🔧 阿川の電商水電行
AI 進入技術文章閱讀、解析與解釋的時代。
當出現錯誤時，我們不再只是複製貼上後在網上查詢，而是習慣性地直接詢問 AI。
儘管如此，撰寫技術文章的意義依然存在嗎？
AI 的摘要
本文內容已被簡要總結。
AI 的優勢
- 快速且準確
- 根據讀者需求輸出
- 準確性檢查
撰寫文章動機減少的原因
- 不再有讚好
- 文章被淹沒
- 不再需求個性
為何我們應該撰寫文章
- 個人作品集
- 對社群的貢獻
- 思維整理
所謂的「技術文章」是什麼
在進入正題之前，首先整理一下「技術文章」的特性。
我個人認為，並非所有在互聯網上的文章都會透過 AI 閱讀。然而，一般文章與技術文章之間有著很大的區別。
- 一般文章：傳達體驗、情感，講述故事
- 技術文章：分享技術知識、提供問題解決的方法
這種區別是重要的。
技術文章的本質目的是「信息的傳達」。讀者所追求的不是優美的文字或作者的個性，而是高效的知識獲取。
（而所謂的「詩篇文章」不被視為技術文章的範疇。）
讓 AI 作為橋樑的優勢
不言而喻，讓 AI 作為橋樑的好處有很多。
1. 極大縮短時間
相較於直接閱讀，理解內容的速度明顯提升。
- 僅提取必要信息
- 省略冗長的說明
- 針對感興趣的部分隨時詢問
2. 根據讀者的熟練程度進行輸出
文章是靜態的，會導致讀者之間的水平不匹配成為理解的障礙。
但透過 AI 可以動態改變內容。
- 根據讀者的理解程度進行調整
- 以讀者熟悉的技術做例子
- 以問題的方式進行閱讀
3. 事實檢查
技術文章中，錯誤信息或過期信息並不鮮見。
使用 AI 時，不僅能夠閱讀，還能同時進行驗證。
- 與可靠的信息來源進行比較
- 確認信息是否是最新的
- 檢查是否符合最佳實踐
雖然存在爭議，但在效率、可靠性和理解易度方面，經由 AI 獲得的好處是顯而易見的。
寫文章的動機減少
我感受到 AI 的普及導致了寫作動機的下降。
1. 不再有讚
人類漸漸不會閱讀，導致讚好和評論變得稀少。
再者，因為 AI 生成文章的泛濫，文章容易淹沒。
在 X（前 Twitter）和 Hatena Bookmark 上，技術文章變得不容易引起話題。
在 Advent Calendar 方面，似乎有大量 AI 生成的文章被發布。
但我並不否定用 AI 來撰寫文章。
我所判斷為「AI 生成」的，是那些大量被發布的文章，或僅僅是現有信息的拼湊。
2. 不再需求個性
因為 AI 成為讀者，獨具個性的文風或幽默感不再受到重視。
隨著人們對於 AI 生成的均一文體習以為常，人性化的文章反而可能更難讀懂。
個性被壓抑，只需求「高效的信息傳遞」。要持續寫出同樣類似的文章，動機相當難以維持。
3. 只成為 AI 的訓練數據
撰寫技術文章作為「對社群的貢獻」的動機，本來是健康的。
但如果貢獻對象僅是 AI，而不是人類，那會讓人感到虛無。
花時間寫的文章會被AI 學習，作者名字消失，著作權不被承認。
在這樣的情況下保持動機是相當困難的。
那麼，我為什麼要寫文章呢
1. 作為作品集
因為 AI 使得文章量產變得可能，文章數量已不再是技能的指標。
然而，若見到文章的內容，依然能判斷出技能水平。
在 AI 時代，將所學以形式呈現的能力變得重要。頭腦中的知識對 AI 並不可見。能夠毫不猶豫地將思想轉化為行動本身，就是一項有價值的技能。
2. 對社群的貢獻
無論如何，都是被 LLM 吞噬罷了。
就像大家圍著 LLM 這個篝火，為其添柴一樣。
但我認為這是一個值得尊重的行為。
我自己在解決錯誤上曾多次受到文章的幫助，從 Qiita 的文章中被震撼著開始使用 React。
我所寫的文章或許能透過 AI 幫助未來的某個人。
意識到自己站在巨人的肩膀上，把所獲得的傳遞給下一代。這種開源精神就是 IT 工程師的文化。
3. 加速輸入
這是個古老的說法，但透過輸出可以加深理解。
就像呼吸一樣，要想呼出，必須先吸入。
使用 AI 時，可以將信息的消化和文章化的過程交給它，使得同時進行輸入與輸出變得容易。
使用 AI 寫技術文章的注意事項
1. 理解後使用
顯然，對不理解的內容撰寫文章並不會帶來學習。
相反地，如若不理解就發佈，可能會擴散錯誤信息，並失去自身的信譽。
不過需要注意的是，「自己理解」的這個元認知本身就是一件困難的事情。
2. 可以使用 AI
有些人會擔心 AI 的文風，但我個人認為這並非那麼重要。
反而應該意識到，讓人誤以為是人類寫的內容的優勢是什麼。
重要的是，文章的內容以及在撰寫之前自己所理解的過程。
若以被 AI 吞噬為前提來寫文章
匿名地將文章獻給 LLM 的立場也是可以的。在這種情況下，想要意識到以下幾點。
1. 包含新的見解
如果只是重述網路上已有的信息，並不會對 LLM 產生貢獻。
從實際行動中所得到的洞見或小眾的見解是有價值的。
一篇一萬字的彙總文章不如500字的小眾錯誤解決方案，對社群的貢獻度來得高。
2. 作為上下文的壓縮來看
不過，彙總文章同樣有其價值。
當 AI 收集散佈的信息時，會花費時間且上下文會增長而導致精度降低。
通常在這種情況下會用到分割上下文或壓縮信息的方法。
彙總文章可被視為事先將此壓縮完成的內容，因此具有價值。
3. 不要僅用圖片解釋
我們應該朝著對 AI 友好的文章邁進。
僅用圖片或螢幕截圖將使得 AI 難以理解內容。
通過文本補充說明，可使AI 更易於理解。
最後
我喜歡書店。
裡面有許多不認識的書籍，會遇到那些「如果不在這裡遇見，就不會閱讀的書」。
像 Qiita 這樣的平台對 IT 工程師來說就像書店。
這裡有著無法僅依賴 AI 提問而獲得的偶然發現。
未來，技術文章被人類閱讀的機會將會越來越少。
儘管如此，我仍然想繼續在 Qiita 上撰寫文章。
因為過去從那些不曾認識的前輩的文章中受到了幫助，我也想成為某個人的幫助。
我希望 Qiita 始終是一個擴展工程師可能性的場所。
原文出處：https://qiita.com/Michinosuke/items/9bc84aa2fc84d692a922
1) --- 會變成分隔線（上一行必須是空白）
2) # 會變成一級標題
3) ## 會變成二級標題
4) ### 會變成三級標題
5) **粗體文字**會顯示粗體文字
6) ```當第一行與最後一行會顯示程式碼
7) 請搜尋 Markdown 語法，了解各種格式
