使用人工智慧工具能快速建立系統平台嗎？

如果觀察家覺得字體太小，不妨聽聽看

許多觀察家已經開始使用人工智慧工具處理工作上的大小事務，使用人工智慧的工具幫忙行銷人員撰寫文案，使用人工智慧工具協助經營者擬訂可行的計畫，使用人工智慧工具幫助觀察家提供更全面性的觀察。人工智慧的工具，確實已經融入許多人的日常生活，最明顯的一個例子，當觀察家在 google 上搜尋資料時，經常會看到 google 自動將資料彙整並提供完整的參考資料給查詢者參考，雖然使用者仍然使用幾個關鍵字進行查詢，沒有使用自然語言完整表達意圖，但是 google 的搜尋加上人工智慧工具的輔助，確實能給使用者帶來很大的幫助。具有資工背景的觀察家，明白使用語言產生程式不是一種新的概念，程式語言轉譯的工作從以前就一直存在，而且這樣的工具已經很穩定且不會出錯。過去程式開發人員使用各種程式語言開發程式，工程師需要使用工具將程式語言翻譯成機器可執行的指令，不同的系統平台還要使用跨平台的翻譯工具才能產生執行碼，而且翻譯後的執行檔僅能在特定的系統平台上運行。最明顯的例子，使用 iphone 手機的使用者，必須下載 iphone 專用的應用程式，而使用微軟系統的筆電是無法使用 iphone 的應用程式，必須使用相對應的軟體才能正常運行，這些現象都能證明程式語言需要透過翻譯，才能在機器設備上運行，同樣是用 C 語言撰寫的函數，需要進行編譯才能在不同裝置上運行，而現今這些複雜的編譯工作已經有穩定的工具軟體可以完成。利用人工智慧工具從自然語言產生程式碼，有如過去人們從程式語言產生機器指令一樣，只是複雜程度更高，產生的問題與狀況更多，這樣的技術會隨著時間逐漸成熟，如果人工智慧的技術廣泛的被使用，程式語言只能存在於人工智慧的內部，而且僅僅是產生執行檔的中間產物，但因為太過複雜，退而求其次只能先幫助工程師產生程式語言的代碼。

使用人工智慧工具開發系統程式，或許需要提供人工智慧工具更多的程式撰寫指南，以減少犯錯機率

許多工程師測試以人工智慧工具產生程式碼，往往得到需要花費更多時間的結論。因為程式碼不是由工程師親自撰寫，邏輯與寫作風格的差異，造成工程師需要花費更多時間找出錯誤，加上由人工智慧產生出來的錯誤並不容易追蹤，工程師經常犯的錯誤可能是語法上的錯誤，所以透過編譯工具很容易發現錯誤，但人工智慧工具產生的錯誤常常會超乎工程師的想像，多數不容易解決，有時候反覆與人工智慧溝通並沒有得到改善，除非工程師剛好談到問題的關鍵，因此不像其他使用情境讓工作效率有大幅度的提升。角度數據使用人工智慧工具，幫補教業的老師，建立一個讓學生輕鬆熟悉乘法公式使用的系統，初步測試的結果，系統的輸出與輸入沒有太大的問題，表示使用人工智慧工具建立使用者介面不會發生任何錯誤，多數的人工智慧工具也都能正確的產出使用者介面，可是核心的部分就很容易出錯，由於希望打造成一個遊戲，所以需要一個可以自動產生題庫的產生器，這部分使用工具撰寫的程式並沒有出現太大的問題，可是在檢查學生作答是否正確，人工智慧工具卻使用不可靠的方法進行驗證，縱使問題的正確答案只有一個，人工智慧工具採用嘗試錯誤的方法驗證學生的答案，人工智慧工具的驗證邏輯是：先使用題目產生器產生一道題目，比對題目是否與原先的題目一樣，然後再比對最終計算的答案，為了避免無法計算答案進入無限循環，程式碼中還自行限定嘗試了 100 次，若於指定次數內，沒有找到答案，就會放棄此道題目，這樣的解法讓經驗老道的專案經理看到了，應該會哭笑不得吧。由於靈活的數學並不一定只有一種列式，單一解法，所以最佳的驗算方法是將學生所使用的參數帶入，檢查與最終的答案是否相同，而不是比對是否與標準答案一樣。由於這個專案十分精小，所以很容易查找程式碼的錯誤，如果在大型專案中，也出現上述一樣的錯誤，相信工程師就需要花費許多時間才能解決這樣的問題，因此程式核心的函數，千萬不要交給人工智慧工具生成，否則工程師或專案經理最後一定會自找麻煩。

角度數據知道許多經營者都期待透過人工智慧工具建立系統平台，希望藉由人工智慧工具分析與處理經營上的問題，或許觀察家應該先了解與認識人工智慧工具的極限與適用的場景，適時的在系統平台呼叫人工智慧工具協助幫忙，再非關鍵性的地方，使用人工智慧工具提供建議與可以使用的方案，搭配自身的狀況與能力，也許人工智慧工具可以幫觀察家節省許多時間，不會讓觀察家增加許多難以抉擇的選項，留下許多不易解決的錯誤。