從Google AI Studio到Python

我為什麼仍然要學底層技術

今天我用 Google AI Studio 做了一個情感與意圖分析的 App。在製作過程中，我更加堅信：善用 AI 和人機協作，會是未來工作與學習的重要方向。
有了越來越先進的 AI 後，人類是否可以不用再學習那些 AI 已經能迅速完成的技能？我的答案是：仍然需要學習，但學習的重點和方法已經不同。

我從 2022 年開始在數字營銷部門工作，日常經常使用各種 GenAI 工具。但在此之前，我有多年本地化管理經驗，早已接觸過 Rule-Based Machine Translation、Statistical Machine Translation、Neural Machine Translation 等機器翻譯技術。從那時開始，我就在思考人類與機器如何共存。

2022 年底，ChatGPT 席捲全球。一開始我對它頗為不屑，認為它只是一個聊天機器人。但真正使用後，我的心態很快從驕傲變成焦慮，甚至恐慌。因為我發現，GenAI 能把很多事情做得比我快，甚至比我好。

解決焦慮最好的方法，就是走進焦慮本身。我開始使用不同 AI 工具，了解它們的邏輯，也慢慢看見 AI 的長處和短處。

後來我發現，面對 AI 常見有兩種極端態度：一種是否定 AI，認為人類永遠不會被取代；另一種是崇拜 AI，認為人不再需要專業知識，AI 可以處理一切。

這兩種態度看似相反，結果卻可能相似：前者因故步自封而被淘汰，後者因過度依賴而失去判斷力，最終都可能被工具反過來主宰。
回顧自己的職業生涯，無論是 digital marketing 還是 localization，很多任務 AI 已經可以完成得很快、很好。但真正的問題是：我們如何判斷 AI 的輸出是否可靠？如果我沒有做過翻譯和審校，又怎麼判斷 AI 譯文的質量？如果我沒有數據分析基礎，又怎麼知道 AI 的結論是否合理？

所以，只學 AI 工具是不夠的。

我從去年開始學習 Python。對我來說，Python 不是單純的編程語言，而是一種把數據、文本、AI 工具和業務流程連接起來的工作語言。它可以用來分析用戶評論、處理本地化語料、整理營銷數據，也可以調用 AI API，把分散的工作流程串起來。

我學 Python 不是為了成為程序員，也不是為了研究高深算法，而是想理解工具背後的基本邏輯。否則，我們很容易只停留在黑箱操作，成為單純的工具使用者。

AI 讓學習曲線變得不再那麼陡峭，但也提醒我不能停止學習。未來重要的不是人和 AI 誰取代誰，而是人能不能理解、管理、驗證和指揮 AI。
AI 可以成為放大器，但前提是我們自己仍然要有判斷力、專業基礎和持續學習的能力。