簡立峰教授的這場演講以「AI時代 未來人才」為題，旨在探討我們身處的AI時代，不僅是一場技術變革，更是一場深刻影響個人、企業乃至國家格局的全新交流。教授首先以自身的經驗點明了主題，他早於1991年攻讀博士時便研究語言模型（lang modeling），後來負責Google全球搜尋業務，親身見證了搜尋與語言模型這兩項技術被結合的過程。
AI 時代的本質與人機互動的變革
簡教授強調，無論資深或年輕，我們都是AI時代的「移民」（immigrant），因為真正的「原住民」（native）尚未出生，我們甚至不知道該如何教導他們。聯合國教科文組織已宣布我們正處於一個「黃金時代」（Golden Age）。
AI帶來的最直接體驗是人機界面的徹底改變：過去是使用滑鼠或手機觸控，現在則是用人類的語言（就像與媽媽對話一樣）就能與機器互動。這種對話式的介面影響深遠，未來的小孩將任何需求都直接開口說，使得他們人機界線模糊，甚至將AI視為比媽媽還好玩的玩具。
AI在知識獲取上展現出驚人的能力：凡是能被數位化並透過語言表達的知識，AI都能全面性地拿走。但對於那些難以數位化或無法用語言表達的內隱知識（例如水電師傅每天累積的觸感經驗），AI則學不會。在知識面上，AI已經具備了解決幾乎所有在地球上有人思考過或解決過的問題的能力。因此，未來每個人都會有一個超級助理、甚至超級教授（AI），人們不再需要擔心找不到解方。
技術架構的競爭與能力躍升
在AI技術的軍備競賽中，簡教授指出Google的Gemini在架構上具備明顯優勢。他將ChatGPT比作「巡洋艦」，而Google則定位為「航空母艦」。Gemini的輸入令牌長度（input token length）高達一百萬個，比ChatGPT的短令牌長度顯示出兩者架構的根本不同。
Google訓練模型的成本遠低於OpenAI，主要是因為Google使用自研的TPU（Tensor Processing Unit）晶片，其效能是GPU的四倍，訓練成本估算約為OpenAI的四分之一。這使得Google能夠訓練出大一百倍的模型。
Gemini的關鍵優勢在於意圖辨識（intent recognition）能力極強。即便使用者問問題講得不夠清楚，它也能像母親一樣猜測你的意圖。此外，新一代AI的深度思考能力（Inference）令人驚訝，它會花更長的時間「想了再回答」，顯著提高答案的正確性。AI的邏輯思維過程現在可以公開展示，提供了可解釋性。
從問答到行動：AI進入經濟領域
AI的重點已從解決科學和工程等「功用問題」（utility problem），轉變為直接解決「經濟問題」，幫助人類賺錢。一項虛擬自動販賣機公司經營模擬競賽證明，AI（Gemini）在八小時的模擬時間內，成功發送數千封電子郵件與人類及其他AI溝通，並賺取了巨額利潤。這代表AI證明了自己能處理複雜的協調工作，具備擔任專案經理（PM）的潛力。
這項轉變代表了語言模型從「答案」（answers）進化到「行動」（action）。AI不再僅僅提供問答，而是能夠接受任務並將其完成，雖然涉及金錢和重要決策的任務會發展得較慢（如代買高鐵票）。
AI對商業的衝擊已然發生，尤其是在電商領域。例如，在美國的感恩節購物季，50%的人使用AI購物，Z世代中更高達70%。AI透過模型做商品推薦，賺取導流的差價，這被視為新的商業模式。流量開始從品牌商官網流向ChatGPT和Gemini，再導流至Amazon等平台，導致全球網路行銷面臨驚人的大洗牌。
同時，AI已成為重要的「代理人」（Agent）。它從理解決言轉變為能夠規劃、推理、並執行任務。在美國，求職者使用AI工具幫助找工作、投遞履歷，造成企業收到數百萬份申請，最終甚至出現「AI對付AI」的局面。
人類的最後考驗與知識的極致集中
為了評估AI的能力極限，科學家們組織了一場「人類的最後考驗」。這個比賽集合了500個機構和1000個號稱只有單一人類知道答案的題目。AI成功解開了許多極難的跨領域題目，例如翻譯羅馬時期墓碑上的拉丁文，以及西元600多年前敘利亞使用的古文字。這說明AI的知識儲備，已達到「每一個領域都是博士」的超人類級別。
AI在數理和程式設計領域的進展尤為迅速。AI現在能達到國際數學奧林匹亞金牌的水準，並成為世界程式設計大賽的冠軍（解開全部12道題，人類最強隊伍只解開10題）。頂尖數學家陶哲軒甚至預言，未來數學家只需提出「想法」（idea），後續所有的證明工作都將交由AI完成。
全球競爭與台灣的機遇和挑戰
全球AI競爭高度集中，史丹佛AI指數報告指出，全球百大最具影響力的AI模型主要來自美國和中國。這種集中導致少數企業的市值甚至超越了國家的GDP。例如，美國科技七雄的市值加起來大於中國一年的GDP，NVIDIA一家公司的市值已超過英國和日本的GDP。
在硬體上，台灣扮演著「美國隊的硬體角色」。台積電的市值位居全球前十。然而，簡教授引述前長官的評價，台灣的硬體超強（amazing hardware），但軟體卻很糟糕（software is terrible）。他認為台灣必須正視台積電在AI應用上的不足，並應將AI視為影響台灣發展的至關重要因素。
台灣的機會點在於邊緣AI（Edge AI）。未來AI會藏身於智慧汽車、機器人、無人機和醫療設備中。由於這些設備對聯網安全性和即時性有高要求，不適合完全依賴雲端運算。台灣在半導體和硬體的優勢，使其在這些領域具有極佳的發展位置。
然而，台灣面臨嚴峻的挑戰：
- 人才流失與短缺： 台灣的出生人口數急速下降，加上許多優秀學生選擇在國外求學，導致台灣的人才庫大幅縮小。
- 軟體人才不足： 台灣軟體人才稀缺。
- 產業結構： 台灣產業以製造業為主，受生成式AI衝擊較小。而受影響最大的知識型服務業（如醫師、會計師、律師、老師等「師」字輩），在台灣的內需規模不足以大規模應用AI。
為應對這些挑戰，台灣必須「擴大台灣人的概念」（Go Global），學習日本最終開放移民，並將周邊地區視為一日生活圈，利用台灣的優勢去轉換弱勢。
未來人才的養成與共學之道
在AI時代，工作者必須將自己的生產力提升30%以上，才能達到「及格」水準（60分時代已過，現在是80分時代）。這意味著每個人都要學會與AI共學。
AI的知識量極為龐大，相當於讀了一億本十萬字的書。人類必須接受AI能完成大量的閱讀和學習工作。
如何與AI共學是關鍵：
- 避免「大腦外包」（Brain Outsourcing）： 不要一遇到問題就立刻問AI。最好的方式是自己先思考，寫出草稿或框架，再請AI協助修改或完善。
- 區分學習與抄襲： 「一問一答叫抄襲，十問十答叫學習，百問百答叫創造」。只要能證明自己透過與AI互動一百次後得到的成果，知識產權就屬於自己。
- 學會提問（Smart Ask）： 大部分人不會問AI如何問好問題。好的提問必須具體、清晰，並提供完整的背景和情境（如扮演教練或專家）。要使用專業術語（例如醫生須用醫生的術語）才能逼出好的答案。
- 利用英文優勢： 由於AI訓練資料七成來自英文，當中文回答不夠理想時，應先請AI將問題翻譯成英文，用英文提問後再翻譯回來，答案會更好。
簡教授總結，在AI時代，技術技能可能不再重要，但「軟實力」最為關鍵。這包括同理心、關懷、合作（群域）、領導力和批判性思維。我們必須讓自己成為「π型人才」，即具備寬度（廣度）和深度的複合型人才，因為寬度決定了你能問出多好的問題。
AI在某些方面仍有弱點，例如缺乏時間觀念（不適合問昨天或與時間相關的問題），以及難以處理地域性和人文社會相關的特定問題（詢問前必須先識別國籍或偏好）。
沒有留言:
發佈留言