摘要與心得: Sega 程世嘉：iKala 共同創辦人暨執行長｜AI 會不會取代軟體工程師？【塞掐 Side Chat】E276

video

Overview

影像版podcast連結: https://www.youtube.com/watch?v=-1Ieed0Aqek

聲音很好輸入，但要轉化需要點過程。這篇進行了對談內容摘要及自己心得記錄。

先前有聽過跟看過一些Sega的分享，他也非常活躍在Linkedin上面。這集對談的內容，更帶給我許多彙總與啟發。一來是最近的觀察與思考，若從Sega口中說出，更能強化我心中對於現況的理解。此外也對於他的觀點、邏輯及流暢的表達感到敬佩，同樣也是爸爸的角色，在AI教育上也感同身受，先預習起來。感謝Fox及Mia跟塞掐的節目總是能在黑暗中帶來一些火把繼續照亮那未知的世界。非常喜歡這樣的對談與內容，推！

Fox本人還會在留言區進行回覆展現任(韌)性，這點真的太讚了，激賞。

職業影響: 完全同意這不是0跟1的思考。大概可以用複利的角度去看，這種是加成問題。

• AI將改變軟體工程師的工作比例，初階工程師面臨困難，而資深工程師將因善用AI而變得更強。
• 生成式AI代表了一次突破性的進展，能夠在寫作、編輯和與人類互動等方面發揮重要作用。
• 隨著AI技術的發展，程式設計的工作重心將轉向如何創建有用的產品，而不是僅僅依賴程式語言的掌握。
• AI將會逐漸取代部分軟體工程師的工作，但人類仍需進行指令下達、測試和驗證等工作，未來工作比例可能會反轉。
• AI在軟體開發中的角色將越來越重要，但仍無法完全取代人類工程師，尤其是在測試和驗證階段。
• 在AI技術發展的背景下，早期選擇和發展職業技能變得尤為重要，否則可能會面臨職業斷崖的風險。

生成式AI現況: 泡沫化非常有感，這件事情確實就是大公司尾巴一掃，小公司馬上就出局。而我們要關注的還是那些不變的底層。而不是一直追隨潮流。

• 目前生成式AI進入高原期，技術差距逐漸縮小，但頂尖模型的部署成本仍然高昂，主要由大型公司或新創公司負擔。
• 生成式AI公司面臨泡沫化，因為許多創辦人選擇回到大公司工作，顯示出市場競爭激烈及商業模式的挑戰。
• 目前生成式AI正進入優化階段，企業導入速度較慢，未來發展仍需關注商業面與成本優化。
• 在快速變化的技術環境中，專注於長期的AI發展趨勢比追逐短期的技術細節更有意義。
• 科技變遷的速度很快，創業者應該時刻關注市場動向，尋找新的機會。

風口下的選擇思考: 生產線思維完全切中現在演算法所集中的求職與轉職資訊。大家也不妨思考看看，如果可以被結構化跟SOP訓練成一位軟體工程師，那麼AI會比較差嗎？

• 職涯選擇不應受限於傳統的生產線思維，應該鼓勵多元化的發展和探索不同的可能性。
• 學習程式設計可以讓不同角色的人在日常工作中解決問題，無論是財務人員、PM或老師。
• 程式設計的教學應該更注重實用性，讓學生能夠理解基本概念並能夠與電腦進行有效溝通。
• 通識教育應該以解決問題為導向，並非每個人都必須深入學習所有領域，應根據個人興趣和專業需求進行選擇。

國際局勢: 這一波完全對中國技術改觀。

• 中國在大型語言模型的發展上正在快速追趕美國，並在一些競賽中取得了不錯的成績。
• 中國在應用整合方面的發展速度非常快，尤其是在無人商店和無人機送貨等技術上，顯示出其在AI領域的優勢。
• 中國在生成式AI的應用整合上非常迅速，並且正在發展自己的大型語言模型，這可能會影響中美之間的技術競賽。
• 中美之間的脫鉤和對抗因AI技術的禁運和限制而加深，特別是在半導體和技術出口方面。
• NVIDIA必須在追求成長與應對地緣政治監管之間找到平衡，以確保其業務持續增長。
• 美國政治的選擇限制可能影響科技的發展和AI的普及。
• 川普的商業背景使他在對中國的政策上難以預測，這對臺灣的未來可能帶來不確定性。

那台灣呢?: 很喜歡這一段討論，或許對應到我是相對比較不熟悉的，也趁機補足一些觀點。

• 台灣需要考慮建立自己的大型語言模型，以應對科技發展和政治變化的需求。
• 生成式AI的發展被比喻為核彈，若沒有相應的技術，未來30年可能失去話語權，因此需要積極投入相關技術的研發。
• 可以借鑒曼哈頓計畫的模式，來推動台灣在生成式AI領域的發展，以確保在全球競爭中不落後。
• 核彈被視為恐怖平衡的象徵，人工智慧在未來的軍事用途上可能扮演類似角色。
• 在商業方面，人工智慧的象徵意義可能超過其實質意義，並且目前真正具備主權模型的能力者並不多。
• 台灣在AI及經濟戰略上的發展目前主要是象徵意義，實質影響仍需觀察。
• 台灣主權模型的訓練可能更多是象徵性，而非實質性，社會情感反應往往受到政治因素影響，導致不理性的討論。
• 一個國家如果要成功推動某項發展，必須要有全民共識，資源才能有效集中。
• 日本計劃在全國建設多個資料中心，並利用核能供電，以發展成為AI算力的大國，並希望透過其獨特的文化背景推廣語言模型。
• 台灣文化與語言的保存需要更多人集中資源與努力，而不僅僅依賴少數人的分散行動。

宏觀角度來看: 繁體中文就僅有0.5%，這才是重點。要被看見要下對刀口。另外集中的問題在公司內部也是同等重要的。可惜大部分還是用少量的資源去嘗試那未來的可能。機會可能就在這段時間錯失了。

• 繁體中文在全球只占0.5%的市場份額，臺灣需面對這一不利條件，發展主權模型及語言模型以促進繁體中文的使用。
• 臺灣希望被世界看見，但僅依賴繁體中文模型無法達成，真正的曝光來自於半導體等其他領域。
• 在選擇模型時，應該詳細檢查其安全性，並考慮開源選項以降低風險。
• 台灣的資源分配結構使得大型專案如大語言模型的發展變得不可能，因為政府補助的方式過於平等，無法集中資源。
• 臺灣的資源有限，無法同時發展多個產業，需聚焦於少數重點領域以達成共識與效率。

AI落地?: 大家都還在找，但機器人確實值得關注。自駕車某種程度不也是一種機器人嗎？

• 明年將會看到機器人和自駕車技術的全面落地，這是技術發展的一個重要趨勢。
• AI在辨識過程中對環境的變化非常敏感，甚至小的改動都可能導致錯誤的識別結果，這對自駕車的發展和安全性有重大影響。
• 在涉及生命安全的關鍵任務中，對於AI技術的信任仍然存在心理障礙，使用者應該保持謹慎態度。
• 政府放行的難度與社會心理因素密切相關，特別是在責任歸屬與安全感方面。
• 民主的運作需要共識，而不是單純追求效率，這需要解決資源分配的問題

AGI何時到來?: 這題真的太大了，但又好像近了。

• 對於超級人工智慧的實現時間點，預測仍然不確定，未來的發展可能與我們的直覺想法不同。
• 人類不會讓反烏托邦的情況發生，因為在潛在的危險技術出現之前，相關的開發者將會受到監管和制約。
• 新技術的影響是漸進的，政府會介入以維穩社會，特別是當技術的影響範圍過大時。
• 目前的人工智慧已經能夠高度模擬人類，但對於通用型人工智慧的定義仍然模糊，未來的發展不會是戲劇性的轉變。
• 自動化技術已經能夠實現許多生產和製造的任務，但這並不等同於人工一般智慧（AGI）的實現。

企業導入: 知識管理，絕對是第一步。

• 生成式AI能夠自動摘要資訊，改善員工在企業內部查找資料的效率，從而提升知識管理的效果。
• 生成式AI能夠提升知識管理，透過基礎模型理解企業內部資料，並以問答方式提供正確資訊，促進企業的效率與洞察力。
• AI轉型是推動數位轉型的重要力量，企業應該將AI技術融入數位化策略中，以提高效率和創新。

CEO的身心管理

• 定期參加多樣的運動和休閒活動，如瑜伽、有氧運動和舞蹈，有助於身心健康。
• 確定自己三到五件最重要的事情，並學會授權，以避免工作堆積和提升團隊成長。
• 了解流行文化的趨勢可以幫助你找到值得推薦的音樂和影片，例如最近受歡迎的歌曲和舞蹈。

AI教育: 同樣身為爸爸的我，完全有感，直接用起來！

• 小孩在AI時代應該優先建立基本能力，如寫作、講話和數學，並避免過度依賴AI輔助。
• 在學習過程中，建立扎實的基礎知識是關鍵，互動學習應該作為輔助工具，而不是主要依賴的方式。
• 不要將生成能力外包給生成式AI，應該保持自己的思考和表達能力，以免未來的溝通能力變得破碎和簡單化。

理財觀念: 這...應該沒甚麼疑問吧，300%同意。

• 在理財上應該只投資自己了解的領域，避免跟風投資不熟悉的項目。
• 應該明確區分哪些錢是自己應該賺的，並且追求的滿足感不在於賺取的金額倍數，而在於適度的收益。
• 了解賣在最高點和買在最低點的機率接近於零，應該接受這一現實並專注於熟悉的投資領域。