人類 IT 偵探與生成式 AI 誰來解決網路問題

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。

參考資料

留言