Tohle je pravda. Taky nepozna jestli ma vic verit aktualnim nebo vetsinovym informacim a je velky problem s tim, ze si vzdy vymysli nejakou verohodnou odpoved, ktera je vetsinou spatna. Asi jako mizerny, nekvalifikovany novinar, prekladajici pro nejaky web clanky a zpravicky, kterym skoro vubec nerozumi (nejlepsi jsou clanky jak vydelat penize na ChatGPT, ktere vypadaji, ze ChatGPT pise)
Ale jsou situace, kdy se to fakt hodi. Ja tomu dal treba optimalizovat C++ kod pomoci AVX instrukci. Jestli byl vysledek spravny nevim, musel jsem zadani zjednodusit. Ale byl jsem podle toho schopen napsat spravny kod asi za 15 minut s jednim dotazem na google (reference avx) a nemusel resit jakou instrukci rozkopirovat 1.0f do celeho registru, jak je scitat, nasobit, kopirovat do/z pameti. Stejne tak se to hodi na to, jak napsat nejakou jednoduchou funkci s pouzitim numpy (ktere moc neznam). Ale vzdy clovek musi vicemene spravny vysledek znat a nesmi se nechat zmast tim, ze obsahuje tezko postrehnutelne chyby a dopousti se ruznych zjednoduseni.
Podle me, kdyz clovek akceptuje nedostatky, tak je to schopne generovat velmi dobre ruzne sablony, kterymi se da inspirovat (napis reseni kvadraticke rovnice v texu, vygeneruj svg obrazek dle zadani, co dela tohle makro v cmake souboru)