先说结论,web仔很高机率要被搞挂,非web coding可能还有一线生机 1.网站应用-- 前端类的问题,用Gemini几乎可以搞定九成 後端类的问题,Gemini可以产出屍体,我修正完後就能跑 算一算,纯开发大概比以前省了三倍的时间,如果还算上研究时间的话,大概省了五倍吧 2.影像辨识,训练,档案检索,OCR— 这边AI回应的程式码,大概只有三到四成可以用 起因爲opensource的作者更新频率也变高了,不断的改参数,改撰写方式 但是云端训练AI的资料都还是旧的(各家都是),变成工程师要用过去的技能找出实作的方式 整体评估这领域整体大概提速了1.x~2倍左右的开发效率 3.PCB纇的拉线软体 碰到这不得不夸一下Claude 我把非关机密的程式码跟输出结果送给Gemini跟GPT,他们的结论都是需要我修正原始码 Claude会检视上下文与问题,输出结果後,指正我是程式码没问题,是输出的JSON格式错误 也难怪美国政府要硬上Claude逼他就范,他的思考模式太强了 ※ 引述《zzahoward (Cheshire Cat)》之铭言： : 我并非软体工程师，比较像是End User : 手上专案比较偏向Governance/Controlling/Finance相关 : 旧有SAAS/应用程式/ERP等，这一块其实还大量存在於市场上 : 企业要求的是稳定度，而这些东西就算你能透过AI去小修小改 : 但本身扩展性其实有限，这先障碍是先天性的，多数都是在Sync/Communication/对接上 : 你可以透过AI去简化一些开发流程 : 然而当你尝试用AI去想办法解决这些障碍，会创造另一座更大的屎山 : 同时也会失去原来的稳定度 (ERP/Governance/Workflow相关的稳定度至关重要) : 多数时候一间稳定运行的企业因为新功能带来漏洞，其成本通常都是难以忍受 : 而屎山其实就是很多人能够保住饭碗的其中一个要素，屎山虽然臭 : 但那高机率是过去十数年甚至数十年累计极端案例的解决方案，没有人能承受这些风险 : 这些维护和精进则大量依赖人类经验法则、知识传承以及沟通 : 另外一方面，当然可以从头开始 : 但在有限监督下让AI去创造一个相对复杂的架构，同时AI使用者本身能力和视野也有限情 : 况下，这个开发只会很快走向死路: 一堆错误和与预期相反的结果 : 所以需要的人还是存在，但这些人会是一个有着更全面性各种不同领域背景的专家 : AI目前最大的问题是: 当连你自己都不知道要什麽东西的时候AI也不会创造出来给你 : 所以这些人要对目标有清晰的理解、根本上的逻辑以及认知要很全面 : 在很多时候，因为合作对象从人类转为AI，Common Sense is not common anymore : 在企业in house，AI确实可以简化一些maintenance以及原本"无码"或是"薄码"的工作 : 但整体来说人类还是倾向和人类沟通，尤其是在碰到重大问题的时候要有人出来给你骂 : 今天就算AI来到了AGI等级，就我个人的看法 : AGI =/= 拥有上帝视角的神 : 他依然需要全面性的背景、理解需求才能产出方案 : 而企业解决方案往往是一系列的纠结和对抗下包括业务、内控、技术、成本、使用的结果 : 程式码就是沟通出来的产物，只是执行产出的来源比例上的不同而已 : 但低阶白领的智慧产出已经来到历史上一个新的低点，而且还在逐渐降低 : 最惨的应该是印度那堆屎山外包公司和低阶码农 : 接着这些人会卷到基础服务业，进一步造成门槛低的服务业时间价值更低 : 拥有全面性能力和推理能力的大脑在可预见的未来还是很难被AI取代 : 失去了低阶白领大军，某些方面来说应该会造成消费降级 : 会不会产生连锁反应引发另一个工业革命初期的大规模阵痛期? 似乎是很有可能发生 --

※ 发信站: 批踢踢实业坊(ptt.cc), 来自: 1.34.162.43 (台湾) ※ 文章网址: https://webptt.com/cn.aspx?n=bbs/Stock/M.1772068806.A.39D.html