先說結論,web仔很高機率要被搞掛,非web coding可能還有一線生機 1.網站應用-- 前端類的問題,用Gemini幾乎可以搞定九成 後端類的問題,Gemini可以產出屍體,我修正完後就能跑 算一算,純開發大概比以前省了三倍的時間,如果還算上研究時間的話,大概省了五倍吧 2.影像辨識,訓練,檔案檢索,OCR— 這邊AI回應的程式碼,大概只有三到四成可以用 起因爲opensource的作者更新頻率也變高了,不斷的改參數,改撰寫方式 但是雲端訓練AI的資料都還是舊的(各家都是),變成工程師要用過去的技能找出實作的方式 整體評估這領域整體大概提速了1.x~2倍左右的開發效率 3.PCB纇的拉線軟體 碰到這不得不誇一下Claude 我把非關機密的程式碼跟輸出結果送給Gemini跟GPT,他們的結論都是需要我修正原始碼 Claude會檢視上下文與問題,輸出結果後,指正我是程式碼沒問題,是輸出的JSON格式錯誤 也難怪美國政府要硬上Claude逼他就範,他的思考模式太強了 ※ 引述《zzahoward (Cheshire Cat)》之銘言： : 我並非軟體工程師，比較像是End User : 手上專案比較偏向Governance/Controlling/Finance相關 : 舊有SAAS/應用程式/ERP等，這一塊其實還大量存在於市場上 : 企業要求的是穩定度，而這些東西就算你能透過AI去小修小改 : 但本身擴展性其實有限，這先障礙是先天性的，多數都是在Sync/Communication/對接上 : 你可以透過AI去簡化一些開發流程 : 然而當你嘗試用AI去想辦法解決這些障礙，會創造另一座更大的屎山 : 同時也會失去原來的穩定度 (ERP/Governance/Workflow相關的穩定度至關重要) : 多數時候一間穩定運行的企業因為新功能帶來漏洞，其成本通常都是難以忍受 : 而屎山其實就是很多人能夠保住飯碗的其中一個要素，屎山雖然臭 : 但那高機率是過去十數年甚至數十年累計極端案例的解決方案，沒有人能承受這些風險 : 這些維護和精進則大量依賴人類經驗法則、知識傳承以及溝通 : 另外一方面，當然可以從頭開始 : 但在有限監督下讓AI去創造一個相對複雜的架構，同時AI使用者本身能力和視野也有限情 : 況下，這個開發只會很快走向死路: 一堆錯誤和與預期相反的結果 : 所以需要的人還是存在，但這些人會是一個有著更全面性各種不同領域背景的專家 : AI目前最大的問題是: 當連你自己都不知道要什麼東西的時候AI也不會創造出來給你 : 所以這些人要對目標有清晰的理解、根本上的邏輯以及認知要很全面 : 在很多時候，因為合作對象從人類轉為AI，Common Sense is not common anymore : 在企業in house，AI確實可以簡化一些maintenance以及原本"無碼"或是"薄碼"的工作 : 但整體來說人類還是傾向和人類溝通，尤其是在碰到重大問題的時候要有人出來給你罵 : 今天就算AI來到了AGI等級，就我個人的看法 : AGI =/= 擁有上帝視角的神 : 他依然需要全面性的背景、理解需求才能產出方案 : 而企業解決方案往往是一系列的糾結和對抗下包括業務、內控、技術、成本、使用的結果 : 程式碼就是溝通出來的產物，只是執行產出的來源比例上的不同而已 : 但低階白領的智慧產出已經來到歷史上一個新的低點，而且還在逐漸降低 : 最慘的應該是印度那堆屎山外包公司和低階碼農 : 接著這些人會捲到基礎服務業，進一步造成門檻低的服務業時間價值更低 : 擁有全面性能力和推理能力的大腦在可預見的未來還是很難被AI取代 : 失去了低階白領大軍，某些方面來說應該會造成消費降級 : 會不會產生連鎖反應引發另一個工業革命初期的大規模陣痛期? 似乎是很有可能發生 --

※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 1.34.162.43 (臺灣) ※ 文章網址: https://webptt.com/m.aspx?n=bbs/Stock/M.1772068806.A.39D.html