Terence Tao用AI复活1999年的Java Applet
Old and new apps, via modern coding agents by Terry Tao
从1999年开始，我就一直对用机器辅助数学教学充满兴趣，当时用Java 1.0写了不少Applet，但随着网页标准变迁，这些程序早已无法运行。最近，我尝试用现代AI编码助手将这些老代码迁移到JavaScript，结果仅用几小时就让它们重新焕发生机，甚至实现了图形升级。更惊喜的是，AI不仅修复了旧代码，还帮我实现了当年因复杂度太高而放弃的狭义相对论可视化项目。虽然LLM生成的代码可能存在小bug，但对于非核心功能的可视化辅助工具来说，这种风险完全可控。这次实验让我相信，未来我可以为更多论文添加由AI辅助生成的交互式可视化补充材料。
虽然基于LLM的编码助手可能会生成各种明显或隐蔽的bug，但在移植这二十多个Applet的过程中，我只发现了一个小错误，而且AI还帮我识别出了原代码中两个我从未注意到的问题，所以在代码质量方面最终算是打了个平手。
- 有评论者指出，从'大脑无魔法'推导'ANNs 必达 AGI'是巨大的信仰跳跃，忽略了能量、训练数据和架构等现实限制，理论上的函数逼近并不等同于工程上的可行性。
- 一位开发者分享经验称，利用 LLM 'vibe coding' 已能构建出个人日常使用的实用工具，并预测未来一两年内将能生成媲美当前复杂应用的服务，即使开发者不完全理解底层原理。
- 有观点反驳了'信任'在 AI 编程中的绝对性，认为对于非核心、低风险的'nice to have'功能，使用 AI 生成代码是合理的，且雇佣顶级专家（如 Donald Knuth）未必比 AI 更适合所有场景。
- 评论者强调，LLMs 的崛起将赋能大量具备领域知识但缺乏编码能力的聪明人，正如 Terence Tao 也会遇到代码复杂度瓶颈，AI 能有效降低这一门槛。
- 有从业者观察到，开源替代品的优势在于可 Fork，而商业软件厂商为回收成本往往会导致产品逐渐变差，这可能导致企业将 SaaS 服务转回内部自建。