近來聽到最詩意的說法，關於跟機器打交道。
Literacy，讀寫的知識；Digital literacy，數位讀寫的知識，換句話說，寫程式、或曰跟機器打交道。自大型語言模型出世之後，機器讀得懂人話這件事的關檻大大降低。機器與人話之間的鴻溝，也就是軟體工程師價值。傳統上這個鴻溝之大，傳統軟體工程師價值也是巨大的。我趕上了末班車，紅利還沒享完，但大概撐不到退休，出路煩惱且看且行，但今天要記錄一些自我升級的小肯定。
因為現在機器聽得懂人話了，語音輸入變得更有意思。過去語音輸入，基本上聽者、接受方也得是個人，因為人有能力接受fussy/abstract logic；面對機器，仍然得百分百精確的指令。現在機器聽得懂人話，代表著我們人能夠有個稍微具象(但仍多少抽象)的想法，機器就能夠承接你的語意，猜出你想完成的任務。它們猜得很好呢！所以，在這裡的解放，是用語音輸入，不打字了，人類的思考也可以停留在高階抽象的層次就好。要自動化串起來這件事說起來也不難，我覺得更適合的說法是找到適合自己的模式。我試過語音入語音出(Meta Ray-Ban)、文字入文字出(ChatGPT)、文字入語音出(想不到為什麼要這麼做？)、語音入文字出(ChatGPT、Mac，超棒！)，配上一些工作流程自動化，達成語音入程式出的境界應該就不遠了，這將會是another leap of productivity。有個很棒的場景是所謂的declarative programming (vs. imperative programming)，基本上就是定義問題，但你別管對方是怎麼解決問題的。非常像老闆交待下去任務。imperative就像micromanage。
Digital literacy是個職業也是個面向。這領域競爭得太激烈，追不上。無法身為開發貢獻者，但身為使用者我很開心，它真是各個面向的老師，未來數位世界差異愈小，我認為實體世界會愈發重要：人跟人的互動、農業生產、物理反饋。機器人透過跟實體世界互動大概會是下個大餅。我認為基本科學研究仍然需要一些靈光乍現，這個「仍然」應該還需要一段時間夠我撐到退休，好比說設計到實現一個雷射腔體，ChatGPT打打嘴炮說如何如何設計是一回事，光學元件的擺放還不是得我親身動手，創造出來的物體現象，控制、分析，需要非常緊密的物理世界互動。身為人，身上一堆感官；相反的，機器純粹透過文字就習得了溝通。眾志成城、機器不負。wish us take the best of the two.
沒有留言:
張貼留言