我的天

如果光靠吹吹就可以把事情做好的话，我觉得这个世界没有人类什么事情了，因为AI非常擅长吹水，而且擅长长篇大论吹水，s输出的内容貌似很真实，但实际上可能有很多歪理或者狗屁不通。之所以觉得那些东西可能是通的，非常有可能是你根本不了解不懂得那件事情，所以从你的逻辑判断，那个是合理的，但当你较真起来的话，会发现根本不是那么回事。我不知道有多少人已经意识到了根本不是那么回事。如果那个人发现AI出来的东西不靠谱，肯定是因为他已经提前思考过了，又或者他问的那个问题本来他就非常有把握，他不过是故意要考察一下AI而已。

我觉得现在绝大多数人使用AI都是为了可以让那个东西帮自己完成任务，完成任务就行了，才不管那个问任务是不是真的做到位了，又或者做得好不好，他们仅仅是为了交差。如果人人都是那种思维，只要做了就行，不管对错，这个社会会变成什么样子呢？每每想到这一点，我觉得实在太可怕。从我的观察看来，我身边的人又的确又经常性习惯性地做这种事情。越是懒惰的人，越是喜欢干这种事情，而那些懒惰的人倒不是因为就短视频刷的那些各种广告那样，是他们聪明不开窍。不管他是不是聪明，他一直不开窍就意味着那就是一个笨蛋，他自己不知道那件事情该怎么做，纯粹把这个主动权让给了AI，但是他们不知道AI把他们耍了，AI不觉得它耍了这个提问的人，因为它的风格就是这样的。AI就是一个舔狗，它会尽量用讨好你的方式去回答问题，但实际上你的观点未必是对的，所以为了故意讨好你那个结论可能也不是对的。因为自己不懂不会所以找AI，AI实际上出来的结果也是胡编乱造，接下来就是上级或者领导收到了你那个看上去很真实际上很假的玩意，他们让一些人继续进行加工处理，那些人继续使用AI进行各种润色。到头来我就问一句，到底什么东西是真的呢？我无法接受这些，因为我是一个很较真的人，一直以来我都脚踏实地，自始至终奉行一步一个脚印。

之所以这么干，是因为一直以来我都是做最基础的工作，所以我面对的是事实的本身。所以我可以理直气壮地对那些最基础的东西进行加工处理。如果源头的东西也弄虚作假，我觉得这个世界没有我什么事了，因为我不干这些。

领导喜欢那些东西又或者他们觉得还不错的那些东西是逻辑混乱不断堆砌完全没有意义的吹水话，我觉得这里根本没有我什么事。因为我的大脑会自动过滤掉那些毫无意义的东西，等于他们什么都没说。以前这种现象并不显著，现在这种现象已经成为了主流。我自然会变成非主流，也就是被排斥的那种。显然我绝对不是那种为了融入主流而改变自己信仰的人，我的信仰不是什么宗教，而是求真务实。

吹水对我来说毫无意义。

有时候我还真不明白，为什么现在大家把AI吹得那么牛逼。因为就是我的使用体验而言，我觉得在写代码的时候，AI真的是挺糟糕的.我用的AI是Deepseek。

理论上无论我用的是什么AI，它们都应该是写代码的高手，无论是写什么类型的代码都应该没什么问题。我这么低端的用户，也不会提出一些什么高端的要求，但事实证明，不知道是我提要求提的不够精准还是怎么着，反正出来的结果我个人感觉基本上没有一次就能符合我的要求。有些时候的确能接近生成我想要的结果，但更多时候那串代码当你复制下来运行的时候会发现根本运行不了。对一个什么都不知道的小白在代码运行不了的时候可以怎么办呢？换一个AI继续提问继续复制粘贴？但如果这个AI有问题，其它AI会不会也有问题呢？为什么人家觉得那个玩意那么神奇，但我自己的使用体验却那么差呢？是不是因为AI已经判断出我这个人是个挑剔的完美主义者，所以故意给我些有瑕疵的东西？每一次都有瑕疵，每一次的瑕疵都说不准在什么地方，幸好绝大多数情况之下，我要的不是AI的全过程，我只是要参考一下它的思路而已。当我要求它给我写某个代码的时候，实际上我更看重的是它用什么途径，而不是它的代码具体是什么。如果它的代码能顺利运行，那当然好，但实际上我感觉一次性就能成功运行的几率可能不足10%。

当我给出一串数字，要求它给我做数据分析。噼里啪啦一大段字很牛逼，一贴进去发现根本出不了结果，仔细看Python的那些错误代码，原来一开始那个屌丝把原始数据都给我整没了一些，因为长度不对，所以整不出结果。我要用Excel的公式实现某些功能，的确噼里啪啦有好多个方案。有些方案一看就直接可以忽略，因为又长又臭，另外一些我感觉有些希望的却发现到Excel里面同样也是出不了结果。至于为什么我也不去纠结了，我直接去研究这些方法的思路到底是什么。我让它用Power Query，也就是M语言给我实现某个功能，结果发现把那堆代码贴到高级编辑器，甚至都无法按确定提交，因为显示语法错误。那个编辑器是一个神经的存在，说语法错误，但定位的那个点实际上没有问题，但那个问题到底在哪里，你得人肉上下文去找。我使用的通常是对半检索法，首先留一半，然后一半的一半。理论上是这么找的，但实际上后面某些功能不要我觉得都无所谓，所以我只要找到那些我需要的就可以了。最终发现，某个用了函数的地方，理论上应该是“=>”。DS给我的代码是“->”。如果这份代码是由图片识别过来的，出现这种等号变成减号，我觉得可以理解，但显然这种事情怎么可能发生？！对一个什么都不懂的人来说，你叫他怎么可能人肉找得出这样的低级错误呢？！那个代码除了那个等号变成了减号以外，最后的结果还有一些无厘头的数据合并，那些数据在前面几个步骤里面已经不复存在了，在最后那个步骤又突然间被提起，真牛逼！

在这种情况下，说AI可以取代人类完成编程，我觉得起码暂时是不行的，尤其是要实现一些高度定制的功能的时候。

AI这东西是很火，但是经过我几天的深度使用以后，又或者说只是对数据分析这个频繁使用以后，Deepseek我越用越恼火。

在完全不知情的时候，你把数据丢给它，它噼里啪啦地发给你一大段东西，感觉很牛逼，但这只是看上去。是牛逼还是傻逼得由你自己去判断，因为那一大段话可能都是扯淡，又或者可能只有一半是对的。这个对与错，首先第一是分析方法选得对不对，分析方法都选错了，也就是方向都不对，也就没必要讨论往后的那堆废话。如果分析方法是对的，但是针对那个结果出来的描述方向却跟你料想的不一致，于是等于只对了一半。自从发现它会乱用方法分析以后，我就开始对它保持怀疑态度。

理论上它的可视化图片生成应该没什么问题了吧？但关键是它就像秀肌肉一样，噼里啪啦地又给你一大堆东西，但你只是想要拿个图来看一下，发现一下规律是不是直观，仅此而已，所以这只是一个测试性的观望，但它就是要给你很多图，组图有，单图也有，同一个图给你好几种款式。简单来说就是让你目不暇接，让你选择困难症。实际上对我这种只是要看一下效果的人来说，可能那些都不合适，我也就没必要花那么精力在某种图或者某些图上面挑选着各种款式。它只知道这组数据通常可以生成这些图，但哪些图最合适还是要由我们自己判断，有可能什么图都不合适。我不知道它为什么有这种回答思路，比如说对某种数据，我要求它给我做个箱形图，你给我做个最简单的就行，然后我就知道我用不用得上。如果我觉得我用得上，我会继续给你提要求说标签是什么，坐标轴是什么，网格线之类的具体要怎么整，但是在提出箱形图这个要求不要搞其它的情况之下，一下子就给了我四个并一个的主图，两个单独大图，用的都是同一组数据，你搞得眼花缭乱，到底要干什么呢？是要我在ABCD里选一个吗？但是你ABCD全部都写在一个脚本里，对小白来说。还要我去判断保留哪些删除哪些。我感觉这波操作是画蛇添足的。估计下一次再提要求的时候，我就要写明要一款箱形图就行了。

作图也好，统计分析也好，最重要的是数据得准，但这几天用下来，我发现一个很严重的问题。无论数据是从Excel表格上传的，还是直接从Excel里复制粘贴过去的文字，作图的时候如果用的格式化是多个列表，通常告诉我。字段长短不一致，无办法操作。为什么会不一致呢？不可能不一致！一开始的时候，我觉得是我的问题，但后来我发现当我把数据整理，然后跟DS格式化之后的那些数据对比，发现居然少了一个或者少了好几个，为什么居然会有这种事情呢？数据获取不准，分析结果毫无意义，作的那些图什么用都没有。如果说图给你好多款，你只留一款，你还能自行删减，但一波数据给它之后，它只给你格式化了部分，接着就给你结果，这个很可怕。我不知道有多少人意识到了这个问题。我不知道是不是这种东西如果你买高级会员就没有这种烦恼。当我发现了这个问题以后，我就明白到，数据给它，顶多是让它给我个建议用什么分析方法。数据源还是得从自己电脑的Excel表里面用Python去实现。一开始我不明白为什么给出的代码运行出来的结果跟DS直接给结果的数值不一样。后来我发现这个字段长度不一致的问题以后我就明白了。另外一个很神经的，还有中国人的图表肯定有中文，但是它默认给我的执行代码生成的图表中文全部是方框，要解决这个东西也很简单，就是要进行中文字体的前置设定。但牛逼的是每一次默认生成的那个代码，运行结果中文永远是方框。我都被你大数据了，你知道我是在哪里使用，你知道我处理的数据有中文，你回答我的那些所有自动生成的文字也都是中文，你怎么就觉得Python生成的那个图可能不需要特别支持中文字符呢？

综上所述，无论是数据的完整性，还是图表的合适度，Deepseek离合格的要求还很远。

我一直都觉得新手的运气，这个说法非常对，因为从我的经验看来的确就是这么回事。

今年的统计分析我想有所突破，想从以前的可视化跟分析更进一步，又或者准确地来说，从以前一般的可视化分析上更进一步。我需要做一些专业判定的统计分析，但是要做什么统计分析、怎么去做？在我的本科课程里，只略微说到，并没有详细铺开。我的老师在那里略微说的时候，实际上我没有完全搞懂到底什么意思。理论上如果我还继续读研究生，还继续读我这个专业，硕士的课程里就有科学统计。我觉得那个东西无论是在我的专业还是在其他的专业都是通用的。

这一次当我和数据不断打交道之后发现分析方法的确就那些，但经典的科学统计分析方法尤其是针对检验类重复性检验的那些，跟我现在需要处理的那些数据很不一样，数据的数量以及形态很不一样。

比如说如果那是某个实验数据，通过多次重复、通过不同因素排列组合得出来的结果可以直接用那些经典的分析方法套用，最经典的那个是方差分析。方差分析后，还可以针对不同的组合进行进一步的两两分析，最后得出结论。那些分析最终通过查表，直接给出某个值的范围是什么样，给出是一个什么定性结果。但貌似在我记忆之中，20年前老师好像没给我着重说明不同的分析方法的前置条件各自是什么。比如方差分析的前置条件是默认不同组别的数据数据量相等、方差接近、每组数据都应该符合正态分布。符合正态分布，但是方差不相同，会用另外的方法。如果方差跟正态分布都不满足，就只能用非参数的分析方法。所以折腾了一大轮以后，我发现我的数据如果真要较真，只能用非参数的方法。这些是在我折腾了一圈以后才发现的。如果一开始我就有系统地学过科学统计，显然我就不会绕这个弯路，但如果我真没学过，我又能怎么办呢？

当我把两组数据经过脱敏以后交给Deepseek，它滔滔不绝地给蹦出一大堆东西。光看那些文字，你觉得那真的是头头是道，但关键是懂行的人一开始就知道那有毛病。情况就好像是两个人再进行讨论，其中有一个说，月经周期通常是28天，±7天都是合理的，月经量大概是多少，持续时间大概是多少，月经期间会有什么生理反应，可以做什么措施避免那些不良的感受。噼里啪啦说了一大堆，但他报告结束报告之后，发现原来他们需要讨论的对象不是女人，而是老年男性。所以之前那堆关于月经的东西全部都一无是处，可以说是牛头不对马嘴。但你光看那堆东西，又不觉得有什么问题。我觉得Deepseek给我的感觉就是这样，我不知道其它AI怎么样，之所以有这种感受，是因为当我把那组脱敏的数据给Deepseek以后，它给我做了一大通的方差分析和基于方差分析的两两对比，但是当我真的纠结结果以及执行过程的时候，却发现好像我那组数据根本不应该拿去做方差分析。

由此可见，AI牛逼起来的时候真的好厉害，但也不排除它只是在和你瞎扯。

这是一个最好的时代，这也是一个最坏的时代。之所以说好，是因为现在的信息非常多，你可以学到，你想学到任何知识。但之所以说坏，是因为信息量很大，不确定哪些是真的哪些是假的，尤其当有了AI之后。大家基本上不用大脑，直接去问，但出来的那个结果，到底是不是真的呢？又或者实际上那个结果是真假参半的，该怎么判定呢？在没有AI之前，我们要找到某个结果，我们会去搜索，会看到一大堆的资料，然后我们人肉判断哪些是好的，哪些是不好的，哪些是有用的，哪些是瞎编的。现在谁能保证AI给我们的结果一定就是对的呢？

我妈前段时间跟我说，她姐姐现在基本上完全相信AI，什么都拿去问，觉得那个结果就是对的，已经不加判断了。我觉得这是很危险的，尤其是如果你问的那个东西不是一个框架、不是一个思路，而纯粹只是结果的时候。老人最喜欢问什么问题呢？这病怎么治，能不能治好。如果这些问题能简单的得出答案，那么那些苦读多年的医生，也就没必要那么费劲了。

我不知道我妈到底是怎么得出这样一个结论。她觉得癌症病人基本是不可能痊愈的，尤其是那些姑息治疗的。所以说人还活着，还比较正常，算是一个动态平衡的过程，算是控制住了。癌症细胞可能还在，但已经不影响你的正常生活，这其实已经挺不错了。你不可能赶尽杀绝，因为你杀的那些不仅仅是坏的细胞，好的那些也一并被干掉了。这是一个性价比，怎么可以把坏的尽可能干掉，保留住尽可能多好的。但是我的有些亲戚就不这么想，比如DeepSeek红起来以后，他就一直再问我那东西怎么安装怎么用，但实际上我根本没用，我也没安装。他最想问的问题是肺癌能不能根治。如果你一切正常，之前你被诊断有肺癌，但现在那些不好的症状基本已经消失，现在你只需要规律复查，规律进行免疫治疗，这样一个结果，难道还不足以让你觉得满足吗？毕竟在治疗这个肺癌的过程中，你没有进行手术，而且那个时候也不适合进行手术，从年龄及身体状况而言，进行手术的风险很大，而且对他而言可能手术的坏处比益处多。那个时候医生给出了化疗跟免疫治疗方案，让他的身体明显改善，难道这还不够吗？还想要什么呢？毕竟80多岁的人，身体不是这里出毛病就是那里出毛病，这是肯定的。这一次是肺癌，被医生搞定了，或者说压制住了，但下一次还真说不准是什么东西。我妈的结论是，其实人的一生，就是在努力的跟癌症和平共处。癌细胞一直潜伏在人体内，当邪气旺盛的时候，人就被那些东西压垮了、生病了，甚至丢掉性命。都到达某个程度了，有时候纠结那个根本原因好像意义不大，毕竟到了某些关键时刻医生也只能尽力对症下药，见招拆招。

正常情况下，现在的人已经比以前那一辈的人可以多活一倍的时间，我们还强求些什么呢？