从一个意外说起:
丢给chatGPT一篇文章，让其翻译。但是没有及时检查，好家伙，自个不知道怎么关联的，根本和英文文档对不上。看了翻译的内容后，在聊天上下文找了半天也没有找到相关的线索。最后直接问ChatGPT，它翻译的文件是什么？ 它说了一个名字。一看又是在胡说八道。
其实我想让翻译的是另外一个文件，两个个文件八杆子打不着。
随着大模型的越来越卷，生成式人工智能在生成文字，图片，视频，编写代码，绘制工作流，甚至出书等等方面能力不断增强，似乎很多人开始相信其拥有的“涌现”能力。但回归到现实中，我们看一下。
首先，AI 不会自己构建东西，不会训练模型，不会编写 Python 脚本，不会构建 KNIME 工作流，只是因为。它需要被告知如何构建以及如何构建。在Dennis Ganzaroli 的文章中，作者必须给出任务，然后不断完善，直到结果符合他的预期。即使在使用 AI 作为支持时，项目所有者仍然需要在后续步骤中描述整个过程：构建什么、如何构建、从哪些数据构建等等。
其次，AI 不会检查正确性。AI 提供结果。评估结果是否正确不是其任务的一部分。AI 仍然需要专家用户检查正确性：检查数据科学的正确性和业务的合理性。为此，我们需要一个熟练的最终用户，他知道必须实现什么以及如何实现。
如果结果不正确或与提示的任务不符，最终用户需要通过更好的提示来完善它，或者手动添加缺失的部分。这直接引出了第三点：AI 模型的微调。现在出现了一种对 AI 模型进行微调的趋势。为此，你肯定需要数据科学家。
继续将人工智能生成的图像与平面设计师进行比较，人工智能可以生成各种图像。但是，只有最终的平面设计师才能验证图像质量并在必要时帮助改进。最近，我看到了太多丑陋的图像，当人们告诉我它们是人工智能生成的时，它们并没有得到改善。能够用人工智能生成图像并不意味着你就是平面设计师。能够纠正和改进它们才是。
也许随着AI能力的增强，上面的问题会得到改善和解决，但是主宰世界的永远会是人类。人类可以决定它的走向，当然也就能更好的让其为人类创造价值。