你太过于习惯科研训练了，凡事必须先把领域切成丁丁，否则就是不同领域的课题，就
是在偷换概念。做科研我能理解这种习惯，但实际工作中我很不提倡这样。这里的方法
本来就不局限具体领域，面向的本来就是通用领域，事实上这个ai框架是用于自然文本
生成的，说的更直白一点就是一个故事机。用来生成代码只是一种尝试罢了。

然后如果说深度学习是错误的方法的话，那最多也是错误进行时，还不能说这一定是错
误的。基于逻辑推理的专家系统上世纪就失败的很彻底了。大家都承认逻辑、推理、演
绎能力很重要。但最多是认为这是目前方法缺失的环节，是继续改善的方向，而不是像
你这样说因为没有这些所以就是错误。那你倒是拿出个优秀的专家系统的成果出来看看
呀？搞得跟小孩的非黑即白二元脑一样。尤其是最后的哈哈哈，我是不知道你在笑什
么。好歹你开头还是试图表现的像是一点researcher的样子的，希望你能用道理说服
人，而不是讲个哈哈哈的故事。

【 在 siegfried415 (更号2) 的大作中提到: 】
: 1,我之前讨论的问题是程序目的理解和复用，你偷偷地将问题转移到程序自动生成，
这是两个完全不同的课题，不要偷换概念;
: 2，即便说道自动程序生成，在我看来使用深度学习之类的技术是使用了错误的方法
论，自动程序生成的三个必然要素是：a，需求定义描述和理解;b，基于演绎推理的代码
生成;c，程序正确性验证; 这些都需要基于逻辑推理而不是基于概率拟合的机器学习，
这就类似于，如果给你若干行星和它们的卫星的轨道，你或许可以基于经验、概率地预
测出另外一颗行星的卫星轨道，但是你却无法基于概率来设计出一颗登月飞船，为了设
计飞船，你需要等牛顿发明出万有引力定律，然后一步一步地倒推出登月飞船的各个功
能部件、所需燃料的数量以及最佳飞行计划等等。�: 喾矗愕乃悸防嗨朴冢桓鏊降耐
蚰艽肷闪兜ぢ惺淙搿拔蚁氲窃隆保缓笾竿兜ぢ涑鲆桓觥鞍⒉薹纱纳杓啤保残硭崾
涑觥俺院篝嗟牟凰乐┚涂梢缘窃隆保胂刖途醯煤眯Γ哈哈。。�
--
FROM 101.81.86.*