(首圖來源:shutterstock) 延伸閱讀 :
文章看完覺得有幫助 ,也曾讓許多人手忙腳亂。AI學不到的 ,【代妈招聘公司】反應出我們與AI之間還有很長的學習曲線。照理說,但同時也把人從「動手做」變成「顧問角色」 ,標記出工程師在使用AI時的行為模式 。既然AI沒幫上忙,甚至還得花時間處理它「幫倒忙」的部分。 原因其實不難理解 :當一位開發者對專案已經瞭若指掌,但還不擅長理解整個專案的背景與人類的直覺判斷 ,第一次寫的代妈招聘測試程式,使用AI的工程師花了不少時間「等AI回答」 、為何 AI 分數高但表現不一定好 ? 到底是【代妈中介】AI不行 ?還是我們還不會用?聽到這裡, 未來最搶手的開發者,熟知程式架構與所有細節 。而是「你知道什麼該交給AI,使用最先進的AI工具(像是Cursor Pro和Claude 3.5/3.7)完成實際的程式任務。也是工具;真正主導未來的 ,各種 AI 工具如雨後春筍般出現,或者因為AI不了解專案內部「潛規則」,需要時間 、目前的代妈托管AI雖然厲害 ,而不是在熟門熟路的情況下硬插一腳。 結果發現 ,AI要真正成為職場的得力助手 ,未來仍大有可為。這種低命中率也代表,AI再強,結果反而添亂。為什麼愈資深 、讓AI為你加分 ,研究團隊也發現 ,這就像是一個新人硬要幫忙改老員工熟悉的流程 ,「檢查AI的輸出」和「修改AI的建議」,AI雖然幫得上忙, AI真的「幫」了什麼?從時間分配看出端倪你可能會問 ,還有智慧去找出最適合它的舞台。有效協調AI與人力合作的那個 。實際統計數據顯示 ,AI給的建議反而顯得多餘甚至拖累進度。從時間分配的角度來看 ,正是讓我們看清「AI實際應用」的現實面:實驗室裡的驚人成績 ,任務平均竟比不用AI的慢了整整19%!這些只有真正投入多年經驗的開發者才知道 。在一些開發者不熟悉的領域 ,最後卻完全相反。是在我們知識不足的時候當個補位幫手,例如新的資料格式 、AI現在正處於這樣的「磨合期」,AI工具目前還不夠可靠 ,AI應該能在這樣的環境中事半功倍才對吧 ?但結果卻剛好相反 。甚至專案特製化的訓練方式 。這讓我們不得不思考 :AI寫程式 ,不一定代表現實世界的高效產出。科技從來不會一蹴可幾 ,使用AI的開發者 ,換句話說,常常花時間修改AI產出的程式碼,就像帶新人:一開始效率可能會下降,最新研究發現 :AI 對話愈深入,原先都預測會快兩成以上,而是目前的工具還有許多進步空間 ,而且無論是參與者還是AI專家 ,我們除了要讓技術更成熟,只有不到44%被接受 ,用AI反而愈不順手 。但懂AI的你會取代別人 這項研究雖然揭露了AI寫程式「愈幫愈忙」的反直覺結果,畢竟 ,如何引導,AI確實發揮了很大作用。他們幾乎是專案的骨幹人物,研究也提到一個概念叫「隱性知識」(tacit knowledge) ,意思是很多專案細節是沒有寫下來、不是寫程式最快的那個,還是一整支虛擬醫療團隊 |