AI 自學自排車來了，你還練手排車嗎？試試速成 程式自學 法 自學一切

「AI 都全自動寫程式了，人類還自學啥？」呃～還沒 100%「自動駕駛」啦！但 AI 讓自學從「手排」進步到「自排」，省掉 程式自學 大量讀書、練習、刷題…，只需「掃描學習+專案實作」，輕鬆愉快像開自排車！其實不只程式，自學什麼都可以，自學的黃金時代到了！

有了 AI 何需 程式自學 ？沒騙你還真的要

ChatGPT 產出程式碼的速度讓人嚇壞了，但執行時卻錯誤百出！因為它無法執行只是從網上「抄書」貼給你，卻看不到你的電腦，要它除錯，卡關一整天也不稀奇。

所以爲什麼你該學點程式呢？

理由一、你學會了再教 AI

最近，Cline 和 Cursor 這樣的「AI Agent」出現，讓 AI 長出手和眼，可以執行程式碼、看到錯誤訊息，但… 還是會卡關，甚至掉進「Debug 地獄循環」，就是出錯還一直用同樣方法除錯，當然又跳出同樣錯誤訊息… 但它不懂要改，錯誤一次又一次直到你受不了關掉。

與 AI 重度協作幾個月寫複雜程式，我發現要讓 AI 跳出 Debug 地獄循環，最好的方法是—「我學了教它」。

AI 很博學，會用我難以想像的手法寫程式，如果又是複雜的專案，常常會看不懂，看不懂就躺平吧！我就想「你寫吧！能 run 就好！」，但通常會卡關，連博學的 AI 都卡關，誰來解決？沒辦法，只有我，出去散散步，休息一下，再讀文件、搜別人的解答，通常我點醒它，就順利出關了。

雖然它比人類博學，但卡關時要你要能「看懂」AI 在什麼，但不需要會寫。沒錯，從前「光說不練」被笑「一支嘴糊瘰瘰」，現在 AI 比你會「練」，麻煩你只留一支嘴就好了！

每次我插手寫，就覺得拖慢「團隊」的瓶頸就是我，AI 只是忍住沒說：「拜託人類不要來亂，讓專業的來」！

理由二、程式是好素養

「很快自動駕駛就成熟了啦！幹嘛學程式？」有人會這麼說。是的！我感同身受且充滿期待，但這不影響你該具有程式素養。

學程式是好事，文科生的我覺得幫助多過綜合維他命，建議每個人都學一點，特別是學生，因為它真是好素養。

在教、學，和觀察小孩時，我發現多數人的學習是無意識的！這是什麼意思？很多人的學習效率很低，一件事摸半天學不會，磨久了終於學會，但也說不出為什麼會了，就是這種「小和尚唸經」狀態，老師講了他就照抄、點頭、把課本讀了再讀，實際上不知自己在讀啥。

小時候學素描水彩是把眼睛訓練成掃描機，手訓練成打印機，就是把景物「複製 & 貼上」到紙上。同學比誰的掃描、打印解析度更高，所以設備狀況好 90 分，狀況差 50 分。但班上有位同學，每次最少達到 70 分水準，狀況好 90 分，老師讚揚他說：「周同學很穩定」。後來我知道了，專業的人做那些你以為靠「靈感」、「手感」的工作，其實是靠理性分析。

例一：美術狀元如何畫畫

如果你學過美術，我遇過的老師示範時都不說話，要你自己觀察，有一次，師大美術系狀元的老師難得一邊示範一邊講學（對學生的觀察力失望？），他說畫圖是在畫「光線」和「色彩」，你心裡有光線、色彩原理，不看景物，也能畫出來，因為他把光線和色彩「程式化」，一眼就把景物儲存在心裡，他把繪畫變「方法論」。

例二：大廚如何思考烹飪

看烹飪節目，低手教學說「加少許糖、炒一炒」，做菜久了就能把順序背下來，他只是把他背下來的演給我看。但看高手做菜則是享受，大廚會說：「加糖在油裡炒成焦糖色，因為油水接觸會爆炸，下肉前要關火，焦糖色裹住鮮味又讓色澤好看」，他不背順序，理性分析後知道每個手法的用途，所以他能理智地「程式化」地設計流程，他把烹飪變成「方法論」。

例三：職業網球選手為什麼少失誤

在 Malcom Gladwell 的 《Tipping Point》書中說到，當職業網球選手要「雙發失誤」時，教練總會在他揮拍還沒擊球前就知道了，因為職業選手很少發生雙發失誤。能從業餘打到職業的必是高手，為什麼業餘選手會發生的失誤在職業選手卻很少發生？如同前面所說，他是高手，已經理性分析運動，把什麼策略、打法會產生什麼效果「程式化」了，他把運動變成「方法論」。

繪畫、烹飪、運動、寫作… 這些剛開始靠靈感、苦練的行業，能從業餘轉為職業好手，一定經過理智地把任務「程式化」的過程，就是有一套「方法論」，古話說「知其然，更知其所以然」。你看村上春樹為了寫長篇小說，每天要長跑培養耐力，每天規定產出 N 個字，等靈感？什麼工作可以依賴靈感？如果靈感不來就不領錢了？他比我們上班還穩定！

這種分析出一套流程必能達成的「方法論」，對電腦來說就是「演算法」，人類從凌亂的事件找出模式，想出必能達成結果的步驟，再用電腦語言告訴它怎麼做，這就是寫程式。

例如用小車走迷宮，它怎麼知道要左轉還右轉？它不用看到，只要知道「前進到撞牆就右轉，又撞牆表示右邊沒路，就左轉 2 次變左轉」。這簡單步驟讓小車可以慢慢試錯直到走出迷宮。其實你家的掃地機器人也用類似（但更聰明的）演算法。

女兒小時候玩 Scratch 時我測試過，畫一個方形畫布當房間，裡面有幾道牆和門當障礙，再畫個圓圈當掃地機器人，設定如下：1）如果沒撞牆就直走，在走過的路塗上顏色（表示掃過了）；2）撞牆時後退一格再右轉 3 度。結果這麼簡單的程式就可以慢慢的把整個房子每一寸都塗上顏色（掃完），但很多路徑會重複走，速度慢。

我學藝術又學文科，沒經歷過邏輯訓練，學程式後覺得世界開了一個新的大門，對思考影響很大。

就是說 18 歲以前，人類特有的負責掌管邏輯思維的前額葉和大腦皮質，我用得很少，根本是被荷爾蒙驅動的動物，世界對我全不可控。

進入社會科學領域，受科學方法訓練後，又學程式，大量邏輯訓練讓我發現，雖然人不可控制命運，但控制小範圍世界可行。且因寫程式是要把萬物「建模」，這個習慣養成後，學習就會掌握特徵，而不是試圖拍照一樣把全部記下來，所以記性也變好了。

不只讀書，包括學太極推手、公司提企劃，這種找到特徵建立模型的方式都會讓學習效果變好，因為第一時間把資訊轉成大腦適合的格式。

圍棋高手看一眼殘局就可以記住並重現，因為他看到的棋局不是散落的黑白子而是特徵，他用模型理解棋局。小吃店老闆從不寫單，但不但不會送錯，吃完付帳他還很清楚每桌內容。他們不是記憶力大師，是把事物建模找特徵，模型規範大部分資訊，只要記憶少許差異。

學程式的好處，其一是邏輯訓練提升學習效率，另外，如果你孩子學會「演算法思維」，遇到挫折會想「阻礙是什麼？」、「如何克服？」、「有演算法嗎？」，就不是只是挫折了。我很希望我的孩子遇到困難時，就算沒有我，她懂得把困難拆開解決，不被挫折擊敗。

從前學程式真的很難，但在 AI 幫助下，我們只需學到「看得懂」、「演算法思維」就好，就像電子計算機讓我們只要想出得到答案的流程，至於四則運算或心算這種「技術」，知道就好，不用熟練！

掃讀: 程式自學 新方式

跟 AI 長期重度協作後發現，通常它出錯不是它不懂，而是我們說不清楚，問題在我們。

人類語言很含糊，好處是你可以創作雙關語和諧音梗，壞處是會為了理解和說法不同而吵架。

AI 理解人類語言能力比大部分人類好，但還是會有歧義，如果只是做小事，就修改即可，但開發複雜軟體時，小錯常會隱藏造成更大的錯誤。

身為企劃人員，為了無歧義地對 AI 表達需求，我想到的點子是開發一個「FusionFlow VS Code 插件」，用無歧義的方式「寫」企劃，就不會錯了。

VS Code 是微軟開發的程式開發環境（IDE），可以安裝插件把功能整在裡面用，類似 Chrome 插件可以在 Google Docs 裡增加功能。

不過 VS Code 不吃我熟悉的 Python，只吃「TypeScript」語言，沒辦法就叫 AI 寫。

花一天用 Cline 半自動把程式寫好，但還是遇到「Debug 地獄迴圈」，卡住了。

AI 碰到它的極限，就算叫它自己解也沒用，此時最好的方法是開始學 TypeScript，對文科生來說，從零學新程式語言談何容易？

不學也不行，於是週末下午，在 YouTube 上找了個長達 30 課的 TypeScript 教程，準備花一週學習。

看第一支影片時想，我已經觀摩 AI 用 TypeScript 寫出一套軟體的完整程式碼，基礎小白的示範可以跳過了，就調到 150% 速度，加上左右鍵快速跳過、跳過、跳過…

結果是，不到 1 小時上了 10 課，似乎不用再學下去了？

於是我回去看 AI 寫的程式碼，居然看懂了，很快找到錯，AI 快速修復，完成！

回想從前上線上課，我會看完，這 30 課少說得花一週，為什麼這次改為掃讀？因為 TypeScript 不是我的主力語言，我沒打算學到熟悉，只要解這一題，所以懂觀念就好；而且已經做了一次，基本教程都直接跳過就行，好吧！這是誤打誤撞發現的學習法。

你怎麼知道學好了沒？就像很多人用 2 倍速看韓劇，如果出現一個人物居然不認得，一定是前面快轉錯過他的出場細節，那就倒回去補課啊！

配合 AI 掃讀也是這樣，「劇情」接不上再倒回去看就好，千萬不要花一週，一個字一個字包括笑話都看完啊！

從前看《駭客任務》時，有一幕是 Neo 和 Trinity 逃到屋頂坐上直升機，Neo 問：「妳學過開直升機嗎？」，Trinity 回答：「現在學」，就下載立刻把直升機開走，那時我很羨慕，學習速度幾乎是即時！現在，AI 時代到了，這種 程式自學 成真，要用就快速學，不需要先學好一堆備在那裡，你不用也忘了。

快速掃描 x 反覆實作 = 良好吸收

我猜你會說「我以前就可以這樣看了，這樣學記不住啦！」

沒錯，這樣記不住，但為什麼要記住？

程式是 AI 寫，我不用記住所有語法，只要聽懂觀念，語法看來面熟即可，下面是我一小時從學的程式碼中萃取的觀念（看不懂沒關係），一小時居然能學這麼多，分享給你：

• TypeScript（TS）是網頁常用的 JavaScript（JS）的延伸運用；
• 瀏覽器不認識 TS，所以要轉換成同名 JS 才能在瀏覽器運行；
• JS 鬆散，很多別的語言會報錯的程式碼，JS 都還跑得好好的，因為它原是處理網頁上簡單工作的語言，不用這麼嚴謹；
• 現在網頁的複雜度不輸桌面軟體，解決複雜問題，TS 出現了，它嚴謹規範 JS 讓它變成靠譜的語言。
• TS 的核心是解決 JS 最混亂的「動態類型」問題。

快速掃讀再配合 AI 快速實作，多做幾次就會篩選出常用需要熟悉的知識，因為常用用，不用背，而且只需要記重點。

前半段學習，後半段練習，AI 下，學習階段不用急着把知識塞進長期記憶，只要後面跟著重複應用，就能鞏固知識，請確保有這個階段。

學英文也是，先累積 2000 個字彙就開始大量聽說讀寫，以後遇到不認識的字就查、第二次、第三次，能見三次的一定是常用字，已經面熟，再查幾次就能應用了。至於只查一次的單字呢？這麼多聽說讀寫只見一次，就是罕用字，以後不太會困擾你，碰到再查就好了。

傳統 程式自學 法

前 AI 時代，學程式通常先上幾週課，做老師的小作業，到期末要做專案驗收，才發現作業、測驗做了這麼多，期末作業居然寫不出來！

因為老師的作業和試題都是簡化的，他想着你還沒學完，怕傷害你的玻璃心！用心良苦。

業界不只寫程式，還要熟悉「框架」、「程式庫」及寫作風格，如果學過到了公司要重學，那我上課只學了個身體健康嗎？

跟考完駕照不敢上路一樣，你想「我應該不是這塊料」就放棄了，寫程式應該是最多人放棄過的學科吧！

AI 完全真實的實作練習

跟 AI 協作，一開始就用業界寫法，有框架、程式庫，很多課堂上沒看過的，反正不用我寫，但它寫的過程我一直在學習。

最快速學習是出錯時。為了除錯，要從出錯位置一路往回找問題，再叫 AI 解釋給你聽，就把運作邏輯搞清楚了。

這種模擬真實的專案輕鬆快速，做兩三次，該記住的就記住了，如果記不住一定是實戰中用不到的功能，那，有用到再學。

我覺得傳統學習像臺灣考駕照，教練場開一個月不敢上路；而 AI 輔助學習像美國考駕照，在普通馬路練習，沒有「路邊停車、倒車入庫、S 型前進後退、上坡起步」… 這種荒謬科目，考駕照不就是證明你有能力在路上安全開車，而不是證明你會耍特技啊！

岔題：北京唸書時買了《薄冰英文法》，鉅細靡遺，連只有英國某小鎮用的文法都收錄，我無法吸收很挫折。後來找到美國教移民（ESL, English as a Second Language）的文法書，3 巨冊，是《薄冰英文法》的 2 倍重，但只收錄美國人常用文法，每課課文 2 頁，配上 20 頁各種練習題，3 冊讀完就能「上路」，就像 AI 輔助學習一樣實用！

AI 輔助學習不只 程式自學 學什麼都行

自學的過程，可以歸結出有效的學習流程：

掌握這個流程，不光是寫程式，所有自學都能這麼做，你要做的就是找一個有興趣的事情，試試看！

問題是，你的興趣是什麼？

雖然看來比從前的自學輕鬆，但從：1）自己去找 AI 示範、2）自己找適合素材掃讀學習、3）自己從錯誤中練習修正，這套做法還是很辛苦，誰願意這麼辛苦，而不是去玩呢？坐在教室聽老師填鴨的被動學習其實更輕鬆。

大人通常清楚學習與成就的關係，工作升官、彌補遺憾、股市投資，交女友傳宗接代（可以嗎？）。但對孩子很困難。

既然沒有動機就不會美好的自發學習，找到動機應該是學校和家長最重視且攜手合作的事吧？

很怪的並不是，如同經濟學建立在假設人類是「理性人」的錯誤基礎上¹，我國教育界似乎假設學生都是「理性學生」。

• 身為理性學生，他自發對知識好奇，他知道讀書與前途掛鉤，他從小力爭上游。
• 偶爾有幾個不能適應的孩子，那是少數異常，交給特教處理就好！

這假設從頭就錯了。

你一輩子遇到過幾個同學從小以讀哈佛為目標的「理性學生」？他才是要交給特教處理的例外啊！我誠實說，從小學讀到碩士，20 年受教育時間中：

• 遇到能點亮（enlight）我的老師一手能數得完；
• 學校從來沒有制度化觀察我的興趣專長，協助我培養動機。

當然義務教育下，去上學是法律規定的，但談內在動機，多數人去學校是為了「交朋友」，聽課的動機是「我不知道」。

如果你的學校制度性地觀察、在乎你的興趣專長，協助你培養成為你努力學習的動機，請分享給我！

教育部版的自主學習

女兒在公立學校 8 年 5 位導師，遇到過「一位」好老師，是教師甄選第二名的優秀老師，校外教學會設計學習內容而不是填學習單交差。還設計了有趣活動輔助學習，例如做果凍學「比例」，唱歌教臺語。當時我以為這樣的 PBL (Project/ Problem Based Learning) 就是 108 課綱的最佳境界了。

不是的，就算做果凍也有幾個孩子不感興趣吧？公立學校這種封閉式的 PBL 還是希望孩子學習到「課綱想要你學的東西」，是改良的「工業生產畢業生」概念，跟幾十年前國立編譯館時期的填鴨式教育異曲同工。

但，設計 PBL 已經是有心的導師能做的極致了，她一個人不可能做到個性化。

做他想做的事

我孩子上幼兒園時，朋友說他家孩子上森林小學，一學期學費幾十萬，只要有 3 個學生想學某個事物，就算學打電動，學校都找老師開課！

8 年讓我理解森林小學是對的，這就是 108 課綱的夢想。別管孩子會學到什麼，他發現及保護了孩子的動機，沒把這火滅了。孩子學感興趣的事，藉由強烈動機學到其他知識，很多人為了打遊戲學了日文，也有玩蓋鐵路遊戲學會了企管。

對，培養興趣的方法就是要有很多老師分頭關注每個孩子，公立學校做不到，但「自主學習」最重要的是「自主」，不能選想學的事物，怎麼有動機呢！

自己找答案 別等教育制度

一年只有十幾萬名孩子出生，應該被當寶（他們是未來國家的稅基啊），從教育主管機關所做的跟所說不符，可以看出我們的孩子對他們來說並不是寶。

• 你希望孩子學會品味生活，那營養午餐預算就不能只有 30 元，這樣只勉強「不餓」，摧毀孩子對美食的興趣（還好臺灣人在吃上被這樣摧殘，仍然很有美食創意）。
• 你希望每個人依照興趣有不同的發展，未來能攜手合作，就要讓每個孩子各自發展興趣為起點，學到世界互動的方式，教育部能廢除「我想教你什麼」（課綱），注重「你想學什麼」（自主）嗎？如果想從「工業化學校」轉為「人性化」，只有一位老師如何個別指導？就是預算分配問題。

你要讓孩子覺得學習有意思，除了用本文的 AI 輔助學習減輕負擔外，考慮把學校要求的事情反過來做，或許就是找到動機的答案。

附註

1. 近年來諾貝爾獎得主多半是行為經濟學家，是心理學和經濟學的混血，他們想要知道人類行為不理性的原因，彌補經濟學模型失準的問題。 ↩︎