我對 AI 的應用與反思

Posted on Edited on In Disqus:

隨著 AI 的普及，我在日常生活中使用 AI 的機會也越來越多。AI 的能力不斷提升，每年都有質的飛躍，使得許多事務都可以依賴這個新工具。因此，了解 AI 能為我提供哪些幫助，以及它的極限在哪裡，就變得至關重要。

AI 對我的幫助

以下是我最常使用 AI 的四種功能：

1. 語言學習

首先影響最大的是語言學習上。過去，我們學一個語言會需要老師幫我們糾正文法和用詞，現在則不同。由於網路充滿各種文本資源，因此每個 AI 都是語言大師，能夠流暢處理各種語言。我經常請 AI 協助修改文章，不論是中文還是英文，它都能提供建議，修正文法和流暢度，甚至還能夠調整文章架構和標題。雖然大部分情況下我為了保留個人風格會有限度地採納，但是多了一位智能編輯幫忙給意見確實有很大的幫助。

除此之外，現在 AI 不只能夠修正文字，更重要的是可以口語對話。一般來說學語言最難的是口說的部分，畢竟除非是去上課，不然不會有太多對話的機會。現在 AI 突破了這個限制，我們可以跟它天南地北地聊各種主題，不用害怕講錯話，還可以從對話中學習新單字和用詞。其實，口語對話並沒有那麼困難，甚至大多數情況也不用太在乎文法正確性，重點是能夠流暢表達自己的想法。可以說 AI 有效幫助我突破了這層心理障礙。

2. 學習新知識

過去，我在學習一門新領域的知識時，大部分會先去取得該領域介紹書籍，了解該領域的基本框架。當有問題的時候則是大量查詢網路上的資源，期盼有人有遇到同樣問題，並且有相對應解答。這個過程可以說非常耗時間，有些問題其實很細節，不太容易找到資料，就算請教老師，因為需要時間反芻，也不一定可以當下聽懂。

這個情況在有了 AI 後就完全不同了，我們可以先讓 AI 用簡單的方式告訴我們該領域的基礎概念，而不需要一開始就去讀整本的書籍。最重要的是，當有任何問題我們隨時都可以發問，這點可以省去大量的查詢時間。我們想要的解答通常存在網路上的某個地方，原來需要自己不斷搜索，融會貫通，現在 AI 可以直接幫我們處理掉這段。更棒的是，我們能夠自己掌握學習的節奏，想追問細節就追問，需要時間思考也可以毫無顧忌隨時停下來。

舉例來說，最近我在學區塊鏈中智能合約。以往，我需要去查詢多篇講智能合約的教學或書籍，比較並整合，整理出一個大致上的合約流程。而現在，我可以直接詢問 AI，當我覺得哪邊講不夠細或有問題，可以立刻追問請它補充。例如，當我想知道佈署智能合約的封包內容這類細節的知識，以前需要翻閱專門的技術文件，如今 AI 能馬上告訴我，學習效率大幅度提升。

3. 取代部分筆記功能

以前，我習慣將常用的程式語法和工具使用方式記錄在 GitHub 上，以便日後快速查閱。初次使用某個工具時，我會花時間查詢安裝與使用方法，並確認網路上的教學內容是否可行，為了避免下次重複查找，通常都會寫下筆記。

然而，如今有了 AI，比起翻找過去的筆記，直接詢問 AI 可能更為快速。有些過去的筆記可能已經不再具有價值，甚至未來許多筆記都不需要再紀錄，因為 AI 可以隨時提供可靠的答案。

4. 輔助開發

AI 也能在開發過程中提供幫助，雖然目前 AI 無法完全取代軟體工程師，但在一定程度上能減少開發負擔。例如，我最常使用 AI 來開發簡單的腳本程式。開發者時常需要撰寫程式來處理資料、繪製圖表等，而這些簡單的工作通常需要調用知名函式庫或熟悉特定腳本工具。以往，工程師只能透過搜尋 API 文件和範例來學習，畢竟沒人會完全記得怎麼用，現在則可以直接請 AI 生成程式碼，大幅加快開發速度。過去可能需要半天完成的工作，現在可以在半小時內搞定。

此外，對於某些輸入輸出明確的演算法與函式，AI 也能提供協助。例如，以前要撰寫一個計算四分位數的函式，可能需要上網尋找範例或自行手刻，現在只要清楚描述需求，AI 便能直接給出正確的程式碼。我認為，這也使得傳統演算法測試（如 LeetCode）變得越來越沒有價值，因為未來更重要的是如何清楚定義問題，而不是單純記憶演算法解法。當然基礎的演算法和資料結構還是得熟練，但是沒必要走火入魔地追求演算法解題速度。就像雖然會使用普通的螺絲起子，能用電動螺絲起子省時省力的時候還是應該去用。

AI 的限制

AI 進步速度很快，卻在某些情境還是表現不甚理想。儘管在日新月異的科技進步下，也許未來這些問題都將會被解決，然而在此之前，我們還是要對其能力極限有所認知。

  1. 新興領域資訊不足

    當我們所要學習的領域並非熱門領域時，網路上的資料少且品質參差不一，甚至在變動很快的領域上，可能很多資料都是過時的。AI 因為使用網路資源來學習，所給出的答案也會受到影響。在這種情況下，我常常發現它的答案很常是前後不一致或是根本錯誤。現在很多 AI 回答問題時都會提供它的資訊來源，要特別檢查一下是否可信。

  2. 無法應對複雜系統和情境

    在簡單明確的狀況，AI 可以給出完美的答案，但是在大多數狀況下，我們要解決的問題可能更加複雜。例如在 A 系統和 B 系統一起運作的時候會出現特定 bug，又或者是在跑某個條件下的測試，效能會大幅度降低。這些問題很難讓 AI 直接替我們解答。這時軟體工程師的價值就在於拆分大問題並一一排除，直到找到問題的根源。AI 能幫我們的是確認拆分出來的小問題有沒有問題，像是某段程式碼有沒有邏輯錯誤之類的。

  3. 可能會出錯

    AI 是有可能出錯的，有時候會發現它產生的程式碼並不能順利編譯和運作，因此工程師們需要有最基礎的判斷能力來檢查它的結果。很多情境我們並不是直接拿它的產出結果來用，而是基於此之上做改進。工程師和 AI 的關係不是單純一個做一個說，更多情況是 AI 做簡單但繁瑣的事情，工程師檢查後再拿來做複雜的應用。AI 就像是一個能力有限但動作很快的夥伴，我們要熟知這個特點，在避免錯誤下來提升工作的效率。

人類的核心能力

當 AI 能力不斷提升，那麼什麼對人類才是最重要的呢？下面三點是我認為在與 AI 共存的時代所需的能力：

  1. 想法重於技術

    當 AI 已經能輕易完成人類需要很長時間才能熟練的技術時，十年磨一劍的刻苦精神或許價值沒那麼高了。對人類而言，真正重要的是我們想要做什麼、解決什麼問題，也就是要有清楚的想法。很多原來受限技術的事情，我們可以用 AI 來輔助完成。過去寫個網站、APP 有些難度，需要有一定程度的開發者才能做到，未來可能門檻不再那麼高，普通人只要有想法，都能自行弄出一套系統出來。這個時代將不缺聽指令做事的人，AI 可以替換他們，但是卻無法取代有各種奇思妙想的創造者。

  2. 表達能力

    在過去人們總強調團隊合作的重要性，團隊怎麼相處和溝通會影響成敗。未來世界將不僅如此，我們要學會跟 AI 溝通才行。這就牽涉到表達能力的重要性，我們是透過語言讓 AI 幫我們做事，如果沒辦法明白把自己的需求講清楚，將只會得到錯誤的結果。如何有邏輯易懂的方式講述問題，將會是重要的關鍵。

  3. 承擔責任

    AI 再怎麼強大，在負起責任上還是無法取代人類。我們可以聽 AI 的醫學建議，但是還是需要有個實際的醫生存在，因為這個醫生才是負起責任的人。當 AI 出錯的時候，我們沒辦法向 AI 究責，因此需要有個實體存在。這也是為何自駕車的推廣那麼困難了，當自駕車發生車禍的時候，究竟誰能負起責任呢？因此不應該害怕承擔責任，責任反而是人無法被取代的重要因素。

總結

就如同現在人類已經無法脫離 3C 產品一樣，未來我們的日常生活都需要 AI 輔助提高效率。我不認為 AI 能完全取代人類，但我們必須認知它的能力和極限，在了解這個工具的情況下，專注於我們人類最核心的價值。過去，機器解放了人類的體力勞動，讓我們專注於腦力工作；現在，AI 逐步取代大量的腦力工作，使我們能夠進一步發揮創造力，邁向更高層次的發展。