跳到主要內容

planetoid's blog

搜尋此網誌

從 stackoverflow 到 AI 時代：提問方式的改變

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

Hits of homepage at wiki.planetoid.info

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

wiki

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

留言

熱門文章

生成式 AI 對教學現場影響的討論

「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