planetoid's blog

搜尋此網誌

我的 AI 男女友短片大賽 Demo day 活動紀錄

6月 29, 2025 ai

0

取得連結
Facebook
X
Pinterest
以電子郵件傳送
其他應用程式

Google Docs Conversion Table

10月 02, 2007

取得連結
Facebook
X
Pinterest
以電子郵件傳送
其他應用程式

Enlarge the table

google

取得連結
Facebook
X
Pinterest
以電子郵件傳送
其他應用程式

留言

張貼留言

「國文教學創新工作坊」問答時間，老師們很熱烈地討論生成式 AI 對於教學現場的影響。學生使用 AI 完成作業可能已經非常普遍，促使教育工作者重新思考評量方式和教學策略。何時引入 AI 教學也引發熱議，有人擔心扼殺創造力；也有認為應及早開始。在 AI 數位化的時代，如何平衡基礎能力培養與新技術應用，很值得更多專家一起探索。 Photo by Artsy Crafty on StockSnap 主題 1：當學生使用 AI 完成作業儘管有可以偵測 AI 寫的文章的服務，除了抓到學生用 AI 交作業，「 AI時代其實是一個人機共作的時代」。台灣師範大學「生成式AI之學習應用及參考指引」與台灣大學「生成式AI工具之教學因應措施」建議能「清楚地和學生溝通 AI 生成工具的使用方法和限制」，作業與 AI 協作能需要能夠提供學生自身的專業觀點，最後能在成果適當標註哪一部份來自 AI。「除了直接比較在 AI 幫助下誰寫得更好，我們更應該思考的是，在這個時代中，我們應該設計什麼樣的題目？」如果學生們都使用現代最聰明的大型語言模型，來回答同樣的作業問題。老師們要如何評量這份學生與 AI 協作的成果？從最初的問題拆解、提示設計、學生可不可以指出 AI 生成的錯誤內容、學生自身專業的貢獻程度、AI 彙整的資料來源可信度 (source credibility) 等都是評量可以切入的層面。舉極端的例子，當學生不動腦直接叫 AI 生成答案，也不編輯修改。求職時老闆會質疑：「今天我請工讀生也可以無腦做同樣的事情，為什麼我要花更多錢請你？」即使 AI 可以即時生成內容，學科領域的專業訓練不代表就可以省略跳過。單純依賴 AI 反而影響未來就業競爭力。主題 2：在教學中引入 AI 的適當年齡「我們應該在孩子幾歲時開始教他們這件事比較合適？如果只是三、四年級的小學生，這麼小的年紀就教他們使用 AI 製作繪本，會不會扼殺了他們自我創作的能力？」討論中使用了「還不會走就會飛」這個比喻，表達了對孩子是否應該在掌握基本技能 (行走) 後，再學習使用 AI 工具 (飛行) 的擔憂。也有與會的老師指出「從網路時代開始，我們就一直在教導各個年齡段的人如何使用新技術，這是一個持續的過程。」讓我想到「破解APP世代：哈佛創新教育團隊全面解讀數位青少年的挑戰與機會」也有類似討論。繪...

AI 工具研究社交流小聚聚會手記

AI 工具研究社交流小聚聚會手記 2024-11-02 AI 交流小聚讓我印象深刻的是與會者年齡分佈範圍很廣。上次遇到這種狀況是參與維基百科的社群活動，維基百科是所有人都可以共同編輯的百科全書，社群朋友中有喜歡研究昆蟲的中學生，一直到古代歷史的長者，在各自喜好的領域的條目內容深耕。 AI 交流小聚的與會朋友有還在學的大學生、使用 ChatGPT 寫論文或是還在苦惱研究題目的研究生、出社會一段時日，已經在公司推廣應用 AI 的上班族、在大學兼課的前輩。透過對話就可以使喚機器人的大型語言模型，使得 AI 得以穿透不同年齡層的主要原因。儘管是使用前沿 AI 科技，在與社群朋友聊天的時候，也感覺到各自不同的煩惱。以前以為學寫程式，就可以很快找到工作。現在 AI code 編輯器問世，原本的程式設計學徒，好像要學會更多東西才好找工作、要跨不同學科領域才有競爭力？或者是文科背景的學生要詢問是不是要學寫程式？也都在在反應對未來職涯探索的焦慮。社群中也有在大學兼課的朋友，有教寫 Python 程式數十年的前輩，要求學生學期末產出專案。也有導入 AI 影音編輯到語言學科的年輕老師。有人還在學習如何與 AI 共同協作，修改提示詞。有人像飛一樣，使用 AI 創作生成影音。步調較慢不代表就是不好，儘管在AI 三、五分鐘內可以快速產生文章內容，仍要放慢腳步精心打磨內容。AI 幫忙寫文章，不代表就可以馬虎培養鑑賞好內容的能力。婷婷提到當初建立社群的原因：剛剛學 AI 時發現 AI 工具有很多，根本學不完。於是想到建立社群，儘管自己只會幾樣 AI 工具，但是可以透過社群一起學習更多 AI 工具。在 AI 應用上大家各自的步調有快有慢。大家一起合作，就可以發揮更大的綜效。訂閱AI工具研究社活動行事曆： https://lu.ma/ai.tw

Vibe Code：用 AI 輔助開發爬蟲專案的經驗分享

這兩週採用「氛圍程式設計」(Vibe Coding) 開發爬蟲專案，不手動撰寫任何一行程式碼的方式。這段經驗帶給我三個心得： (1) 使用 AI 開發工具讓開發者從純寫程式的角色，轉變為專案指導員，負責規劃架構、測試程式碼並把關品質； (2) 其次，清晰明確地與 AI 溝通問題所在，比籠統描述能大幅提升協作效率；(3) 最後，將大型專案早期拆分為小模組，不僅提升可維護性和測試效率，還能避免 AI 對話因檔案過大而中斷。也避免加了 A 功能，卻壞了 B 功能。 Photo by Christina Morillo on StockSnap 最近幫社群成員用 AI code 開發爬蟲專案，事前評估資料抓取難度不高，所以我刻意選擇不熟悉的技術框架，並先撰寫規格文件讓 AI 理解需求。全程採用「氛圍程式設計」 (Vibe Coding)，不人工撰寫任何一行程式碼的方式開發。 🦉「氛圍程式設計」是依賴人工智慧（AI）的程式設計方式，使用者可以透過「自然語言」向大型語言模型（LLM）描述問題（例如用幾句話表達需求）。語言模型會生成程式碼，將程式設計師的角色從手動撰寫程式碼轉變為指導、測試和精煉 AI 生成的程式碼。（資料來源：維基百科）工具選擇一開始使用 Cursor 企圖一次產生全部程式碼，但很快用完免費額度，只好放棄生成到一半不完整的程式碼。轉而使用已付費的 Claude，再手動將代碼貼回熟悉的 IDE 環境。如果有其他 AI 工具推薦，歡迎直接留言。 AI 寫扣花時間的地方原本預期一個週末就能完成的專案，最終花了兩個週末。我認為耗時的主要原因是： 1. 即使網頁已成功抓取，但在資料結構化過程中，常出現欄位錯誤或空白情況，需要人為介入並引導 AI 避免提供過於複雜的解法。 2. 需要將資料處理流水線拆分成多個階段，每階段完成後可以暫停檢查，避免一次執行整個流程時出錯卻難以定位問題所在。 3. 面對數千筆資料，原本採用線性處理方式（每筆耗時數秒）。為提高效率改用多執行緒，在完全靠 AI 生成程式碼，就會需要提供完整情境 (context)，例如資料結構、錯誤訊息協助 AI 理解問題。仍然與 AI 來來回回溝通修改將近十次，這部分的溝通很耗時間。使用 AI 開發的便利之處 1. 增加可維護性：大型專案早期即拆分為小模組，使後續維護和功能擴充更為便捷，減少「改...

技術提供：Blogger