Amazon CTO Werner Vogels：2024年及未來四大技術趨勢預測

縱觀歷史，人類已經開發出各種工具和系統來增強自身能力。無論是印刷機還是裝配線，這些創新拓寬了我們的能力範圍，造就新的工作和職業，我們也不斷適應著新生活。這種變化的速度在過去的一年裡迅速加快，雲技術、機器學習和生成式 AI 變得更為普及，從寫電子郵件到開發軟體，甚至是癌症早期篩查，這些技術幾乎影響到人類生活的方方面面。創新將是未來數年各個領域的重要主題，旨在普及技術，幫助我們跟上日益加快的生活節奏，而這一切都將始於生成式 AI。

生成式 AI 將逐漸具備文化意識

用文化多樣性資料訓練的大語言模型(LLM)將更加細緻入微地瞭解人類經驗和複雜的社會挑戰。這種文化流利度有望讓全球使用者更便利地使用生成式 AI 。

從我們講的故事、吃的食物和穿著打扮，到價值觀、禮儀、偏見、處理問題和做決定的方式，文化影響著我們的一切。它是我們在社群中立足的基礎，是我們的處事規則和信仰準則，是一種取決於我們身處何地、相伴何人的契約。

與此同時，文化差異有時也會造成混淆與誤解。日本文化將吃麵時大聲吸湯視為一種享受，但其他文化認為此舉很不禮貌;印度傳統婚禮習俗要求新娘身穿精巧豔麗的藍嘎(lehenga)，西方傳統則是讓新娘身穿白色婚紗，在希臘甚至有往婚紗上吐口水以求好運的習俗。作為人類的我們已經習慣跨文化環境，因此我們能綜合各種文化資訊，調整解讀方式並做出適當回應。

所以，為何不期望我們賴以生存的技術也能實現這一點呢?在未來幾年裡，文化將在技術的設計、部署和使用方式中發揮至關重要的作用，其影響將在生成式 AI 中體現得淋漓盡致。

大語言模型要想觸達全球使用者，必須達到與人類自身相同的文化流利性。佐治亞理工學院(Georgia Institute of Technology)的研究人員在今年早些時候釋出的論文中證明，即使向一個大語言模型提供明確提及伊斯蘭祈禱詞的阿拉伯語提示詞，生成的回覆依然是建議與朋友們一起喝酒，而喝酒在伊斯蘭文化中是不當之舉。這種情況在很大程度上與可用訓練資料有關。目前被用於訓練眾多大語言模型的 Common Crawl 資料集大約有 46% 的內容是英語，而且無論何種語言，更大比例的可用內容以西方文化為基礎(明顯傾向於美國文化)。如果將相同的提示詞輸入用阿拉伯語文字預訓練且專門生成阿拉伯語響應的模型，就會得到更符合文化背景的回覆，比如建議喝茶或咖啡。近幾個月開始出現一些非西方語境的大語言模型：用阿拉伯語和英語資料訓練的 Jais，中英雙語模型 Yi-34B，以及用大量日語網路語料庫訓練的 Japanese-large-lm。這些跡象表明，具有文化準確性的非西方模型將向數億人提供生成式 AI，其影響將會涉及教育、醫療等方方面面。

要記住，文化和語言並非完全相同，一個模型即便能給出最完美的翻譯，也未必具有文化意識。隨著無數歷史和經驗被融入模型，我們將會看到大語言模型開始形成更廣泛的世界性視角。正如人類從辯論探討和思想交流中學習一樣，大語言模型也需要類似的機會來擴充視野、瞭解文化。有兩個研究領域會在這種文化交流中發揮關鍵作用：一是基於人工智慧反饋的強化學習(RLAIF)，即一個模型吸收另一個模型的反饋，由此讓不同模型相互影響，並根據這些影響更新其對不同文化概念的理解;二是透過多智慧體辯論進行協作，即一個模型的多個例項生成響應，然後辯論每個響應的正確性及理由，最後透過這一辯論過程得出一致響應。這兩個研究領域都能降低訓練和微調模型所需的人力成本。

女性科技終於騰飛

女性科技(FemTech)投資的激增、混合醫療的發展以及豐富的資料讓診斷和治療效果不斷改善，促使女性醫療迎來一個拐點。女性科技的崛起不僅將造福女性，還將推動整個醫療系統的發展。

女性醫療並非小眾市場。僅在美國，女性每年在醫療方面的開支就超過五千億美元。她們占人口總數的 50%，而在醫保消費決策者中的佔比達到 80%。不過，現代醫學一直預設以男性為基礎，甚至直到 1993 年美國國立衛生研究院(NIH)頒佈《振興法案》之後，美國的臨床研究才會納入女性研究物件。月經護理和更年期治療歷來被視為忌諱話題，而且由於女性被排除在臨床試驗和研究之外，她們的治療效果往往比男性糟糕得多。

平均而言，女性有多種疾病的確診時間晚於男性，而且女性心臟病發作後被誤診的風險要比男性高出 50%。處方藥或許是最能體現不平等的例子：女性使用處方藥造成不良副作用的比例明顯高於男性。儘管這些資料可能從表面上看來令人擔憂，但在雲技術和大資料的協助下，對女性醫療(又稱女性科技)的投資正在逐步上升。

亞馬遜雲科技一直與女性領導的初創企業密切合作，親眼見證了女性科技的發展。僅在去年，相關投資就增長了 197%。隨著資金、機器學習等技術以及專為女性設計的聯網裝置不斷普及，我們正面臨前所未有的變革，這不僅關係到人們對女性護理的看法，也涉及管理方式的轉變。Tia、Elvie 和 Embr Labs 等公司展現出利用資料和預測分析提供個性化護理的巨大潛力，無論是居家還是外出，這些公司能為患者隨時提供服務。

隨著對女性健康需求的偏見逐漸消失，以及更多資金流入該領域，女性科技公司將會繼續積極應對以前被忽視的各種醫療狀況和需求。與此同時，利用線上醫療平臺、便捷可用的低成本診斷裝置、以及按需獲得的醫療專業服務的混合醫療模式的發展，將大大增加女性獲得醫療服務的機會。

Maven 等客戶已經證明自己是該領域的佼佼者，這些公司打破了心理健康和生理健康之間的界限，向使用者提供情感諮詢、更年期護理等各種服務。這些平臺的不斷成熟與普及將促成醫療服務的大眾化，藉助應用程式和遠端醫療平臺，農村地區和醫療服務歷來不足的地區的女效能更容易地聯絡到婦產科醫生、心理健康專家和其他專家。

NextGen Jane 等智慧衛生棉條系統正在開發中，這些系統能讓女性建立子宮健康檔案，確定潛在的疾病基因組標誌物並與臨床醫生無縫共享該資訊。可穿戴裝置則會為女性使用者及其醫生提供大量可分析的縱向健康資料。當前，超過 70% 的女性的更年期症狀無法得到治療，加強教育、提供資料和採用非介入性解決方案將極大地改善治療效果，而這遠遠超出了婦產科護理的範疇。

例如，在女足世界盃前夕，約有 30 名運動員由於備戰造成前十字韌帶受傷。與傳統醫學一樣，女性訓練模式也是以男性訓練模式為藍本，並沒有過多考慮到生理因素。因此，女性因前十字韌帶受傷而退役的機率是男性的六倍，完全康復並重返賽場的機率也比男性低 25%。這也是研究女性特徵健康資料將產生重大影響的另一個領域，這樣做不僅能預防女運動員受傷，還能全面改善她們的健康狀況。

我們正處在女性醫療的拐點。獲取大量多樣化資料結合計算機視覺和深度學習等雲技術將減少誤診，並且有助於最大限度地降低藥物副作用，這些副作用對當今女性的影響尤為嚴重。子宮內膜異位和產後抑鬱也將得到應有的重視。我們最終將見證女性醫療從邊緣走向前沿。由於女性主導的團隊解決眾多健康問題的意願要比男性主導的團隊更強，女性科技不僅將惠及女性，也將改善整個醫療系統。

AI 助手重塑開發者生產力

AI 助手不再侷限於基礎程式碼的生成，它們正在演變為指導性的導師和不知疲倦的合作伙伴。在軟體開發的整個生命週期中，AI 助手能夠提供支援，用通俗易懂的方式闡釋複雜的系統結構，並提供定製化的最佳化建議，同時自動處理繁雜的重複任務。這使得開發者能夠將注意力集中在最具創新性和影響力的工作上。

2021 年，我曾預測生成式 AI 將在編碼實踐中起到關鍵作用，並將擴充開發者的能力，協助他們寫出更安全、更穩定的程式碼。目前，這一預測正在變為現實。我們看到了市場上湧現出眾多基於自然語言提示，能夠生成函式、類和測試的工具與系統。實際上，在 2023 年 Stack Overflow 的開發者調查中，有 70% 的受訪者表示他們已經在使用或打算使用 AI 輔助的工具來進行軟體開發。

未來的 AI 助手不僅能夠理解和編寫程式碼，還將作為一位永不厭倦的合作伙伴和導師。無論您提出多少次問題，它們都能不知疲倦地執行任務，並且始終耐心解釋概念或重複工作。AI 助手能夠提供無限的時間和耐心支援，協助團隊成員應對從程式碼審查到產品策略的各項挑戰。

產品經理、前後端工程師、資料庫管理員、UI/UX 設計師、DevOps 工程師和架構師之間的界限將逐漸模糊。AI 助手將憑藉對整體系統，而非單一模組的深刻理解，為提升人類創造力提供建議，比如將草圖轉化為框架程式碼、根據需求文件自動生成模板，或為您的任務推薦最適合的基礎設施，如無伺服器架構或容器技術。

這些助手將高度可定製，能在個人、團隊或整個企業級別進行個性化設定。它們能用簡單的術語來解釋像 Amazon S3 這樣的複雜分散式系統的內部機制，使之成為極具價值的教學工具。初級開發者可以藉助這些工具快速熟悉不瞭解的基礎架構，而經驗豐富的工程師則可以使用它們迅速理解新的專案或程式碼庫，並開始做出實際貢獻。在過去，可能需要花費數週的時間來完全理解程式碼更改的下游影響，而 AI 助手可以即刻進行評估，概述這些更改對系統其他部分可能產生的影響，並根據需要提供改進建議。

我們已經看到，在現代軟體開發中，許多以前被認為是乏味的工作——如撰寫單元測試、編寫樣板程式碼以及除錯錯誤——正逐漸從開發者的日常工作中消失。那些通常被視為“額外”的任務，往往會被忽視。AI 助手即將有能力重構和遷移整個遺留應用程式，例如將應用從 Java 8 升級到 Java 17，或是將單體應用拆分為微服務。

毫無疑問，開發者們仍然需要策劃和評估最終產出，但 AI 助手將協助他們篩選學術研究，為分散式系統選擇合適的演算法，並決定如何從主備模式遷移到雙活模式，並且能夠深入瞭解單個資源如何影響效率，並據此制定定價模型。這將使得更多的工作自動化，開發者將不再需要手動執行升級 Java 版本等繁重的任務，而可以專注於那些能推動創新的創意性工作。

在未來幾年內，隨著 AI 助手在整個軟體行業從嚐鮮變成必需品，工程團隊將變得更加高效，開發出更高質量的系統，並縮短軟體的釋出週期。

教育變革緊跟科技創新步伐

僅靠高等教育無法跟上技術變革的速度，以行業為主導的技能培訓專案將會興起。這些專案會更接近於技術工人的職業道路，而持續學習的轉變將讓個人和企業雙贏。

我對過去的軟體開發週期還記憶猶新：一個產品可能開發 5 年以上才能交到客戶手中。在 90 年代末，這是公認的做法，但在今天，這樣的軟體在投入實際使用之前就已大大過時了。得益於雲端計算的普及、持續改進的文化，以及最小化可行產品方法的廣泛採用，我們的軟體開發週期已經大幅縮短，其影響極為顯著。企業將產品推向市場的速度，以及客戶採納新技術的速度，都比以往任何時候都快。在技術和商業快速發展的背景下，直到現在，高等教育領域尚未包含在內。

儘管世界各地的教育差異巨大，但廣泛認為要僱傭最優秀的人才，或者自己找到頂尖的工作，大學學位是基本門檻，在技術領域尤其如此。但我們開始見識到這一模式的崩潰。無論是對個人還是企業來說，學生面臨著學費上漲的壓力，越來越多的人開始質疑傳統大學學位的價值。當實用培訓變得可行時，對於公司來說，即便是新員工也需要接受在職培訓。隨著越來越多行業對員工的專業化需求不斷提高，學校教育和僱主需求之間的差距正在不斷擴大。就像數十年前的軟體開發過程一樣，我們在技術教育方面來到了一個關鍵時刻。我們將會看到，原本為少數人設計的定製化在職培訓演變成面向廣大人群的行業驅動的技能教育。

多年來，我們已經見證了這種趨勢的轉變。像 Coursera 這樣的公司，最初專注於消費者，現在已與企業合作，加強他們的技能提升和再培訓力度。學位學徒制因為可以由僱主專門化而繼續流行，學徒在學習的同時也能獲得收入。但現在，企業自身開始認真投資於大規模技能教育。事實上，亞馬遜剛剛宣佈，已在全球培訓了 2100 萬技術學習者，部分得益於像機械電子與機器人技術學徒計劃以及 Amazon Cloud Institute 等專案。所有這些計劃都讓處於職業生涯不同階段的學習者，獲得他們需要入職熱門職位的確切技能，而無需承擔傳統多年專案的長期承諾。

我們必須明確，這個概念並不是沒有先例。例如電工、焊工和木匠這些熟練技工，他們的大部分技能並不是在教室裡獲得的。他們從培訓生過渡到學徒，然後成為熟練工人，甚至可能成為行業大師。學習是在工作中持續進行的，有明確的路徑提升自己的技能。這種終生教育的模式——學習和保持好奇心，對個人和企業都是利好訊息。

所有這些並不意味著傳統學位會消失，這不是“非此即彼”的局面，而是關於多元化的選擇。在技術領域的某些領域 傳統的學術學習依舊至關重要。但在許多其他行業中，技術的影響已超越傳統教育體系。為了滿足商業需求，我們將迎來一個行業主導的教育機會新時代，這是一個無法忽視的潮流。

部落格原文連結：