「有AI了，參加iT鐵人賽還有意義嗎？」這是我在參加鐵人賽前被問的問題，現在寫了30多篇的鐵人賽文章後，或許更可以來談談我的看法。
依據「2025 iThome 鐵人賽 活動簡章」，活動主辦方並「沒有禁止」使用AI，完全使用人工智慧生成內容似乎也並沒有違反規定。由於還未知道得獎結果，因此不知道會不會有像是「由AI生成的內容取得桂冠^1」類似情況在iT鐵人賽發生。
本競賽可使用生成式人工智慧等新興科技。
先不要談論參賽意義，把問題換成「有AI了，要怎麼寫iT鐵人賽？」。最簡單的，可以所有內容完全由人工智慧生成。當然，以我AI工具免費仔的經驗來說，完全由AI生成的內容，不做任何調整，很少有能夠讓我能夠完全滿意的。我試過將預計寫的文章元素提供給AI進行生成，生成結果差強人意，反覆調整更令人煩躁。但試著把自己的文章餵給AI生成摘要，然後再用生成的摘要提供給AI，由AI生成新的文章內容，內容卻挺有意思的，還可以快速轉換成不同的風格。之後兩篇我會提供由AI生成的內容，有興趣可以閱讀比較下。
不過其實這次參加iT鐵人賽，我是有意不使用AI生成內容的，但我依然有使用AI。首先，人工智慧確實已經改變我檢索資訊的習慣，雖然Google搜尋很早就有利用人工智慧理解檢索的問題，以便更精準的檢索到符合問題的結果。但有服務更進一步，將檢索的問題生成多個相符的提問版本、語言一起搜尋，透過更廣泛的搜尋、匹配內容，再基於檢索到的內容生成結果摘要，這效率比自己執行高效太多。
除了資訊和問題的檢索，我也透過AI生成部分文章標題。雖然我也都還會再調整，以更符合我文章內容主旨，但由人工智慧提供的建議再進行調整，參賽壓力輕鬆很多。也會透過多模態生成式人工智慧產生插圖，有些生成圖片是挺有趣的。但有「AI鬼打牆」的現象：生成的架構圖存在組件/關係問題，要求更正調整組件位置、更正關係後，文字描述是正確了，圖片生成內容看不出差異.....。這種情況在生成標題時也會發生，有些生成的文章標題和內容不搭調，要求調整後還很容易生成同一組差不多內容。
如果要畫架構圖，請AI生成PlantUML或Mermaid可能會比較好。至少我經驗上，後續請AI生成的PlantUML調整結果是正確的，只是因為我不喜歡風格、佈局，所以最後仍然手拉的一版出來。
「AI鬼打牆」的問題，可能還要從當前AI運作方式來看。目前的人工智慧，基本上與「概率」脫不了關係。因為生成的內容，再對話過程中會再提供給AI參考，進一步強化了生成對應詞句的機率。並且AI在訓練的過程中，有一步是訓練員進行微調，因此AI生成內容可能有取悅人類的傾向(同樣是「概率」)，也就會有「AI同溫層」的現象。但被AI吹捧，不得不說還挺爽的。
我有請AI針對我的文章內內容，以專業角度進行嚴厲評價，幾次嘗試生成的內容都蠻正面的，也不知道真抖假抖。
也有看到邦友先由AI生成學習主軸，再跟著AI學習技術。或是lan在30 篇文帶你用 eBPF 與 Golang 打造 Linux Schedule說的「今年的系列文我會讓 GitHub Copilot Plus 基於我提供的 context 負責全部的編撰工作，並且由我本人驗證文章的正確性、適時的補充必要知識。」
光參賽就夠忙的了，工作上又恰好8月9月開始爆忙，這些系列我並沒有看完。但如前述，完全跟著AI學習...我會有點擔心「AI同溫層」和「AI鬼打牆」的問題。實際上lan在2025/09/21也補充到：「我認為 Coding Agent 在產生部分文章的表現有待加強，所以在探討 scheduler 的部分會以我自己撰寫的內容為主。」
「莫非定律」一件事可能出錯時就一定會出錯。從概率角度來看，只要古典機率事件發生機會不是零，再次數夠多的情況下仍可以放大事件發生的期望值。這也很像是「無限猴子定理」，只要猴子夠多，就算猴子只會隨便打字，最後也會寫出莎士比亞的全套著作。AI可能生成好的內容，也可能生成壞的內容，如果將問題換成「有了AI，要怎麼看iT鐵人賽？」。我想首先AI生成的文章摘要是非常方便沒錯，但大多iT鐵人賽一篇內容也不長，何必呢？反倒是因為內容可能是由AI生成的，更需要自行判斷內容的準確性，而這個「媒體識讀」的能力本就很重要，在這個時代更加重要^2。
回到最初的問題:「有AI了，參加iT鐵人賽的意義是什麼？」。現在的AI技術發展真的令人歎爲觀止，就像一開始問我問題的人好奇：「我的意思是，現在AI總結摘要的能力這麼強，AI也能夠完整生成文章、圖片，現在甚至音樂、影片都可以生成出來了，那不是把所有可以查得到的資源丟給AI生成內容就好嗎？所以參加iT鐵人賽是不是就沒有意義了？」以我現在還是AI免費仔的角度來看，AI生成的能力仍然有限，除了前述提到我在嘗試產生架構圖遇到「AI鬼打牆」問題外，邦友ayunane也認爲在「情感」、「深度」與「細節」上，仍有明顯的不足。
雖然 AI 能快速生成各種類型的文章，但在「情感」、「深度」與「細節」上，仍有明顯的不足。......AI 生成文章快速靈活，不過還是有短處，因此人類與 AI 的協作才顯得重要——由人賦予情感與深度，讓文字真正「活」起來。
-- 生成式 AI 實驗室 - AI 寫文章的不足：情感、深度、細節。ayunane。
對於讀者，媒體識讀的能力更加重要，iT鐵人賽的文章參考比例可能下降。這點對於評審我想是相似的，對於讀者、評審和平臺他們來說iT鐵人賽的意義或許沒變或許因為AI有略微下降。那做為參賽者的我是怎麼想的？做為參賽者，或者更準確的說是「文章作者」，我認為並沒有差異。如果目的是得獎，那使用AI有可能可以增加得獎機會；如果目的是完賽，那其實已過往觀察來看，判定標準很寬鬆；如果是挑戰，那要視挑戰內容是什麼？如果就是為了寫文章，那使用AI就沒有意義。如果是挑戰使用AI，那當然要使用。
做為本系列的「文章作者」，其實有沒有iT鐵人賽我都會寫這些內容。我的目的是「透過輸出整理學習輸入」，因此使用AI生成內容與我的目的相悖。我認為iT鐵人賽與其說是競賽，不如說是華語技術圈的「社群活動」。雖然這次我沒有組隊，也沒什麼時間閱讀其他參賽者所寫內容，但我仍然知道還有人和我同樣在30天發文的挑戰地獄中，每天貪起又熬夜，心臟砰砰血壓高，戰戰兢兢壓死線。
有 LLM 的幫助真的差很多，在邏輯上跟資料尋找上真的跟三年前在自己學習的時候差很多，這次內容也許很醜說詞很奇怪，但是也是這次給自己的目標，"不透過 LLM 書寫內容"， LLM 確實可以更清楚但是在對自己的訓練上就會打折扣，另外，如果都是用 LLM 寫，在日後幻覺的判斷上就會差很多。
-- 我在 CKS 考完只拿 47% 後痛定思痛決定好好準備內容 - [Day30] Review。hsiehbing。
最後我想多談談一點點：「AI會取代人類的工作嗎？」我不知道，我沒有答案。Ruby程式語言之父--松本行弘，在2025年COSCUP針對AI寫程式的看法是「不會，至少現在不會(Not. At least not now)」。除了AI在實際使用上仍存在一些問題 ^3 ^4 ，前述也說過目前AI是基於機率，就算出錯機會很低，但只要發生就是「破產事件^5 」就完蛋了，至少我認為商譽損毀就很接近了。但其實還是有成本考慮，像是我也和朋友討論過「自駕車市場」，雖然嚴重車禍可能是破產問題，也確實有企業因此退出市場，但人類手動駕駛同樣有「車禍概率」，而只要自駕車車禍概率低於手動駕駛那就有市場。但要完全進入L4、L5等級的自駕車，我個人觀點仍會有些擔心，因為駕駛人的觀察與介入操控可能會再降低車禍概率。如果所有駕駛人都依賴的自動駕駛，有點難想會是怎麼樣的情況。(可能有鏈式因果？)
「破產問題」可能還要看是誰破產？有沒有AI市場。如果AI應用的環境不會產生嚴重後果，像是第二類決策，那應該可以放心大膽的用，而這類型市場可能是更廣泛多元的。雖然我不知道AI會不會取代人類的工作，但新技術已經開始影響到我們的行動方式。
貝佐斯在2015年的致股東信中，解釋了亞馬遜如何決定公司應該進行哪些實驗：
「有些決定影響重大且無法逆轉，或幾乎不可逆轉，猶如一道單向門。這類決策必須經過深思熟慮，徵詢各方意見，有條不紊，小心、從容地做出決定。因為一旦你穿過門後，發現自己不喜歡門外的風景，也無法走回頭路，我們姑且稱此為第一類決策。但多數決定並非如此，它們可變、可逆,是一道雙向門。若你做出了次優的第二類決策，無需長期承受後果，你可以重頭來過。第二類決策可以且應該由具高度判斷力的個人或小團體迅速決斷。隨著組織規模擴展，包含諸多第二類決策在內的多數決策，似乎傾向使用重量級的第一類決策流程,這樣的結果，最終導致公司行動緩慢、一股腦地規避風險、未能充分實驗,因此削弱了創新。」
-- 節錄自《執行長日記》
[^4]: 【天下零時差09.19.25】Vibe Coding催生大量新職缺，「程式清潔工」在做什麼？
[^5]: 參考自《黑天鵝的投資大師們》破產問題：指發生就無法挽回的事件。
松本行弘還有另外一個觀點：AI寫程式「可能抹除了寫程式的樂趣」。AI協助生成文檔很有幫助，但對他來說，寫程式、設計程式的過程是樂趣的，如果也有AI生成，樂趣會大幅降低，那寫程式就會變得痛苦。我對此有同感，回到鐵人賽也是一樣：對我而言最大的價值在於寫出文章的過程，如果由AI生成意義也就會降低。
最後，分享一個有趣的發現。我發現，我在寫鐵人賽的創作時間，會不斷的喝冰水，就像是需要將大腦降溫一樣。原來不是AI在運作時需要散熱^6 ，人腦也要。與其說人腦很像電腦，不如說更應該說電腦像人腦，人工智慧像人類。
[^2]: 勤業眾信用 AI 寫出充滿「幻覺」的政府報告，使業界再擔憂 AI 轉型 | TechNews 科技新報
iThome鐵人賽
看影片追技術