前
基于全球经济类多源新闻的NLP情感分析与数据可视化(日间)2026年4月14日
大数据·人工智能·python·信息可视化·自然语言处理
code_pgf2 小时前
2025年的大模型论文的经典性
人工智能·transformer
DeepModel2 小时前
通俗易懂讲透 Mini-Batch K-means
开发语言·人工智能·机器学习·kmeans·batch
xiaoxiaoxiaolll2 小时前
数据驱动下的人工电磁材料逆向设计与智能优化研究
人工智能·学习
xiaotao1312 小时前
01-编程基础与数学基石: 常用内置库
开发语言·人工智能·python
小程故事多_8010 小时前
Agent+Milvus,告别静态知识库,打造具备动态记忆的智能AI助手
人工智能·深度学习·ai编程·milvus
code_pgf10 小时前
Llama 3详解
人工智能·llama
ComputerInBook10 小时前
数字图像处理(4版)——第 3 章——(图像的)强度变换和空间滤波(Rafael C.Gonzalez&Richard E. Woods)
图像处理·人工智能·计算机视觉·强度变换和空间滤波