改變從軟體產業開始
前言:
2024年,今年,最令人震驚的就是諾貝爾物理獎和化學獎分別頒給了AI的科學家以及使用AI工具的科學家!從頂尖領域來看,這說明了AI不僅是輔助工具,更是推動科學突破的重要力量。學習如何利用AI來輔助創新,已成為當前迫在眉睫的需求。掌握好應用AI的技能,將使我們得以在各領域的創新中保持競爭力,迎接充滿未知的未來挑戰。
隨著 AI 技術的重要性刺激AI巨頭們的競爭而飛快加速了全球AI的技術發展,無疑地,生成式 AI 在軟體開發中的應用逐步拓展,根據筆者目前的成功專案經驗,發現生成式AI尤其在提升效率和縮短技術應用開發週期方面成效顯著。然而,不同層次的開發需求對 AI 的依賴程度也有所不同。
關鍵字:AI, 生成式AI, GAI, 創新, 技術應用開發, TRIZ, 動態系統分析, 軟體技能, 典範移轉
根據筆者參與軟體產品開發10多年的經驗,我們可以將軟體技術應用開發粗分為三大類:
應用層、架構層和核心層。
後面將分別針對應用層、架構層和核心層三大領域進行說明,根據實際的專案成果,介紹生成式 AI (GAI)在軟體開發中的潛力與挑戰。
1. 應用層:
這一層主要包括前端和後端的業務邏輯實施呈現,如網頁開發、應用程式的功能實現、以及簡單的API串接等。
這裡面的工作通常包括許多標準化、重複性的程式撰寫任務,也因此GAI的應用較為成熟。例如,GitHub Copilot、Tabnine等AI輔助程式設計工具已經能根據提示或現有的程式碼片段,生成具體的程式碼。這不僅提高了應用程式的開發效率,還能減少程式撰寫中的錯誤。
在應用層中,GAI具備逐步取代人類工程師的潛力,但這通常是針對一些簡單、重複性高的任務,#並非全面性替代。
整體來看,在這一塊,#生成式AI僅能有限度的提高程式撰寫的效率。
2. 架構層:
架構層涉及軟體技術系統的設計規劃,如微服務架構設計、資料庫結構選擇、伺服器配置,以及系統模組的整體執行步驟流程整合。
這些工作牽涉到較多的專業知識和判斷力,需要根據業務需求和具體場景來設計最佳的系統架構。例如,針對高流量應用,設計一個具備伸縮性的系統架構,而針對低延遲需求的應用,設計低延遲的數據處理流程。
目前GAI在這方面的應用目前仍受限,因為它很難理解複雜的不同情境的實際業務需求,因此很難也靈活地產生應對方案。
架構層的設計需要工程師根據經驗和業務需求進行決策,因此目前仍難以被GAI取代。
根據筆者目前輔導成功的最佳應用案例指出,GAI結合TRIZ動態系統分析工具應用,在輔助軟體技術系統應用架構設計開發時間,相對傳統系統架構設計開發,目前已經可以提高至 5倍(500%!!) 的效率,可以縮短將近一年半的時間!
3. 核心層:
核心層涵蓋了底層技術的研發和系統的基礎架構支持,例如操作系統開發、資料處理引擎、人工智慧模型優化以及高效能計算等。
這一層次的工作具有高度的技術性和創新需求,往往涉及大量的專業知識和對新技術的探索。
例如,開發一個新的深度學習架構、設計高效能的處理算法,或是優化資料庫的查詢效率,甚至優化現有的預測模型,這些案例出現在筆者今年完成的GAI輔助創新的企業客製化專案中!
這些工作實際上需要深入理解相關技術和引入創造性思維與工具(TRIZ, 設計思考, 軟體產品開發流程等等)。然而,目前GAI技術難以在這些方面與人類專家相提並論,完全不同層次。
GAI已經無庸置疑可以輔助程式撰寫,但仍然需要專業技能與創新能力足夠的工程師進行檢視與改善。
總結而論,#生成式AI的應用效果隨工程師能力而指數提升,筆者今年企業輔導成功案例指出,在六個不同的專案中,分別至少可以縮短75%到500%的時間。
在AI持續猛進發展的基礎下,目前可以肯定的是應用層的程式撰寫,GAI的輔助比例越來越高,甚至在可預測的未來很有可能不排除會完全被GAI取代,而架構層和核心層,需要人類工程師根據情境需求設計!
—-
以上這些都是2024年筆者應用TRIZ系統創新工具結合生成式AI輔導的AI軟體開發專案輔導的成果心得,客戶學員們在10月成果發表的時候,確實獲得客戶高層領導主管們認可,也讓筆者對未來AI輔助創新的發展更有信心!
Jou-Li Wang
2024©汪周禮@智合創新
GAI輔助創新與技術應用開發
如有任何問題,歡迎與筆者聯絡:
service@iiiinnovation.com