有时候觉得调AI和调机器学习或者搞控制工程（算法）挺像的，大模型就是一个复杂的、非线性、高维带随机扰动的黑箱系统。以目标模式（本质上还是提示词）为例，通过自动的Prompt和反馈不断修正系统输入，使输出逐步逼近目标结果。整个过程本质上是在最小化误差，并追求更快的收敛速度。既然可以（我前面的论证其实不是很充分）将大模型的使用给抽象成控制工程，那就可以尝试不同的控制框架，以获得更快的收敛速度。

由此不难得出（没有严谨论证过）：AI迭代速度较慢（如使用大量闭源仪器/软件）的领域可能难以被AI替代（是否被替代也不是核心了，主要是找到个人价值锚点）。想起之前说过，ML工程师比较难被AI替代，但我感觉既然能抽象出训练集验证集，同时迭代速度也快（if算力无限，我相信LLM的训练时间会越来越短），没理由AI无法代替ML工程师。