有人問我再過個 5年、10年後AI技術更成熟的的世界，還需要那麼多寫程式的工程師嗎？
我回答他，有些全新的程式是AI寫不來的，例如：矛與盾的對決，加密vs解密，攻擊vs防禦，仿真vs識別，在AI的訓練資料裡沒有的程式，也沒辦法透過AI來產生。
現在即使對語言一無所知，把使用者的需求餵給 Copilot、Cursor、ChatGPT、Claude，就可以取得程式碼，而且 AI 對 Python 格外的精通，正確率特別高，可能會產生出錯誤的程式。雖然不下苦功也能寫出 Python，何必認真從頭學？問題在產生的程式碼出錯或需要與其他功能整合時，看不懂程式碼要如何除錯？
目前台灣的升學制度是想讀分數高的學校，還是只能乖乖刷題，增加解題能力。
要學有用的東西，什麼才是有用的東西？會不會我覺得有用，別人覺得無用？
洪士灝分享心得關於許秉倫在美國留學就業後創立的Liger Kernel開源軟體專案的演講：
https://www.facebook.com/shihhaohung/posts/pfbid02q9DiPofC1PPfK8SWxN3jxdYYkRQWRj7r5xGnaEEnWCXzMKP9JRU9eygZfbzQMT2el
很多學生從小為了考試而一路刷題到現在，還要繼續花時間刷題，我也管不著，只能建議各位趁著在校時多充實素養、學一些有用的東西。
在科舉時代，熟背經史詩文的人可以上位當官，但不見得能做大事、解決問題。要知道，現在的AI比絕大多數人都要會刷題、會作刻板文章、寫程式，於是有人說學生們不用再學寫程式了。
的確，很可能不用再寫一些別人寫過的程式，但如果不學寫程式的話，如何懂得電腦科學中所蘊藏的道理（運算思維）呢？如果遇到未曾碰觸過的新領域，光靠嘴砲指揮AI就能研發程式來解決問題嗎？AI最可能淘汰的是只會照本宣科、依樣畫葫蘆的人，奉勸各位不要一昧從眾，而喪失個人的特色。
演講內容: Liger Kernel 深度解說 – 台大資工專題演講
https://www.youtube.com/watch?v=lhfH1xVEzYU
演講的簡介：
大型語言模型很耗費算力，對其技術發展和應用上造成相當大的負擔。從系統層級進行效能優化工程，降低存放語言模型參數所需的記憶體空間、提高存取語言模型參數的效率，才能充分發揮GPU的算力，大幅節省系統建置的成本以及運作的負擔。
我們請到目前在LinkedIn工作的許秉倫（Byron Hsu），12/23下午在台大資工系演講他前一陣子發佈的Liger Kernel開源專案，深度解說這個專案的技術如何幫使用者省下大把鈔票，歡迎對技術有興趣的朋友來聽。請注意，這場並非常見的科普演講，聽者須對大型語言模型和計算機系統具備一定的基礎才好聽懂。
Liger Kernel已經有很多人在使用了，不必我在這裡鼓吹。我想在此特別推的是系統層級、效能優化類的開源系統軟體開發，這是我向來認為國內產學界應該多注重的事業。當年秉倫就讀台大電機系的時候，曾經跟我做過專題，對這類開源軟體特別感興趣。後來他留學取得碩士學位的UC Berkeley，更是開源軟體專案的先驅和搖籃。以台灣在系統產業上的根基，如果有心耕耘開源系統軟體的話，可以多跟國外接軌，做出有影響力的專案。
這次秉倫來演講，他本人對台灣的產學界也有一些想法，包含:
- 促進台灣學界對於LLM System的重視與研究
- 促進台灣業界對LLM system的投入
- 增加對不同hardware vendor的support (e.g. made in taiwan的accelerators)
- 增加community中的台灣勢力
