AI思考、寫程式…人要幹嘛？

人工智慧的大模型進展雖然日新月異，但人們好像在登月計畫之後一樣，有點新聞麻痺了。但最近有個有趣的新進展值得注意：OpenAI推出了推理模型GPT-o1。

GPT-o1模型宣傳不大，多步驟推理技術也早就有，但OpenAI做出來讓一般人可以理解的能力，遠非正常公司可以比擬，所以這個技術還是讓人覺得非常厲害。主要是這個模型邏輯可推理，有一個思考鏈。基本上你只要用過，大概就可以感知到模型正在模擬思考，它還會告訴你正在思考中。很多玩家都覺得出問題讓模型思考良久好像很有趣，出題考倒大模型的話，自我感覺不錯啊！

改善推理技術又紅了　既省成本又能防錯

不過問模型它自己是怎麼推理的，GPT本身也只會告訴你一般模型的運作邏輯。OpenAI官方倒是非常低調，思考這種大事，除了依靠強化學習技術，他們似乎也不想透露太多運作邏輯細節。模型看起來在思考，主要是他們會開始分解任務，這很像人類思考的邏輯。

這類思考的模型先前就有。OpenAI的研究科學家諾姆．布朗之前做過非常厲害的遊戲人工智慧，2019年發布時技驚四座，是當時最好的撲克牌遊戲人工智慧。當年他一開始的程式常常贏不了，後來發現用規畫與思考的架構效果，比其他的作法好很多。他日前在演講中也說明推理的進步機會還很大，很值得投入。現在GPT思考鏈也只能思考幾秒，諾姆．布朗覺得未來的多步驟推理模型可以做到思考上好幾個小時，這真的有點像人類了。

目前訓練大模型成本就擺在那裡，所以改善推理能力這個不算新的技術路徑又火了起來，推理的技術路徑成本效益比還不錯，對於改善現在的大模型愈來愈大，開支也愈來愈大這件事情頗有幫助。另外思考能力的好處是很多的，這用在生成圖像等傳統大模型領域可能效果不大，但在算數學、玩遊戲、寫程式、解釋事情上，可能效果會比其他作法好不少，因為這些任務如果有規畫成果會好得多。此外目前生成式AI最大的麻煩就是「幻覺」。幻覺的成因有很多種，其中一個是原始數據的問題，這個問題解決起來頗麻煩，但有思考鏈可以一定程度降低幻覺。

說到思考，寫程式目前已經開始被人工智慧影響不小。目前有不少比較紅的自助寫程式的工具，通用的模型的話，Claude是比較受歡迎的。如果單就寫程式這個單一技術，SaaS軟體cursor幾乎已經成為玩家標準。另一個是replit agent也很多人用。以目前這兩個人工智慧軟體來說，replit比較能支援很快做出來與部署，但做出來沒這麼好；但cursor就真的是可以放在工作流程中用。

我的體感是這兩個東西都很驚人，感覺上也許再過兩年，大部分的低階程式是可以自己簡單地寫出來。

在翻譯被機器逐次吞食市場之後，寫程式是仍然需要人類的白領工作。所以去年輝達執行長黃仁勳就提過人人寫程式的概念，今年谷歌前CEO施密特也提過，看起來是矽谷大老的共識。人人有功練，那還要念資訊科系嗎？過去幾年最重要的是叫兒女念資訊科系才有前途，如果都自然語言化了，難道要改念中文系或外文系嗎？

我覺得立刻的衝擊還沒這麼大，但是軟體產業的人會不禁擔心，如果每個人都能用嘴巴寫程式，比較簡單的程式就變成無法在市場上銷售。這是危言聳聽嗎？不一定，比方說，試算表當年就是一個比較專業的事情，現在試算表是電腦非常容易取得的程式，人人都會用。再往前更多年，威尼斯人發明複式簿記不也是這樣嗎？

程式設計師別擔憂　讓AI輔助你寫程式

但相對長的短期內，人類寫程式加上AI輔助，還是一個比較好的形式，所以暫時來說大家還不會立刻失業。就像現在試算表還是要由懂會計的人員製作比較有效率。但到了某一天的最終版本，應該是不太需要人類的，或者說不是用我們現在可以理解的邏輯製作。這用自駕車比喻就可以明白，最後L5人工智慧車是不需要人類開的，而且那一天應該早晚會達到。

首先你不需要翻譯，再來是不需要寫程式，後面會是什麼呢？整個思考鏈或推理都可以給人工智慧做，至少可以確定最終版本會比我們自己做的好，有一句俗爛的成語「細思極恐」，好像真的能用在這個情境（好消息是屆時我們思考推理也外包給人工智慧，大概就不會「恐」了，還是再吃個冰淇淋，追一部劇，放鬆一下）。另外因為OpenAI做出來後，大概半年內就會有各種競業做出各有特色的同級產品，市場上應該有更多的推理模型產品可以使用了。