在平常的工作日，突然收到生成式 AI 也無法解決的技術問題，人類 IT 偵探出動了！
 |
| Made with DALL-E |
技術偵探：步驟化的問題排除
在辦公室突然收到其他同事的求救。簡單說透過內網連線的另一台語音服務，沒有如預期的回傳聲音檔。化身為 IT 偵探。即使問題可能涉及到許多複雜的環節，但對於網路相關服務的技術問題排除，還是有一套制式的步驟：
1. 檢查如何呼叫語音服務？
2. 確認網路服務的連線是否正常？
3. 檢查語音服務是否正常運作？
逐一步驟排除與縮小問題，發現問題因為：同一台機器上執行著多個服務，可能因此造成反應速度緩慢。讓我想到 IT 界的名言：「電腦出問題的最終解法，除了重灌，就是重開機。」
AI 時代的技術故障排除
回到同事當時面臨的情況，在電腦螢幕看到的回應是一組神秘的三位數字「HTTP 狀態碼」 (HTTP status code)。這些程式碼，如同電腦世界的暗號，對非技術人員來說可能難以理解。
在這種情況下，很多人會想到求助於當下最熱門的工具：大型語言模型 (如 ChatGPT、Claude 或 Gemini)。然而，單純將錯誤訊息丟給 AI，往往只能得到模糊的一般性解答。也許有人會說在使用 AI 工具時，需要盡可能提供更多的背景資訊，會大大地加速問題排除的過程。然而哪些是重要的背景資訊，還是取決於使用者本身的判斷。
現在的生成式 AI 就像萊特兄弟剛發明的飛機
我很喜歡林軒田老師的一個比喻：現在的生成式 AI，就像是 1903 年萊特兄弟剛發明飛機的時代。那時的飛機雖然能飛，但沒有人敢坐上去。直到 1914 年，才有了第一次正式的商業航班。這 11 年的差距，正是飛行科技不斷改進的過程：更好的控制裝置、更完善的法規，以及無數的成功或錯誤案例。生成式 AI 也正處於這樣一個快速發展但尚不穩定的階段，需要投入更多基礎研究，可以更好地控制生成式 AI 的品質。
小結
目前，網路上充斥著「每個人都要會用 AI 寫程式」的資訊焦慮。如果你發現自己一直在重複地複製貼上 AI 提供的解決方法，幾回合後卻仍然無法解決問題，也許是時候果斷地停下來了。
在 AI 迅速發展的現在，我們需要學會如何聰明地使用這些工具，同時不忘深耕自己的核心競爭力。 AI 可以是一個強大的助手，但不應該完全取代我們的思考與學習過程。
留言