由 Daily 近来，我看到一篇文章，我不再写代码，而是雕刻代码，说明了当前程序编码的发展方式。现在很少自己写了，都交给AI编程工具自动完成。而我们要做的，只是将 AI 的输出结果打磨更精细。
而近来，看到一篇讲ai未来的文章，部分内容挺好，这里记录一下
三道短板，决定 AI 能走多远
但落地能走多远，还是得看技术本身能不能跟上。在这场对谈里，Demis Hassabis 谈的不是成本，也不是应用，而是更底层、更难跨越的三道短板：持续学习、长期规划、稳定表现。
这三道短板，决定了 AI 的上限究竟能被抬到多高。
短板一：只能“学一次”，无法越用越聪明
Hassabis 指出，今天的模型，训练完就定型了。无论用多久、遇到多少新情况，它都不会因此变得更聪明，也不会根据和用户的互动慢慢调整自己的判断。
偏偏医疗、科研、制造、金融等专业领域，信息每天都在变。AI 如果无法从实际场景中持续吸收经验，就只能停在“能回答”，很难进化为“能协作”
未来五年，这道短板能不能补上，直接决定 AI 在专业世界的参与深度。
短板二：规划跨度太短，无法完成复杂任务
抛开晦涩的评测跑分，Hassabis 用一个现实场景精准刻画了这种“能力断层”：现在的 AI 可以很快解答一道数学题，却无法像人一样提前规划接下来三个月要怎么推进一个项目。
回答一个问题，AI 做得很好。但把一件事从头推到尾，中间涉及多个步骤和决策，它就容易在过程中跑偏。
现实里真正有价值的工作，从来不是一两步就能完成的。研发药物、制定供应链策略、运营一个大型医院，每一件都要跨越很长的周期，中间环环相扣。AI 只有补上这一块，才真正有能力接手这类复杂任务。
短板三：能力参差不齐，强弱落差太大
AI 能解奥数，却可能在一道小学题上犯错；能写程序，却可能在相似问题上给出截然相反的结果。
企业要把 AI 放进核心流程时，最担心的不是偶尔出错，而是无法预测何时会出错。稳定性不足，是当前大模型最大的不确定来源。这个短板一旦补上，AI 的可信度和可靠性才能真正上一个台阶。
正是这三道短板，让 Hassabis 给出了一个具体的时间窗口：AGI 已经不是遥远的事，5 到 8 年内就可能发生。只要这三条短板被补上，AI 的能力才算第一次接近人类的全面水准。突破点从来不在规模，而在能力够不够完整。
这三道短板补得有多快，AGI 就来得有多快。