将人工智能整合到软件开发中，正在创造“想象驱动”的输出目标与传统软件自由哲学之间的根本性张力。随着开发者越来越多地使用LLMs来生成代码，重点正从理解系统如何运作转向计算机产生所需结果的能力，无论底层的运行机制对用户是否保持透明。
向结果导向型自由的转变
主要来源《魔法时代的Emacs》指出，人工智能实际上已经颠覆了软件自由的目标。虽然传统的自由强调理解代码，但AI允许计算机执行用户所能想象的任何操作，即使用户完全不知道软件实际上是如何运行的。
Hacker News上的评论者呼应了这一观点，其中一位指出，这个新自由时代的唯一限制是“没有人”真正知道底层的逻辑是如何运作的。这种转变代表了从确定性的、基于规则的编程向关系和输出系统的转变。
意识形态冲突与“无LLM”运动
讨论突显了关于AI在开源项目中所扮演角色的日益扩大的分歧。一位以jefurii身份发表评论的用户宣布，无论官方GNU政策如何，他打算开发一个完全不包含LLM生成贡献的Emacs版本。
其他人认为，当开发者依赖闭源AI供应商时，真正的软件自由就受到了损害。一位以coldtea身份发表评论的用户讽刺地暗示，依赖于控制并监视用户的少数AI供应商是一种“真正的自由”，而其他人则认为，真正的自由需要能够对编写代码的机器人本身进行反汇编。
对架构和可维护性的实际影响
AI生成代码的实际后果包括对新架构策略的需求。一位以Animats身份发表评论的用户建议，在AI驱动的世界中，可维护性需要“防火墙”和定义明确的API，以隔离和管理由AI产生的代码块。
然而，这些工具的稳定性仍然是一个担忧。一位以smitty1e身份发表评论的用户指出，对于许多任务来说，AI工具仍然感觉“太不稳定”了，另一位以anthk身份发表评论的用户指出，目前由AI驱动的成熟工具克隆版可能会出现严重的可靠性问题，例如频繁崩溃或段错误。
手动编码与工具的未来
AI的兴起也引发了关于手动文本编辑器持续相关性的问题。一位以spapas82身份发表评论的用户声称，打开文本编辑器手动编辑代码的时代感觉像是“昨天”的事了，这暗示了向更具代理性的工作流转变。
相反，其他人表达了维持确定性工具的愿望。一位以danielvaughn身份发表评论的用户指出，虽然LLMs在某些设计工具方面“挫败了他们的志向”，但他们仍然相信，完美确定的工具仍然是未来的一个重要目标。
未解决的问题与许可
讨论中提出的一个重大未解决问题涉及在开源软件上训练AI的法律和伦理影响。一位以lettergram身份发表评论的用户质疑，在copyleft软件上训练的AI是否意味着生成的代码——甚至模型权重本身——也应被视为copyleft。
辩论还涉及AI开发的“苦涩的教训”，一些评论者建议，向大规模机器学习模型的转变最终可能会使传统的、基于规则的编程方法在解决复杂问题时变得过时。