※ 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 目前這說法我是認為沒錯 且應該能維持好幾年以上的時間 原因在於AI目前缺乏一個足夠好的架構 來針對某一個專業進行路徑的篩選 目前只能透過許多的網上資料或者被餵的案例 暴力的去預測可能的結果 但是每一個案例本身有太多的單獨需要考量的狀態 案例足夠多 也許AI會產出一個相對可用框架 但那本身是以AI預測為基準建立起來的 所以重點是他不會穩定 他會隨著每次預測不同產出不同的框架 當然也會產出不同的結果 即便你的提示詞每次都一樣，餵的資料每次都一樣 預測的結果也有可能不同 且因為預測點哪裡出問題了，很難追蹤 所以需要人類針對個案的判斷 對AI預測結果進行修正 或者更早一步在預測中途就提供更合理的路徑選擇 這是目前AI暫時無法取代人類在這方面的功能原因之一 但為什麼我預估只是維持好幾年？ 在於第一性原理被在AI界提出的原因 只要有專業人士，配合AI公司 建立專屬於LLM語言的第一性原理框架 再配合原始的案例餵養 AI的預測正確率會極大程度的提高 這個原理框架是甚麼？ 講白了就是把人類的對這個專業的思維鍊給具體寫出來 譬如專案來說好了 人類思考也許第一件事情預算 這預算是否可以直接對應到甚麼服務？ if then的對應寫出 即便這個if then可能數百萬筆 但對AI而言，那就是毫秒級的直覺反應了 而因為第一性原理 又可以被收斂到更小的範圍 變成只是單純抓幾個判斷軸：預算、物理限制、需求等 層層的篩選下去 也就是對AI而言 這個框架提供了一份完整的思維路徑地圖 每一次的決策(路徑選擇) 都可以被回溯 也讓這份地圖能夠被更加優化 而人類所謂的經驗法則 現場判斷 本質都其實是各種條件環境的考量 也就是路徑選擇 因此，技術上完全是可以LLM語言化的 這份第一性架構被提出 不用到完美 只要足夠好 那絕大多數的專案都能夠被AI產出 且考量的全面性也會比全大多數的專業人士要好 可能只會遜於頂尖的專業人士 那他就已經完全有商業的價值了 但是這種第一性架構要被建立其實沒有這麼簡單 我的預測是 大型的AI公司可能不太會主動做 因為他們主要的產品是要做一個萬能且泛用的語言模型 這種極度深專精化的架構 花費很多，用途很明確也表示很受限 所以比較高的可能性是 他們會外包出去 由中小型的AI公司配合專業技術人員來開發 然後授權給大型AI公司使用 或者是相反 中小型AI公司租借大型公司的算力 但是套上他們研發的第一性原理架構 然後租用給消費者使用 所以最合理的就是高收入的產業 會優先開始被針對 因為這種架構開發成本高 週期也不短(要大量試誤跑壓力測試驗證框架可靠性) 要有足夠的消費力 AI公司才會選擇生產 而現在是剛開始起步的狀態 近年AI界才開始注意到深度問題 代理人的概念被提出 所以 如果就股票投資而言 有可能會出現可能直接改變某個行業生態的獨角獸公司橫空出世 差不多就和 google FB那種奇異點等級了 有興趣的可以關注一下 -- ※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 114.34.122.134 (臺灣) ※ 文章網址: https://www.ptt.cc/bbs/Stock/M.1772332654.A.2B1.html ※ 編輯: hamasakiayu (114.34.122.134 臺灣), 03/01/2026 10:39:45 不完全是 譬如醫學領域來說 光是個案取得就很困難 今天真的有一個醫生很佛心的 花了大量的時間 研究LLM，然後又把自己幾十年的經歷寫成架構 但能不能通過壓力測試 本身也是問題 就算品質真的很好，能通過 是否成為孤島理論，而被大型AI自動採用也是問題 真的採用了，要花多少時間穩定採用也是問題 而現在AI在專業領域的問題就是答案預測性質太高無法穩定 但如果今天是一個中型AI公司 向醫院販售AI輔助判病系統 那邏輯上該產品應該要能穩定預測性過於浮動的問題 ※ 編輯: hamasakiayu (114.34.122.134 臺灣), 03/01/2026 10:52:51 推 Chricey : 有人用過中醫針灸治療關節痛的嗎？效果如何？ 03/01 12:07 其實人類的判斷不也是如此？ 有些人說台積電到頂1500 現在都多少了？ 為什麼有些人可以預測更正確？ 因此，AI不用100%預測未來 只要比人類的預測性，決策性強 那就有商業價值 譬如一個醫生看了全身健康檢查報告 可能提出ABC三種路徑 但AI也許能提出ABCDEFG七種路徑 那這個AI架構服務應該就有機會能賣出去 ※ 編輯: hamasakiayu (114.34.122.134 臺灣), 03/01/2026 10:56:01 推 Chricey : 喔喔喔，UC2 真的是超讚的啦 03/01 13:06 如果是做到你所舉的這個程度 那框架(含訓練資料)不可能免費公開給全網讓泛用型AI抓的 全網應該會有很多類似你一開始講的那種佛心人才 這會讓泛用型AI在相關專業問題上回應越來越好 但純商業用的必然也會存在 也就是你現在所說的這類 隨著時代科技算力發展 擁有全面性能力和推理能力的大腦 被取代性也會被相對提高 特別在高收入行業 ※ 編輯: hamasakiayu (114.34.122.134 臺灣), 03/01/2026 11:12:40 推 Chricey : 關節痛睡覺就能治了，吃什麼UC2 03/01 13:26推 Kroner : UC2神招啊，吃下去就對了 03/01 16:27 那只是對於全面性的舉例 如果有一套病檢系統 能讓普通醫生都變成優秀醫生 優秀醫生變成頂級名醫 你真的覺得"現在就有免費"能代表甚麼嗎？ 或者你可以思考看看 網路一堆開源工具軟體 為什麼專業工具軟體一套貴得要死還賣得出去？ 對的，而RAG成立的前提 就是要有足夠好的框架 當RAG結合了深度結構化的專業框架， AI就會從百科全書 成為能提出具體策略的專家 ※ 編輯: hamasakiayu (114.34.122.134 臺灣), 03/01/2026 12:50:56 如果你不懂，可以直接問 我很樂意為你解答 或者直接整篇扔ai問我在說什麼呦 ※ 編輯: hamasakiayu (42.70.111.15 臺灣), 03/02/2026 07:38:16