From Competition to Campus: A Constant Dialogue with AI
去年十一月在台北市學科能力競賽中，雖然與佳作擦身而過，但當時蔣宗哲教授關於 AI 的講座讓我印象深刻。今天有幸來到師大參加校園參訪，再次聆聽蔣教授的發表，主題同樣聚焦於人類在 AI 蓬勃發展下的應對之道。兩次講座貫穿了一個核心命題：當科技不斷進化，我們如何避免被取代？這也讓我聯想到近期熱議的 Vibe Coding，並對此有了點反思。
When code finds a heartbeat, are we finally awake?
蔣教授在講座中引用了一組關鍵數據：未來將有 8 億個工作消失，但同時會產生 9 億個新職缺。這組數字背後最重要的訊息不在於數量的消長，而是勞動性質的「劇烈質變」。作為資訊班的學生，我觀察到 AI 處理標準化文件與基礎代碼的速度，正讓許多流程明確的工作失去競爭門檻。
曾幾何時，撰寫程式被視為一項「稀有技能」，但在技術洪流中，它已逐漸退化為數位時代的「基本工具」。這是一場技能通膨：過去會寫程式是履歷上的加分項，現在若不具備這項能力，可能連起跑線都站不上去。當 AI 已經在邏輯運算上展現出某種程度的「覺醒」，人類是否也跟著覺醒了？我們必須意識到，未來真正具備價值的工作，不再只是代碼的執行者，而是問題的「定義者」。
The Algorithm’s Triumph and the Human Refutation
在日常學習中，我其實也頻繁使用 Vibe Coding。不可否認，它極具效率，生成速度快且品質穩定，不會因為疲勞或情緒影響輸出。當 AI 能夠輕易完成過去需要長時間訓練才能掌握的實作能力時，我開始重新思考：如果我的核心價值只停留在「寫出正確語法」，那這份價值的取代性極高。
程式撰寫正在從核心能力轉變為基本前提，真正拉開差距的是對問題的理解深度。在與 AI 協作的過程中，我意識到 AI 雖然強大，但存在天生的局限：它不會主動質疑需求的合理性、不會為系統架構的成敗負責，更不會考慮長期的維護風險。因此，學習重心必須從「如何寫」轉移到「為什麼這樣寫」，這包括：
- 理解需求背後的真實目的，而非僅是表面的功能實作。
- 掌握系統的局限與潛在風險。
- 具備將零散功能整合為結構化系統的規劃能力。
Where Syntax Dissolves: Vibe Coding — A Revolution of Intuition
Vibe Coding 作為一種新興趨勢，讓開發者能透過描述需求來取代大量手寫代碼，確實極大地降低了開發門檻。然而，效率的提升往往也伴隨著品質控制的挑戰。觀察當前的開源平台，可以發現許多 AI 生成的專案雖然能執行，卻隱藏著顯著問題，例如：
- API Token 或金鑰直接暴露在前端的資安風險。
- 缺乏架構規劃，導致專案難以維護與擴充。
- 程式碼邏輯缺乏一致性。
這正應對了講座中提到的關鍵點：真正被需要的不再是單純的寫程人員，而是能在資訊不完整的情況下做出正確判斷的工程師。AI 可以輔助生成代碼，但它無法為架構失誤承擔後果，也無法處理涉及倫理與風險的決策。Vibe Coding 是一把雙面刃，它降低了實踐想法的難度，卻也拔高了對開發者判斷力的專業要求。
Conclusion
總結來說，AI 的崛起將加速淘汰「功能單一」的技術人員。未來真正核心的競爭力，不在於掌握了哪種程式語言或框架，而在於系統思維、問題拆解能力、跨領域理解，以及對現實世界需求的敏感度。
人與機器的最大差異在於情感、決策力與生命經歷。AI 不會因為取代人類而感到成就感，但人類會因為失去價值而面臨生存危機。我們應該將 AI 視為提升自我價值的最強工具，利用它來釋放繁瑣的實作負擔，進而專注於更高層次的判斷與創造。如果一名工程師的全部價值僅剩「寫程式」，那被取代只是時間問題；但若能結合 AI 的效率與人類的決策價值，那這股科技浪潮將成為我們最好的助力。
Picture Record
From Competition to Campus: A Constant Dialogue with AI
Last November, at the Taipei Academic Subject Proficiency Competition, although I narrowly missed winning an award, Professor Chiang Tsung-che’s lecture on AI left a lasting impression on me. Today, I had the privilege of visiting National Taiwan Normal University (NTNU) for a campus visit and once again listened to Professor Chiang’s presentation. The theme again focused on how humans should respond to the rapid development of AI. Both lectures revolved around a core proposition: as technology continues to evolve, how can we avoid being replaced? This also reminded me of the recently popular topic of “Vibe Coding,” prompting some reflection.
When code finds a heartbeat, are we finally awake?
During the lecture, Professor Chiang cited a set of key data: 800 million jobs will disappear in the future, but at the same time, 900 million new job vacancies will be created. The most important message behind these numbers is not the fluctuation in quantity, but the “drastic qualitative change” in the nature of labor. As a student in an information class, I have observed that the speed at which AI handles standardized documents and basic code is causing many jobs with clear procedures to lose their competitive threshold.
Once, writing programs was considered a “rare skill,” but in the flood of technology, it has gradually devolved into a “basic tool” of the digital age. This is skill inflation: in the past, knowing how to code was a bonus on a resume; now, without this ability, you might not even be able to stand at the starting line. When AI has already demonstrated a certain degree of “awakening” in logical operations, have humans also awakened? We must realize that truly valuable jobs in the future will no longer be mere executors of code, but “definers” of problems.
The Algorithm’s Triumph and the Human Refutation
In my daily learning, I also frequently use Vibe Coding. It is undeniably highly efficient, with fast generation speed and stable quality, unaffected by fatigue or emotions. When AI can easily complete implementation tasks that previously required long-term training to master, I began to rethink: if my core value remains only at “writing correct syntax,” then this value is highly replaceable.
Programming is shifting from a core competency to a basic prerequisite. The real gap lies in the depth of understanding of the problem. In the process of collaborating with AI, I realized that although AI is powerful, it has inherent limitations: it will not actively question the rationality of requirements, it will not take responsibility for the success or failure of the system architecture, nor will it consider long-term maintenance risks. Therefore, the focus of learning must shift from “how to write” to “why it is written this way,” which includes:
- Understanding the true purpose behind requirements, rather than just superficial functional implementation.
- Mastering the limitations and potential risks of the system.
- Possessing the planning ability to integrate scattered functions into a structured system.
Where Syntax Dissolves: Vibe Coding — A Revolution of Intuition
Vibe Coding, as an emerging trend, allows developers to replace large amounts of handwritten code by describing requirements, which indeed greatly lowers the development threshold. However, the improvement in efficiency is often accompanied by challenges in quality control. Observing current open-source platforms, one can find many AI-generated projects that, although executable, hide significant problems, such as:
- Cybersecurity risks like API Tokens or keys being directly exposed in the frontend.
- Lack of architectural planning, making projects difficult to maintain and expand.
- Lack of consistency in code logic.
This corresponds to the key point mentioned in the lecture: what is truly needed is no longer simple coders, but engineers who can make correct judgments in situations with incomplete information. AI can assist in generating code, but it cannot bear the consequences of architectural failures, nor can it handle decisions involving ethics and risk. Vibe Coding is a double-edged sword; it reduces the difficulty of realizing ideas but raises the professional requirements for a developer’s judgment.
Conclusion
In summary, the rise of AI will accelerate the elimination of “single-function” technical personnel. The truly core competitiveness of the future lies not in which programming language or framework you have mastered, but in systems thinking, problem decomposition ability, cross-disciplinary understanding, and sensitivity to real-world needs.
The biggest difference between humans and machines lies in emotion, decision-making power, and life experience. AI will not feel a sense of accomplishment for replacing humans, but humans will face a survival crisis for losing their value. We should view AI as the strongest tool for enhancing self-value, using it to release the burden of tedious implementation and focus on higher-level judgment and creation. If an engineer’s entire value consists only of “writing code,” then being replaced is only a matter of time; but if we can combine the efficiency of AI with the value of human decision-making, then this technological wave will become our best ally.
Picture Record
競技場からキャンパスへ：AIとの終わなき対話
昨年11月の台北市学科能力競技大会では、惜しくも佳作を逃しましたが、その時の蔣宗哲教授によるAIに関する講演は強く印象に残りました。今日、幸運にも師範大学（NTNU）のキャンパス訪問に参加し、再び蔣教授の発表を聴く機会を得ました。テーマは前回同様、AIが急速に発展する中で人間がどう向き合うべきかというものでした。二つの講演を貫く核心的な問いは、「テクノロジーが進化し続ける中で、いかにして代替されることを避けるか」という点にあります。これは最近話題の「Vibe Coding」とも重なり、改めて深く考えさせられました。
コードに鼓動が宿る時、私たちはついに目覚めるのか？
蔣教授は講演の中で、重要なデータを引用しました。将来的に8億の仕事が消滅する一方で、9億の新しい職が生まれるというものです。この数字の背後にある最も重要なメッセージは、数量の増減ではなく、労働の性質における「劇的な質的変化」です。情報クラスの学生として、AIが標準化された文書や基礎的なコードを処理するスピードを目の当たりにするにつれ、明確なプロセスに基づいた多くの仕事が、競争上の優位性を失いつつあることを実感しています。
かつて、プログラミングは「希少なスキル」とされていましたが、テクノロジーの奔流の中で、それはデジタル時代の「基本的な道具」へと退化しました。これはスキルのインフレです。以前はコードが書けることは履歴書のプラスアルファでしたが、今やその能力がなければ、スタートラインに立つことさえ難しいかもしれません。AIが論理演算においてある種の「覚醒」を見せている今、人間もまた目覚めたのでしょうか？私たちは、将来本当に価値を持つ仕事は、単なるコードの実行者ではなく、問題の「定義者」であることを認識しなければなりません。
アルゴリズムの勝利と人間の反論
日々の学習において、私も頻繁にVibe Codingを利用しています。それが極めて効率的であり、生成速度が速く、品質が安定していることは否定できません。疲労や感情に左右されることもありません。かつて習得に長期間の訓練が必要だった実装能力をAIが容易にこなせるようになった今、私は考え直しました。もし自分の核心的な価値が「正しい構文を書くこと」だけに留まっているなら、その価値は極めて代替されやすいものです。
プログラミングは核心的な能力から基本的な前提へと変わりつつあり、真の差を生むのは問題に対する理解の深さです。AIと協働する過程で、AIは強力である一方で、先天的な限界があることに気づきました。AIは自ら要求の妥当性を疑うことはありませんし、システムアーキテクチャの成否に責任を負うことも、長期的なメンテナンスリスクを考慮することもありません。したがって、学習の重心は「どう書くか」から「なぜこう書くか」へと移らなければなりません。それには以下が含まれます：
- 表面的な機能実装ではなく、要求の背後にある真の目的を理解すること。
- システムの限界と潜在的なリスクを把握すること。
- 断片的な機能を構造化されたシステムへと統合する設計能力を持つこと。
構文が溶け去る場所：Vibe Coding — 直感の革命
新興のトレンドであるVibe Codingは、開発者が要求を記述することで大量の手書きコードを代替することを可能にし、開発の敷居を劇的に下げました。しかし、効率の向上はしばしば品質管理の課題を伴います。現在のオープンソースプラットフォームを観察すると、AIによって生成されたプロジェクトの多くは、実行可能であっても重大な問題を隠し持っています。例えば：
- APIトークンや秘密鍵がフロントエンドに直接露出しているといったセキュリティリスク。
- アーキテクチャ設計の欠如により、メンテナンスや拡張が困難なプロジェクト。
- コードロジックの一貫性の欠如。
これは、講演で言及された重要な点に対応しています。本当に必要とされているのは、単なるコーダーではなく、情報が不完全な状況下で正しい判断を下せるエンジニアです。AIはコード生成を補助できますが、設計ミスによる結果に責任を負うことはできませんし、倫理やリスクに関わる意思決定を行うこともできません。Vibe Codingは諸刃の剣です。アイデアを実現する難易度を下げると同時に、開発者の判断力に対する専門的な要求を高めています。
結論
総括すると、AIの台頭は「単一機能」の技術者の淘汰を加速させるでしょう。将来の真の核心的な競争力は、どのプログラミング言語やフレームワークを習得しているかではなく、システム思考、問題分解能力、領域を横断する理解、そして現実世界のニーズに対する感受性にあります。
人間とマシンの最大の違いは、感情、意思決定力、そして人生経験にあります。AIは人間を代替することに達成感を感じることはありませんが、人間は自らの価値を失うことで生存の危機に直面します。私たちはAIを、自己価値を高めるための最強のツールとして捉えるべきです。煩雑な実装の負担から解放されるためにAIを活用し、より高次元の判断と創造に集中するのです。もしエンジニアの価値が「コードを書くこと」しか残っていないなら、代替されるのは時間の問題です。しかし、AIの効率性と人間の意思決定の価値を組み合わせることができれば、このテクノロジーの波は私たちにとって最高の助けとなるでしょう。
写真記録
경기장에서 캠퍼스로: AI와의 끊임없는 대화
지난 11월 타이베이시 학과 능력 경진대회에서 아쉽게 가작을 놓쳤지만, 당시 장종철 교수님의 AI 관련 강연은 저에게 깊은 인상을 남겼습니다. 오늘 운 좋게 사범대학교(NTNU) 캠퍼스 투어에 참여하여 다시 한번 장 교수님의 발표를 들을 기회를 얻었습니다. 주제는 지난번과 마찬가지로 AI가 급격히 발전하는 시대에 인간이 어떻게 대응해야 하는가에 초점이 맞춰져 있었습니다. 두 강연을 관통하는 핵심 명제는 ‘기술이 끊임없이 진화하는 가운데 어떻게 대체되는 것을 피할 것인가?’였습니다. 이는 최근 화제가 되고 있는 ‘Vibe Coding’과도 연결되어 저에게 많은 생각을 하게 했습니다.
코드에 심장 박동이 깃들 때, 우리는 마침내 깨어나는가?
장 교수님은 강연에서 중요한 데이터 한 세트를 인용하셨습니다. 미래에 8억 개의 일자리가 사라지는 동시에 9억 개의 새로운 일자리가 창출될 것이라는 내용입니다. 이 수치 뒤에 숨겨진 가장 중요한 메시지는 수량의 증감이 아니라 노동 성격의 ‘격격한 질적 변화’입니다. 정보반 학생으로서 저는 AI가 표준화된 문서와 기초적인 코드를 처리하는 속도를 지켜보며, 명확한 프로세스에 기반한 많은 업무가 경쟁력을 잃어가고 있음을 실감하고 있습니다.
한때 프로그래밍은 ‘희귀한 기술’로 여겨졌으나, 기술의 홍수 속에서 이제는 디지털 시대의 ‘기본적인 도구’로 퇴화했습니다. 이것은 기술 인플레이션입니다. 과거에는 코딩 능력이 이력서의 가점 요인이었지만, 이제는 이 능력이 없다면 출발선에조차 서지 못할 수도 있습니다. AI가 논리 연산에서 어느 정도 ‘각성’을 보여주고 있는 지금, 인간도 함께 깨어났을까요? 우리는 미래에 진정으로 가치 있는 일은 단순한 코드의 실행자가 아니라 문제의 ‘정의자’가 되는 것임을 깨달아야 합니다.
알고리즘의 승리와 인간의 반론
일상적인 학습에서 저 또한 Vibe Coding을 빈번하게 사용합니다. 그것이 매우 효율적이며, 생성 속도가 빠르고 품질이 안정적이라는 사실은 부정할 수 없습니다. 피로나 감정에 영향을 받지도 않습니다. 과거에 오랜 훈련이 필요했던 구현 능력을 AI가 손쉽게 해내는 것을 보며 저는 다시 생각하기 시작했습니다. 만약 나의 핵심 가치가 단지 ‘올바른 구문을 작성하는 것’에만 머물러 있다면, 그 가치는 대체될 가능성이 매우 높습니다.
프로그래밍은 핵심 역량에서 기본 전제로 변하고 있으며, 진짜 차이를 만드는 것은 문제에 대한 이해의 깊이입니다. AI와 협업하는 과정에서 AI가 강력하기는 하지만 선천적인 한계가 있음을 깨달았습니다. AI는 스스로 요구사항의 타당성을 의심하지 않으며, 시스템 아키텍처의 성패에 책임을 지지도 않고, 장기적인 유지보수 리스크를 고려하지도 않습니다. 따라서 학습의 중심은 ‘어떻게 쓰는가’에서 ‘왜 이렇게 쓰는가’로 옮겨가야 합니다. 여기에는 다음이 포함됩니다:
- 표면적인 기능 구현이 아니라 요구사항 뒤에 숨겨진 진짜 목적을 이해하는 것.
- 시스템의 한계와 잠재적 리스크를 파악하는 것.
- 파편화된 기능을 구조화된 시스템으로 통합하는 설계 능력을 갖추는 것.
구문이 녹아내리는 곳: Vibe Coding — 직관의 혁명
신흥 트렌드인 Vibe Coding은 개발자가 요구사항을 기술함으로써 방대한 양의 수작업 코드를 대체할 수 있게 해주어 개발 문턱을 크게 낮추었습니다. 그러나 효율성의 향상은 종종 품질 관리의 과제를 동반합니다. 현재의 오픈 소스 플랫폼을 관찰해 보면, AI로 생성된 많은 프로젝트가 실행은 가능하지만 다음과 같은 중대한 문제를 숨기고 있음을 알 수 있습니다:
- API 토큰이나 비밀키가 프론트엔드에 직접 노출되는 보안 리스크.
- 아키텍처 설계의 부재로 인해 유지보수와 확장이 어려운 프로젝트.
- 코드 로직의 일관성 결여.
이는 강연에서 언급된 핵심 포인트와 일맥상통합니다. 진정으로 필요로 하는 것은 단순한 코더가 아니라, 정보가 불완전한 상황에서도 올바른 판단을 내릴 수 있는 엔지니어입니다. AI는 코드 생성을 보조할 수 있지만 아키텍처 오류에 따른 결과에 책임을 질 수 없으며, 윤리와 리스크가 얽힌 의사결정을 처리할 수도 없습니다. Vibe Coding은 양날의 검입니다. 아이디어를 실현하는 난이도를 낮추는 동시에 개발자의 판단력에 대한 전문적인 요구치를 높이고 있습니다.
결론
요약하자면, AI의 부상은 ‘단일 기능’ 기술자의 도태를 가속화할 것입니다. 미래의 진정한 핵심 경쟁력은 어떤 프로그래밍 언어나 프레임워크를 익혔느냐가 아니라 시스템 사고, 문제 분해 능력, 다학제적 이해, 그리고 현실 세계의 요구사항에 대한 민감도에 있습니다.
인간과 기계의 가장 큰 차이는 감정, 의사결정력, 그리고 삶의 경험에 있습니다. AI는 인간을 대체한다고 해서 성취감을 느끼지 않지만, 인간은 자신의 가치를 잃음으로써 생존 위기에 직면합니다. 우리는 AI를 자기 가치를 높이기 위한 최강의 도구로 보아야 하며, 번거로운 구현 부담에서 벗어나 더 높은 차원의 판단과 창조에 집중해야 합니다. 만약 한 엔지니어의 가치가 오로지 ‘코딩’에만 남게 된다면 대체되는 것은 시간문제일 것입니다. 하지만 AI의 효율성과 인간의 의사결정 가치를 결합할 수 있다면, 이 기술적 파도는 우리에게 최고의 조력자가 될 것입니다.
사진 기록
正在整理紙條…