作者簡介

作者目前擔任凌群電腦資通技術處經理，現專職AI解決方案規劃與領導AI專案開發，並主導凌群AI開發團隊之研究方向。

Software 1.0

在過去的幾十年裡，軟體開發的核心邏輯一直非常穩固，無論是寫一個簡單的網頁表單，還是複雜的金融交易系統，我們所依賴的思維模式都是「規則驅動（Rule-based）」。

這階段我們習慣稱之為 Software 1.0。

在Software 1.0的世界裡，工程師是絕對的上帝，我們撰寫明確的程式碼（Code），告訴電腦在什麼情況下（If），該執行什麼動作（Then）；所有的邏輯都是被定義、顯性的與確定的，而如果程式跑出來的結果不如預期，那一定是程式碼寫錯了（Bug），我們只要進去把那行邏輯修正過來，問題就解決了。

因此過去的Software 1.0時代，這是一個乾淨、邏輯分明且可控的領域。

然而，當我們踏入 AI 與機器學習的領域——也就是 OpenAI共同創辦人之一的Andrej Karpathy 所提出的 Software 2.0 時代，這一切規律與慣性都被打破了。

(註：Karpathy又於2025年6月提出Software 3.0，但今日我們僅討論2.0)

什麼是 Software 2.0？

我們想像一下，今天有一個需求是寫一個程式來「辨識圖片中是否有貓」？

• Software 1.0 的做法： 我們會試圖尋找貓的特徵；如果（If）有兩個尖尖的三角形（耳朵），且（And）有圓圓的形狀（臉），且（And）有鬍鬚... 你會發現這行不通，因為貓的姿勢、顏色、光影有無數種變化，我們無法用窮舉的 If-Else 來定義「什麼是貓」。
  
  
• Software 2.0 的做法： 我們不再手寫規則，相反地，我們準備兩堆圖片：一堆有貓，一堆沒貓。我們設計一個演算法架構（這是「骨架」），然後把這些圖片（資料集）丟進去，定義一個目標函數（由演算法自己去判斷對錯）。

接著，透過大量的運算（訓練），演算法會自己調整內部的權重參數，直到它能準確分辨貓為止。



這意味著什麼？

這意味著，程式碼（Code）不再是人類寫的，而是由資料集（Data）訓練出來的。
在這個新典範中，資訊業中軟體工程師的角色發生了最劇烈的轉變：

• 從「建築師」變成「老師」： 以前我們像建築師，精準規劃每一塊磚頭的位置；現在我們像老師，提供教材（資料集）給學生（模型），我們無法控制學生腦袋裡（神經網絡）的神經元具體是如何連結的，我們只能通過考試結果（驗證集）來評估他學得好不好。
  
  
• 從「確定性」變成「機率性」： 這是傳統開發者最痛苦的跨越，在 Software 1.0，輸入 A 必定得到 B，若不是就是錯；但在AI專案中，模型告訴你「這張圖 95% 是貓」，這不是 Bug，這是一個特徵！AI 本質上是在處理不確定性，我們追求的不再是邏輯上的完美，而是統計上的準確。

為什麼這個認知很重要？

很多企業在導入或開發AI時成效不彰或是失敗，正是因為試圖用管理/開發Software 1.0的方式來管理/開發Software 2.0的專案。

當老闆問：「為什麼這個模型有時候會講錯話？你去把那個 Bug 修掉。」 但在 AI 的世界裡，可能根本沒有一行特定的程式碼讓我們去「修Bug」，要改善表現，我們要做的可能是資料清洗、調整架構，甚至是重新定義情境；這不是一個單純的「除錯（Debug）」，而是一個「實驗（Experiment）」過程。



企業必須要能理解這一點是進行 AI 應用開發與導入的第一步，如果不能接受程式碼變成一個巨大且難以完全解釋的黑盒子，如果不能容忍輸出的不確定性，那麼AI專案從一開始就註定其終點會遙遙無期；既然AI的應用開發像是一場科學實驗，那麼很顯然的，我們需要的團隊編制，將不再僅僅是一群只會寫 Code 的工程師，系統分析師與工程師在未來也需具備「邏輯思維」、「問題解決能力」與「創新的意識」。

本期的核心概念在於：傳統程式開發（Software 1.0）是「人類寫規則給機器執行」；AI 開發（Software 2.0）是「人類提供目標與數據，讓機器自己找出規則」。在下一期的專欄中，我們將深入探討：為什麼做 AI 應用開發，你一定需要一個「研究團隊」？