Redis之父：AI 水平不錯(cuò)，但遠(yuǎn)落后人類(lèi)智能，開(kāi)發(fā)者跟評(píng)：業(yè)界存在大量能力較弱的開(kāi)發(fā)者，許多情況下，AI可以超越他們
Redis 之父 Salvatore Sanfilippo 近日分享了自己的一次研發(fā)經(jīng)歷并直接表達(dá)了自己的觀點(diǎn)：人類(lèi)程序員仍比大模型更出色。
“因?yàn)槲覀兡軌蛘嬲蚱瞥Ｒ?guī)、設(shè)想出一些奇特且并不精確、但就是更有成效的解法，而這對(duì)大模型來(lái)說(shuō)則極其困難。”
Antirez 的分享迅速引發(fā)廣大開(kāi)發(fā)者的激烈討論，博客地址：https://antirez.com/news/153
Antirez：AI 水平不錯(cuò)，但遠(yuǎn)落后人類(lèi)智能
“今天我要分享一個(gè)人類(lèi)為何仍比大語(yǔ)言模型更有優(yōu)勢(shì)的小故事。
我并不反對(duì) AI 或者類(lèi)似的技術(shù)成果，持續(xù)關(guān)注我的朋友都知道。我經(jīng)常用大模型，現(xiàn)在也一樣。
之所以會(huì)有這段故事，是因?yàn)槲蚁霚y(cè)試自己的想法、進(jìn)行代碼審查、看看 AI 會(huì)不會(huì)有比我更好的靈感、探索點(diǎn)專(zhuān)業(yè)范圍內(nèi)的更多可能性之類(lèi)。”
Antirez 在開(kāi)篇寫(xiě)道，并直接拋出了結(jié)論：
總之，我得出的結(jié)論是：雖然目前的 AI 水平不錯(cuò)、頗具實(shí)用性，但仍然遠(yuǎn)遠(yuǎn)落后于人類(lèi)智能。我知道這是個(gè)很有爭(zhēng)議的結(jié)論，容易在網(wǎng)上挨噴，但……我的感受就是如此。
但即便如此：當(dāng)前 AI 水平雖然實(shí)用且出色，卻仍與人類(lèi)智能有著驚人差距。鑒于近來(lái)已無(wú)法進(jìn)行理性討論，我認(rèn)為有必要強(qiáng)調(diào)這一點(diǎn)。
并且他還給出自己使用 AI 的經(jīng)歷……
最近 Antirez 正在為 Redis 開(kāi)發(fā) Vector Sets，打算修復(fù)一個(gè)復(fù)雜的 bug：在離開(kāi) Redis 期間，Antirez 的同事們引入了防止數(shù)據(jù)校驗(yàn)通過(guò)但 RDB 和 RESTORE 負(fù)載損壞的功能。
此功能會(huì)默認(rèn)關(guān)閉，只是為需要的人多提供一層更強(qiáng)的安全保障。
但有一個(gè)比較大的問(wèn)題：為了讓 HNSW 能夠快速保存到 Redis RDB 并加載回來(lái)，Antirez 序列化了 graph 表示，而非元素—向量對(duì)，否則就得把數(shù)據(jù)重新插入 HNSW，這會(huì)把速度拖慢 100 倍！總之，Antirez 將各節(jié)點(diǎn)與其他節(jié)點(diǎn)間的所有鏈接存儲(chǔ)成整數(shù)，然后把它們解析成指針。
這是個(gè)很實(shí)用的技巧，效果也不錯(cuò)。然而，在將這種處理方法跟表示的隨機(jī)損壞、還有 Antirez 對(duì)于 HNSW 的改進(jìn)結(jié)合起來(lái)，強(qiáng)制各節(jié)點(diǎn)間建立互換鏈接（Antirez 自己編寫(xiě)了 HSNW 實(shí)現(xiàn)，其中包含許多有用的功能，但不少功能的實(shí)現(xiàn)都離不開(kāi)互換鏈接）時(shí)，則可能發(fā)生以下情況：
- 加載損壞的數(shù)據(jù)，該數(shù)據(jù)表明 A 鏈接到 B，但 B 不再鏈接到 A（節(jié)點(diǎn) ID 損壞）。
- 刪除掉節(jié)點(diǎn) B：由于互換性發(fā)生違反，Antirez 和同事們不會(huì)清除從 A 到 B 的鏈接。
- 之后在掃描該 graph 時(shí)，一旦到達(dá) B 時(shí)就會(huì)遇到 A：釋放后重用……
因此在加載數(shù)據(jù)之后，Antirez 需要檢查每個(gè)鏈接是否互換。在一般情況下，結(jié)果應(yīng)該是 O(N^2)，代表著對(duì)于每個(gè)節(jié)點(diǎn)，開(kāi)發(fā)人員需要掃描所有層級(jí)、在每個(gè)層級(jí)上掃描該節(jié)點(diǎn)的全部鄰居，再通過(guò)掃描該層級(jí)的鏈接來(lái)檢查其是否同樣鏈接至該節(jié)點(diǎn)。
“這顯然不好。盡管如此，在驗(yàn)證自己思路的可行性過(guò)程中，Gemini 仍然發(fā)揮了重大作用。所以……我或許應(yīng)該把它當(dāng)成一位‘足夠聰明的副手’看待，在討論中逐步摸索出更好的答案。”
開(kāi)發(fā)者：盲目自信的“AI 橡皮鴨”
“這與我的體驗(yàn)相符。實(shí)際上，我覺(jué)得大模型助手對(duì)我來(lái)說(shuō)很大一部分價(jià)值在于，它像一個(gè)有一定智能的‘橡皮鴨’一樣可以與我交流。
現(xiàn)在這個(gè)‘鴨子’偶爾還會(huì)提出異議，甚至有時(shí)還能幫我完善思路。”
小黃鴨調(diào)試（rubberducking）是一種通過(guò)用口頭或書(shū)面自然語(yǔ)言清晰描述問(wèn)題來(lái)調(diào)試代碼的方法。
其名稱(chēng)來(lái)源于《程序員修煉之道》中的一個(gè)故事，故事中程序員會(huì)隨身攜帶一只小黃鴨，強(qiáng)迫自己逐行向鴨子解釋代碼，以此來(lái)調(diào)試代碼。
“我也有過(guò)類(lèi)似的想法”有其他開(kāi)發(fā)者贊同道，“在結(jié)對(duì)編程時(shí)，有一個(gè) AI 橡皮鴨可以讓你傾訴和交流想法會(huì)很棒（這樣你就不會(huì)在同事面前顯得很笨，也不會(huì)浪費(fèi)他們的時(shí)間）。
”這個(gè)開(kāi)發(fā)者做了一個(gè)支持自帶 API key 的 VSCode 插件，它使用了 OpenAI 的實(shí)時(shí) API，可以和一個(gè)橡皮鴨進(jìn)行互動(dòng)式語(yǔ)音對(duì)話。
可以看出，一些開(kāi)發(fā)者已經(jīng)可以把大模型當(dāng)編程助手看待，但這個(gè)助手仍然讓人“鬧心”。
“這是一只極其自信的鴨子，其自信程度與它的能力完全不成比例。
我已經(jīng)看到太多的人因?yàn)榕c它交談而誤入歧途。”開(kāi)發(fā)者 marcosdumay 指出。
有人跟貼贊同道，“這正是我很快關(guān)掉 JetBrains AI 助手的原因：多行補(bǔ)全功能?chē)?yán)重干擾了我的思路，尤其是當(dāng)它提供看起來(lái)正確、實(shí)際錯(cuò)誤的建議時(shí)。
為了判斷這些建議是否正確而停下來(lái)分析，會(huì)徹底打斷我的思路。”
還有開(kāi)發(fā)者表示，大模型對(duì)其來(lái)說(shuō)不是“橡皮鴨”，而是“錯(cuò)誤答案”。
“我讓大模型做一些簡(jiǎn)單但繁瑣的事，它卻錯(cuò)得離譜。然后我被氣得不行，都有勁兒自己動(dòng)手干了。”
如下是一些開(kāi)發(fā)者對(duì)博客的評(píng)論：
在這里，碼哥也分享一個(gè)同事使用 AI 學(xué)習(xí) Redis 的經(jīng)歷。
張無(wú)劍居安思危，想系統(tǒng)化的學(xué)習(xí) Redis 技術(shù)，提高自己的競(jìng)爭(zhēng)力。網(wǎng)絡(luò)上鋪天蓋地的宣傳 ChatGPT 強(qiáng)大，就計(jì)劃用 ChatGPT 來(lái)梭哈一把。
在詢(xún)問(wèn)之前，張無(wú)劍花了很多時(shí)間研究如何更好的給出提示語(yǔ)，因?yàn)闆](méi)有好的提示語(yǔ)，ChatGPT 給出的答案可能有點(diǎn)智障。
張無(wú)劍再次絞盡腦汁想了一個(gè)提示語(yǔ)喂給 ChatGPT。
假如你是一個(gè)資深 Redis 7.0 技術(shù)培訓(xùn)老師，我是你的學(xué)生。我根據(jù)上文你列出的學(xué)習(xí)目標(biāo) “Redis 基礎(chǔ)入門(mén)”，學(xué)習(xí)內(nèi)容為“Redis 數(shù)據(jù)類(lèi)型 List 底層實(shí)現(xiàn)原理和實(shí)戰(zhàn)技巧” ，我的目標(biāo)是掌握這些數(shù)據(jù)類(lèi)型的底層實(shí)現(xiàn)原理和實(shí)戰(zhàn)技巧，原理講解要深入一些，我的目標(biāo)是成為 Redis 高手。
張無(wú)劍內(nèi)心嘀咕道：這也太簡(jiǎn)單了，看起來(lái)好像說(shuō)明了底層原理，但就總覺(jué)得好像還不夠深入，只能大概了解 Redis 的 List 數(shù)據(jù)類(lèi)型，根本成不了 Redis 高手，花了這么多時(shí)間，就這？？？
不要過(guò)度依賴(lài) AI
張無(wú)劍遇到的問(wèn)題在于以下幾點(diǎn)。
- 無(wú)圖無(wú)真相，無(wú)法理解 List 底層有兩種數(shù)據(jù)結(jié)構(gòu)（Linkedlist、Ziplist）到底是啥樣的。
- 無(wú)法理解為什么 List 要用兩種數(shù)據(jù)結(jié)構(gòu)（Linkedlist、Ziplist）保存數(shù)據(jù)。
- 語(yǔ)言生硬，也就是從我們說(shuō)的 AI 味太沖，學(xué)習(xí)本就是件痛苦的事情，在這樣的枯燥文字中還如何學(xué)得下去。
- 最大的問(wèn)題在于不知 ChatGPT 的回復(fù)到底是不是對(duì)的。
- 還要花費(fèi)大量時(shí)間來(lái)調(diào)教 ChatGPT 糾正錯(cuò)誤，可本身自己是來(lái)學(xué)習(xí)的，如何做到糾正呢……
看到張無(wú)劍使用 ChatGPT 來(lái)學(xué)習(xí) Redis，快急死了。因?yàn)?ChatGPT 回復(fù)的內(nèi)容存在錯(cuò)誤！再繼續(xù)學(xué)習(xí)下去的話怕是容易走火入魔！
