到了解法，那么这些解法，稍加变换，应用到类似问题的解决上，这种事就并非不能用ai来完成。
与此相比，从前述的“认识，分析与改造”过程中，提炼出新的问题，并独创性的给出解决方案，才更加困难。
人工智能的前沿动向，坦率的讲，方然并不甚了了，但是他也知道，目前的研究热点集中在所谓“仿生”，从“人工神经网络”到“学习体系”的诸多分支，都试图模仿人脑的学习和演化过程，也就是用庞大而复杂的电路，通过自组织、混沌演化的方式，模仿人的智力获取与提升过程。
但对于aiasg，原则上，并不需要这些高深的架构才能实现。
计算机网络中的软件，浩如烟海，真正归纳起来的种类却并不多，绝大多数软件要应付的问题，性质都彼此雷同，尤其在核心网与服务器上运行的后端程序，对接的都是其他计算机，几乎没有人的因素。
这样的软件，一言蔽之，面对的问题、和解决的算法，都具有高度的规律性。
“国际商用机器”公司的aiasg系统，具备极高的复杂度，依托于巨型计算机的100pflops级（每秒一万亿亿次）算力，对给定的系统要求，可以自动生成、部署与维护特定的软件系统。
这且不算，按方然查到的资料，这aiasg分明已演化到了2.0版本，在生成软件的过程中，几乎完全跳过了“编程”这一环节。
想一想也是，编程，程序设计语言，这些东西都是人才会用到。
软件自动生成软件，整个过程，完全在计算机系统和网络中进行，摆脱了繁琐而低效的人机界面，软件中的指令，自然也不必再仰赖“程序设计语言”这种人与计算机的交互工具，即，跳过了“编译”、“解释”环节，而从算法直接生成机器码。
同样是“制造”软件，ai的做法，和人大不一样，这引发了方然的高度关注。
作为新兴事物，aiasg生成的软件，可想而知一开始的效率比较低下，还会包含若干逻辑与流程层面的缺陷，这一点，与人类主导的软件工程并无二致。
但是接下来发生的事，就有点可怕：
与人类的工程组织协调能力不同，aiasg的软件迭代速度，超乎想象。
软件迭代，一个稍显专业的软件工程术语，说白了就是在开发、或运维过程中，对有瑕疵或缺陷的软件进行改进，这种事说起来容易，却往往占据了软件公司的大部分项目预算，即便钱