我想，未來的萬物皆是謊言：新興職業

背景

隨著機器學習與大型語言模型（LLM）的廣泛部署，傳統的工作型態正經歷劇烈變革。本文探討了在人類與機器系統交界處可能催生的新興職位，包括專精提示詞的「咒術師」、負責品質控管的「流程工程師」、處理模型變異性的「統計工程師」，以及在系統出錯時承擔法律與社會責任的「肉盾」等角色。

社群觀點

針對這套新興職業分類，Hacker News 的討論呈現出兩極化的反應。部分開發者對此轉型抱持樂觀態度，認為 LLM 讓工程師能從繁瑣的編碼細節中解脫，轉而專注於更高層次的架構設計與邏輯流向。他們認為，當實作速度不再是瓶頸，工程師的價值將回歸到純粹的「工程思考」，這與 Unix 哲學中「做好一件事」的精神不謀而合。然而，也有評論者對這種「咒術師」式的角色持保留態度，認為這帶有一種魔幻思考的色彩，且過於理想化地看待勞動力政治。他們指出，隨著自動化推動，人類在這些流程中的參與度可能會被進一步壓縮，甚至連解釋模型行為的職責，最終都可能交由另一個能處理海量內部狀態的 LLM 來執行。

在責任歸屬與專業性方面，社群展開了深入討論。有觀點認為，「咒術師」與「流程工程師」最終會合而為一，統稱為「使用者」，就像現代勞工普遍具備文書處理軟體技能一樣。職業的安全性將取決於該工作是否涉及高風險的責任承擔，以及是否依賴深厚的人際關係。例如，軟體工程雖然在編碼層面易受衝擊，但在系統架構的問責與決策上，人類的角色依然難以取代。此外，關於「肉盾」這一概念，雖然其稱呼引發了部分網友對於技術圈「去人性化」用語的爭論，但多數人認同其核心邏輯：法律系統與公眾輿論需要一個具體的對象來承擔後果，這是純粹的演算法無法替代的社會功能。

對於模型訓練者的前景，討論中也出現了擔憂。雖然目前 Scale AI 等公司大量聘請專業人士進行人工回饋強化學習（RLHF），但這被形容為「人類專業知識的大規模收割」，參與者可能在無意中加速了自身職位的消亡。不過，也有反對意見認為，由於模型難以在缺乏新鮮語境的情況下自我修正，加上對問責制的持續需求，專業領域的人類專家在短期內仍具備不可替代的護城河。

延伸閱讀

在討論過程中，有網友分享了關於模型受污染風險的案例，提到 Almira Osmanovic Thunström 曾展示如何透過少數偽造文章誤導 Gemini 與 ChatGPT 產生虛構疾病資訊。此外，針對文章在特定地區無法存取的技術問題，留言中也提供了 archive.is 的存檔連結作為替代閱讀方案。