亞馬遜CTO:淘汰你的不是AI,而是不肯進化的自己
上壹節說過，只要壹個節點變了，整條河流都可能改道。
Werner 說到關鍵：你可以讓 AI 寫代碼，但你不能跳過理解代碼。
AI 讓執行變快，但也讓犯大錯的速度變快。不停地試、不停地碰運氣，那不是做開發，那是抽獎。
現在大量開發者的做法是：
不思考
不驗證
壹句不行換壹句，壹段不行換壹段
如果你無法復現 AI 為什麼給出某個答案，你就無法控制結果。 你只是在賭 AI 這次會不會給對。
2、自動化越多，人工檢查越要深
他講到 Amazon S3 團隊的壹個制度：可靠性審查。
每次系統改動，不管多小，都要有工程師能回答叁個問題：
這段代碼在最壞情況下會怎樣？
它和系統中其他部分會怎樣相互影響？
如果它悄悄出錯，我們多久能發現？
注意，不是 AI 回答，是工程師回答。
在 Werner 看來，自動化越多，人工檢查越要深入。
因為自動化的錯誤，會以更快、更隱蔽的方式擴散。
誰能喊停？Werner 引用了 Amazon 內部壹個真實機制：安燈系統（Andon Cord）。
這是從豐田借鑒的做法： 生產線上任意員工發現異常，都可以拉下繩子，讓整條線停下來。
貝索斯把它移植到軟件團隊： 只要有工程師判斷問題可能影響用戶，就能立即叫停、暫停、撤回，哪怕只是懷疑。
為什麼？
因為系統太復雜了，已經超過任何壹個人能完全理解的程度。最早發現問題的人，比職位最高的人更有價值。
這套機制傳遞的文化是：
犯錯不可怕
看不見錯誤才可怕
在 AI 時代，我們需要更多緊急刹車，而不是更快的發布。
AI 不會替你承擔責任。只有你能。
第肆節｜誰會被 AI 放大？既專且廣的 T 型人才
你想在 AI 時代進化成功嗎？光靠技術深不夠，還得懂得連接、表達和跨界思考。
Werner 在演講最後，講了他最看重的壹種開發者形態：T 型人才：壹方面在專業領域足夠深，另壹方面能橫向理解系統、溝通意圖、跨學科思考。
這類人，在 AI 時代會被指數級放大。
而只會低頭幹活、不懂全局、不擅表達的人，會被 AI 輕松替代。
1、不只是寫代碼，更要知道在造什麼
Werner 提到圖靈獎得主 Jim Gray 的故事。有壹次，他走進壹個天文數據中心，聽了壹下機器運行聲，30秒後就說：數據庫結構不對。
所有工程師都懵了。他怎麼知道？
Jim 說：磁盤聲音不對，是典型的數據讀取方式錯了。
這就是系統直覺。這種判斷能力，不來自某種更高深的技術，而來自跨越領域、連接原理與現實的經驗積累。
跨界不只是概念，而是真實影響世界的能力
Werner 花了很多時間講他在非洲、拉美等地的走訪經歷：
盧旺達衛生系統：年輕工程師做出可視化健康平台，結合地理數據和孕產婦分布，推動國家級政策資源分配。
KOKO Networks：用乙醇智能補給機解決城市貧民區的燃料污染問題，AI 優化補給路徑。
Ocean Cleanup：用傳感器和 AI 模型預測垃圾流向，設計清理機制。
[加西網正招聘多名全職sales 待遇優]
這條新聞還沒有人評論喔，等著您的高見呢
Werner 說到關鍵：你可以讓 AI 寫代碼，但你不能跳過理解代碼。
AI 讓執行變快，但也讓犯大錯的速度變快。不停地試、不停地碰運氣，那不是做開發，那是抽獎。
現在大量開發者的做法是：
不思考
不驗證
壹句不行換壹句，壹段不行換壹段
如果你無法復現 AI 為什麼給出某個答案，你就無法控制結果。 你只是在賭 AI 這次會不會給對。
2、自動化越多，人工檢查越要深
他講到 Amazon S3 團隊的壹個制度：可靠性審查。
每次系統改動，不管多小，都要有工程師能回答叁個問題：
這段代碼在最壞情況下會怎樣？
它和系統中其他部分會怎樣相互影響？
如果它悄悄出錯，我們多久能發現？
注意，不是 AI 回答，是工程師回答。
在 Werner 看來，自動化越多，人工檢查越要深入。
因為自動化的錯誤，會以更快、更隱蔽的方式擴散。
誰能喊停？Werner 引用了 Amazon 內部壹個真實機制：安燈系統（Andon Cord）。
這是從豐田借鑒的做法： 生產線上任意員工發現異常，都可以拉下繩子，讓整條線停下來。
貝索斯把它移植到軟件團隊： 只要有工程師判斷問題可能影響用戶，就能立即叫停、暫停、撤回，哪怕只是懷疑。
為什麼？
因為系統太復雜了，已經超過任何壹個人能完全理解的程度。最早發現問題的人，比職位最高的人更有價值。
這套機制傳遞的文化是：
犯錯不可怕
看不見錯誤才可怕
在 AI 時代，我們需要更多緊急刹車，而不是更快的發布。
AI 不會替你承擔責任。只有你能。
第肆節｜誰會被 AI 放大？既專且廣的 T 型人才
你想在 AI 時代進化成功嗎？光靠技術深不夠，還得懂得連接、表達和跨界思考。
Werner 在演講最後，講了他最看重的壹種開發者形態：T 型人才：壹方面在專業領域足夠深，另壹方面能橫向理解系統、溝通意圖、跨學科思考。
這類人，在 AI 時代會被指數級放大。
而只會低頭幹活、不懂全局、不擅表達的人，會被 AI 輕松替代。
1、不只是寫代碼，更要知道在造什麼
Werner 提到圖靈獎得主 Jim Gray 的故事。有壹次，他走進壹個天文數據中心，聽了壹下機器運行聲，30秒後就說：數據庫結構不對。
所有工程師都懵了。他怎麼知道？
Jim 說：磁盤聲音不對，是典型的數據讀取方式錯了。
這就是系統直覺。這種判斷能力，不來自某種更高深的技術，而來自跨越領域、連接原理與現實的經驗積累。
跨界不只是概念，而是真實影響世界的能力
Werner 花了很多時間講他在非洲、拉美等地的走訪經歷：
盧旺達衛生系統：年輕工程師做出可視化健康平台，結合地理數據和孕產婦分布，推動國家級政策資源分配。
KOKO Networks：用乙醇智能補給機解決城市貧民區的燃料污染問題，AI 優化補給路徑。
Ocean Cleanup：用傳感器和 AI 模型預測垃圾流向，設計清理機制。
[加西網正招聘多名全職sales 待遇優]
| 分享: |
| 注： | 在此頁閱讀全文 |
推薦: