关键要看你的需求而定。
如果你对于另一半的某些特质有近乎偏执的需求，那么就值。
反之就不值。

你可以简单的理解为两万买 5 个符合你个人要求，且在日常生活中很难相遇的人的见面权+5 次包装服务。
举个例子，我的一个发小他的要求就是女方必须得是音乐老师，某相亲公司最终就真的给他搞定了。

当然，这个圈子的脏事也不少，比如最简单的婚托、类似翟欣欣的骗婚，还有工厂式批量包装的名媛等等。

需求变更 /沟通不足是普遍存在的。一个没有软件工程 /软件开发经验的人，他很难通过几张 UI 图就“联想”出最终效果，以及判断与其心理预期之间的区别。甚至行业内都不行。

只要工期正常延展，工费 /定制费正常支付，他愿意改一辈子我都可以陪着。

@zqlcrow #28 写一个方法也是编程。
如果你把编程定义为：“给我写一个淘宝” = 上线，那你赢了。

1 、编程其实一直遵循着语言、框架制定的一种普世方法论。具有很明显的统计学特征。
2 、编程很大程度上是重复性的逻辑抽象工作。抽象出来无非是条件+顺序+展现。一样具有统计学特征。
3 、编程实现的业务，很大程度上也都是重复的。同样具有统计学特征。

所以，目前的机器学习 AI 确实可以编程。而且其统计学特性极其适合编程。

应聘和相亲是一个道理，是一个双向选择的结果。
所以请摒弃象牙塔思维，不要以一个“我哪错了”的角度来审视自己的应聘结果。

你有权拒绝入职通知，同理，对方也有权认为你不合适自己的职位。

小剐蹭在车的本身价值上其实是赚的。你可以理解为免费帮你更换了新配件。大事故（伤了 A 、B 柱，严重追尾影响框架性能等）除外。

但时间成本以及通勤成本确实是损失了，但这也是说得通的。假设无责方稳赚，你猜路上交通会演化成什么？

在我看来，“终端决策 AI”在战争中根本不存在。因为军人的本职就是服从。个人意志在战争中是个负面产物。

所以无需微观控制，只需作战目标的的“AI 坦克”“AI drone”这种东西其实是不会存在的。

AI 在战争中真正起到的效果是一头一尾。头是整个战役，甚至是战争层面的预测和精算推演。以及战术策略建议。

尾是通过 ai 生成的模型大幅度的提升锁定、识别、姿态控制等子系统的效率。

“那么对于文身的女孩来说，只有 5/(5+9)≈35.7%的概率是坏女孩”
那么对于不纹身的女孩来说，只有 5 / (81 + 5)≈5.8%是坏女孩

楼主搞错了判断标的。普世价值需要的是“好女孩”，而不是“纹身”。
一个按钮 35%的概率中奖，另外一个按钮 5%的概率中奖，只能按一次，你按哪个？

做 app 的目的是什么？
壮门面？引流？还是当平台？

如果是装门面，可以找外包平台做一个假的。
如果是引流和当平台，劝你放弃。

btw：楼主列举的“好处”与“坏处”，只有“不会被强打断”与“时效性不足”和异步交流有关，剩下的都不是“异步沟通”的必然结果。

比如，同步沟通必然没有痕迹么？同步沟通的信息量更小么？同步沟通会降低曲解概率么？
我均持反对意见。

异步沟通当然好了，代价就是效率指数级下降。
原本 5 分钟能定下来的事，可能 5 小时，甚至 5 天都定不下来。

而且因为每个人都有充足的思考与策划空间，会导致极限拉扯。

换句话说，目前的机器学习 AI 与应用程序之间，并不是替代关系，而是互补关系。
前者专注准确与稳定，后者专注宏观与探索。

这就像是传统机械与人之间的关系一样。

以现在的算法、算力来看，其模型的输出正确性要远高于“丧失了稳定性”这个底线。尤其是某些垂直领域的模型。既虽然输出的结果不同，但结果并不会 180°转向。

而且目前的机器学习 AI 恰恰擅长解决没有“绝对正确”，不可过度量化的领域。这也是传统计算机程序最贫弱的部分。

1 、这些领域常年被一些泰斗、权威以一些不可证伪的方法论占领着。（非贬义，只是某些领域的头部，方向有可能是错误的，统计学 AI 恰恰能戳破这点，比如说一些围棋棋谱）
2 、目前比较火的 ChatGPT ，也恰恰是解决非“绝对正确”的领域，也就是聊天。相对的，也有更加尊重事实正确（输出也更加稳定）的 Copilot 。
3 、目前的 AI 模型，给了一个普通人获取统计学层面的建议结果的机会。这是过去的计算机程序与人类脑力都从来没有达到过的决策参照水平。

系统安全，是要有一个场景前提和既定目的的。
并不是所有的框架设计，首要目的都是“绝对安全”。因为这样成本太高，而且适应面太小。

书归正传，https 就是一个针对传输领域的安全协议，他只负责传输层面上的安全，而且是相对安全（破解成本大于破解后的收益）。

chrome 的部分设计确实相对比较激进，或者说懒散。但其依然遵循的是“相对安全”和“场景设计”这两个原则。
比如楼主举例的“明文密码”，“明文 ssl”，其安全逻辑和现实中的钥匙链没什么区别。

如果能接受裤兜里揣钥匙没问题，那么理应来讲 PC 中存明文也没什么问题。

领域不同。基于 AI 模型开放的 API 进行开发，是应用开发。门槛低。反之楼主描述的是计算机科学、统计学和数学领域的产物。门槛高。

定义模糊。什么叫“AI 生成物”？ AI 生成了，我再润色一下算不算 AI 生成物？文字产物润色多少个字、图片润色多少个像素算呢？

当然，也有反例。

比如一般中文语境下的脏话，都会用“逼”这个字。
这是明显的“共识”，但“错误”。

@tool2d #7 个人理解这个“正确”，并不代表着宇宙真理，而是人们的认知正确，或者说共识正确。
“正确”的内容，最终大概率会在统计学上占优。

所以 @cest #5 聊的投毒，就和区块链的 51%攻击一样。有可能，但没必要。

教育行业应该要针对教材和知识信息，特异化训练一个 TeacherGPT 才行。就像 Copilot 之于编程行业一样。

目前的 ChatGPT 因为要聊天，所以更为重视上下文、语言通顺以及逻辑正确。针对“事实正确”的拟合度太低了。