前 Google、Apple 大神，哈佛大學 IT 前教授 – Matt Welsh 的演講中說「人類只能擔任幾種角色：產品經理和程式碼審查員」，這應是目前最激進的，就是「我們不抵抗」。其實這說法只對了一半， AI 產品開發 是產品經理的好朋友（產品經理應該是全世界最愛 AI 的人），而程式碼審查員？壽命應該沒多久了。
本文目錄
回顧幾十年前的 ChatGPT 級大事件
1940 年，電腦發明，那時還沒有「軟體」的觀念，它只能用開關或電路來控制（大概像是電子計算機吧！）。德國工程師 Konrad Ernst Otto Zuse 提出「軟體」觀念，用打孔卡片把程式輸入電腦，這時寫的是「組合語言」（機器語言）就是 0 和 1 的組合，優點是 CPU 直接讀取，效率極高，缺點是不說人話，很難推廣、學習、除錯，和維護。
但至少不用撥動開關、重焊電路，就可以讓電腦做不同的事，這是大事！
寫組合語言實在太不人性，聰明人發明了「高階程式語言」（例如 C 語言），用類似「for」、「if… else」這樣類似人話的語句組成（但很容易搞到看不懂），這種語言推廣、學習、除錯、維護都容易多了。
「高階程式語言」到「機器語言」中間有個「編譯器」（Compiler），功能是把人看得懂的「高階程式語言」轉換成機器懂的「組合語言」，成為人類與電腦的橋樑。
如果你是數十年前的工程師，當高階語言和編譯器的組合橫空出世時，你大概跟現在我們看到 ChatGPT 一樣喜出望外，因為它可以省太多時間啦！
需要程式碼審核員嗎？
不過，編譯器轉出的程式，效率比組合語言差！
畢竟它是自動生成的，不能像人寫的那樣最佳化（聽說到現在還有很多極度要求效能的場合要用組合語言）。
那麼你會不會想「編譯器很方便，但我手寫更優化，能兩全其美嗎？」於是心生一計「我用高階語言寫，編譯後再人工檢查一次，把導致速度慢的程式碼改掉！」真是好方法，寫不過電腦，可以當電腦的「程式碼審核員」啊！
除了小時候看過一個人在 286 電腦上用組合語言寫遊戲外，在常人世界裡，組合語言消失了，那個很麻煩的效率問題怎麼解決呢？很簡單就是不解決，因為：
- 大部分的應用都是電腦在等人、等網路傳輸，那麼快幹嘛？
- 更快的電腦一直出現，軟體慢一點就用快速的電腦來補！
感受到「程式碼審核員」的不實際之處了嗎？只要那個技術更進步，誰需要你審核？
避免翻臉，你需要程式語言
ChatGPT 這麼好，是因為它很貼心，說幾句話就可以寫出程式。
讓我們幻想幾千年前人類發明自然語言時，那時語言應該是足夠表達所需要表達的意思「老王被劍齒虎咬死了」、「你去洗碗」、「你自己去洗」。
發明文字聽說是為了記帳，「老劉收成 1000 斤稻穀，繳地租 300 斤」、「村口老頭借 2 頭豬」，人類開始用語言表達基本數學（這時發明了數字）。
閒來無事的數學家們幾千年來不停發明新數學（真討厭），越來越難用人話描述，於是數學家發明了一堆奇怪符號。
電腦是用數學控制的，要把數學告訴電腦流程叫電腦做事，這些奇怪符號打字機打不出來啊，程式語言就出現了。
何不用自然語言？會誤會：
老婆告訴工程師老公
「去買 2 斤蛋，有看到西瓜買 1 個」
老公回來後手裡拿著 1 個蛋。
老婆（怒）：「怎麼回事」？
老公：「我看到西瓜了。」
老公的理解：
if (看到西瓜){
{
買 1 個蛋
}
else
{
買 2 斤蛋
}
}因為看到西瓜，就執行了買一個蛋，因為老婆沒說買一個「什麼」（你可能想「這還要講嗎？不是本來就該懂？」如果你當過產品經理就知道跟工程師說話不是這樣的）。
實際上老婆的意思是：
買 2 斤蛋;
if (看到西瓜){
買 1 個西瓜
}自然語言充滿歧異，說話方法前後倒錯，（通常）人都聽得懂，但編譯器沒有人這麼聰明，歧異會產出不同結果，只好發明更嚴格的專用語言，就是程式語言。
可以用人話要 AI 產品開發 嗎？
從前的編譯器不聰明，但 ChatGPT 像聰明的「編譯器」，講人話就能轉成程式語言，那何不更進一步，把人話直接轉成 App 吧？反正程式碼都寫完了啊！
當前還不行，因為你擁有的程式碼就像一個引擎，你要組一台車，找到車體、變速箱、輪胎、避震器… 就是把它放在它能運作的環境裡，我們叫它做「佈署」（Deploy），包括（但不限於…）：
- 網路設定：你得去申請網域，把網域指向你租用的伺服器；
- 伺服器設定：你租用的伺服器通常需要透過神奇的方法用 Linux 指令設定；
- 軟體工作架構：就算簡單的 Web App，也作前、後端，各有好多種「框架」，這些軟體都要先安裝在伺服器上；
- 看懂程式碼：軟體、網站通常是許多程式互相串聯的，ChatGPT 寫的程式碼就像一盒拼圖，不知道彼此怎麼相連，會面臨可怕的錯誤訊息；
- 除錯：ChatGPT 很會寫程式，但並不保證正確，你得真的走過一次才能確定，在此之前最煩的就是除錯了。
ChatGPT 是個「大型語言模型」，雖然可以聽說讀寫，但軟體部署環境要跟好幾個不同的公司購買/下載服務，沒有手腳的 ChatGPT 只能跟你說抱歉，讓你自己搞定。
但別失望，我相信這只是其他服務還沒「AI 最佳化」的過渡時期，OpenAI 已經發布了 API，其他服務可以跟它串連，到時候 ChatGPT 就有「虛擬手腳」了！
我猜現在已有某個主機商在開發跟 ChatGPT 串連的伺服器，屆時你只要下個指令，它就可以：1）自己寫程式、2）申請網址、3）設定 DNS、4）連上主機、5）新建所需的檔案夾、6）把程式碼丟到正確檔案夾……，7）搭拉！你的 Web App 做好了！
那時，你對 ChatGPT 的咒語就是「請做 XXX 的 Web/ Android / iOS 版」，至於它怎麼辦到的，你根本不用知道！
2023/04/18 更新：Replit.com 已經做到，它是雲端寫程式環境，有不同程式模板，可用它提供的 AI「Ghostwriter」幫你完成程式，因為它已經在雲端了，寫好的軟體可以直接部署在雲端當網站用。它的 Ghostwriter 背後是使用 Google 版的 ChatGPT– Bard，有興趣可以試用看看。
AutoGPT 這個新專案讓你不用再跟 ChatGPT 一問一答，它自己詢問、把 ChatGPT 回覆的程式碼拼裝起來，還會聽 ChatGPT 的去幫你上網搜尋資料，只是做不到幫你部署軟體。
也許這種自動產生的 App 效能比較差，因為許多工程師朋友說「不可能啦！它還是要 debug/ 優化/ 資安/ 碎片化……」，這應該就是大神說工程師可以當「程式碼審核員」的原因。
- 它連程式碼都能寫出來，難道不能解決優化/ 資安/ 碎片化… 的問題嗎？
- 如果不夠優化，更快的電腦不是很快就要做出來了嗎？
回顧程式語言和編譯器的歷史，或許程式碼審核員存在的時間會是浮光掠影。
能讓 AI 產品開發 做家事嗎？
既然有了 API，ChatGPT 可以聽懂你的人話，回答人話，把你要的東西寫好程式做成產品，那何不直接連上機器人，讓它有真正的手腳，可以幫忙做事呢？
還真的有，這個 YouTube 影片中展示了一個叫 Ameca 的機器人，連接上 ChatGPT，可以跟你問答自如。
Ameca 影片給我的第一個反應是「它可以幫我摺衣服嗎？」只能講話有什麼用？
我可不敢讓很會講屁話犯錯就跟我道歉的 ChatGPT 來幫我開車，生命誠可貴！
不過，如果 Tesla 開發出可靠的 AI 駕駛，或 Boston Dynamics 的機器狗、機器人幫我做事，那就放心多了。ChatGPT 倒是可以用來讓你的人話變成自動車、機器狗、機器人的控制語言，這時，AI 就能幫你做事了！
影片中，Boston Dynamics 已經可以用人話控制了啊！人類只是說「啊！我忘了拿工具」，機器人就自己想辦法把工具送給他，甚至連「機器人，幫我把工具拿來！」都不用說！
【人類發明自然語言 ➡️ 人類用自然語言記數字 ➡️ 人類用奇怪符號開發一堆數學 ➡️ 人類發明電腦 ➡️ 人類編寫程式語言 ➡️ AI 橫空出世 ➡️ AI 連上機器人 ➡️ AI 降價到你買得起】這個過程花了幾千年，現在人類終於可以用人話告訴 AI「你去洗碗」了！（夫妻從此相處愉快）
結論：別當程式審核員，當產品經理吧
就像開電動車的人有里程焦慮，從 ChatGPT 問世，大概每個人都開始有「AI 焦慮」了，我們每天看到的新聞不下幾種：
- 某甲發明了某 AI，他說 AI 沒你想像的那麼可怕；
- 某乙還沒開發出自己的 AI，他說 AI 很可怕，厲聲呼籲抵制或政府管制；
- 某丙新開發的 AI 功能取代了一個行業，天天聽到，越來越多行業要消失；
- 某丁不想跟 AI 對抗，聰明地用 AI 增強了執業能力；
- 某戊積極與 AI 合作，用 AI 創造了新職業。
上述的 1～5 雖然每天交錯出現在新聞裡，其實它是個發展流程，有人發明就有人反對，有人湊熱鬧，有人學著當應用者，有人用新應用開創新局。
對個人來說，要當1 發明者或 2 抵抗者，我們都還沒能耐，我們能做的就是3、4、5，用 AI 增強或取代現在的工作，或者想 AI 的下一步。
- 你覺得職業受威脅，聽說 AI 可以輔助你寫程式，想變成程式審核員？
- 你是個普通工程師，想變成程式審核員？
這麼想要小心了！這個每週都有新 AI 發展問世的現在，你覺得要多久「念咒直接出產品」的服務會問世，並讓程式審核員工作消失呢？
讓我們假設這個下了指令後會自動寫程式且佈建完成的服務會在 1 年後問世（我覺得會更快），不如學好如何提出需求吧！
產品經理短期內不會消失，提需求可是產品經理很重要的專長，它困難在你不能只懂電腦，你還要懂用電腦的人。
這應該是工程師最大的困難。