AI對知識工作下戰帖？誰是失落的一代？簡立峰揭殘酷真相：1%的「超級人類」將掠奪99%的未來 Ft. Google台灣前董事總經理 簡立峰【哈佛商業評論✕人物面對面】S2Ep56

各位聽眾各位觀眾大家好 歡迎收聽收看今天的哈佛人物面對面單元 那麼今天我們邀請到一位貴賓 要來好好的跟我們分享分析一下 現在當下最火紅最熱門的問題 就是 AI 大未來 尤其是各位的未來都息息相關 各位企業的未來都跟 AI 都息息相關

那麼在邀請我們貴賓接受我們訪談之前 我們先推薦哈佛商業評論有關於 AI 的文章 事實上各位聽眾觀眾如果常常閱讀哈佛商業評論 大概從 2022 年深層式 AI 問世之後 幾乎每一期非常多的文章都在探討 AI 應該是過去兩三年來 如果說哈佛哪一個主題是佔最多版面的

那也是 AI 那麼今天我要推薦的也只能是一篇 所以我推薦的這篇文章叫 不釐清這五點 AI 會從創造價值變成毀掉價值 甚至是毀掉我們個人的價值 就是我們從生成式AI 問世之後 我們常常在一開始問說我要不要用 後來問說我怎麼用

那麼到現在大家就害怕說我們太依賴它了 以至於我們人類的大腦也都要外包 所以我們現在有一個熱門的詞叫大腦外包 也就是我們什麼東西 就請 AI 幫我們分析 請 AI 幫我們寫 請 AI 幫我們畫 那到最後我們人的價值 我們人的成長 或者是說人的創新好像就可能會不見

所以這一篇文章由哈佛商業評論來寫 也是給我們一些反思 就是我們在使用 AI 的時候 也不要失去了我們自己獨特的價值 好那我們今天的人物面對面的貴賓 是我們Podcast 開播四年多以來 第三次來到我們的節目現場 不多啦一年多才一次

是我們 Google 台灣的前董事總經理 也是現在台灣真的也是當紅的 AI 專家 以及他最近也出了一本書叫台灣 AI 大未來 我們立峰老師簡立峰 簡博士 社長好大家好非常榮幸 好那我們每次立峰老師來到我們的節目現場 我們當那一集就會蠻受歡迎的 下載量應該是一直都受歡迎

所以呢非常感謝 那立峰老師也是最近九月才剛在 媒體出了一本書叫台灣 AI 大未來 這一本書談到 AI 對個人的影響 對企業的影響 甚至於對國家的影響 所以我就開玩笑跟立峰說 你大概被問煩了 因為真的是AI出版

問世到現在兩三年來 大概不斷的有人不管從政府的角度 從企業角度或從個人的角度 要請你評論或者是分析一下趨勢 發展的現象 所以乾脆出一本書把這一切都交代清楚 所以各位聽眾非常推薦這一本書 真的寫得非常的好 那你先有這個基礎 站在這個書的基礎之上 以後還有問題的話

再來問立峰老師 不然老師要從ABC講起也是蠻累的 那我在問第一個問題之前 我先簡單的介紹一下 立峰老師的背景 我想也是很多餘的 但是還是以防萬一稍微說明一下 這個立峰老師是台大的資工的博士 那應該從念博士班開始 就是台灣第一代研究 AI 的研究生

其實我是研究語言模型 我的博士論文就是你現在 ChatGPT 背後 所謂的大語言模型的前身的基礎 所以我是真的研究 ChatGPT 這種技術 叫語言模型 哇那就是第一代了 可以堪稱是台灣第一代 我的論文出來的那個在這個期刊 在 IEEE 也是創刊號 意思就是說真的是最老的那一代

哇那大概是30年前左右 1991年的博士論文 哇32、33年前 然後後來也是到中研院 也是做相關的研究 語言理解 然後後來 Google 2006 年 你就擔任 Google 第一任的研發的所長 也是總經理

第一號員工 我有兩頂帽子 一個是負責 Google 全球的中文搜尋 另外一個是在台灣的家鄉 組織新的研發團隊 後來台灣的研究 Google 研究對 Google 非常的重要 對是亞洲最大研發基地 對然後也負責業務 所以蠻辛苦的 其實我負責花錢

這個以前成秀負責賺錢 張成秀是我的大學同班同學 我是比較幸運負責花錢 好那在這樣的背景底下 老師在 2020 年 1 月就退休了 但是老師退休後更忙 現在擔任很多公司的獨立董事 然後常常有演講、論壇

好那我們就開始要來請教老師 第一個問題 我看你這一本書也有特別寫到 就是說你算是台灣第一代 研究 AI 的博士生研究生 然後一直到現在都在研究 AI 所以超過三分之一的人生 應該超過一半的人生都在研究 AI 其實是用研究這個字大概是三分之一

接觸大概到一半 這樣會比較精準一點 不能把碩士班就拿來當研究 然後現在兩個小孩 是不是也是受你的影響 其實沒有 他們為什麼在 AI 領域 是他們時間點剛好很好 他們在校園的時候 因為他們也都是資訊背景的 那時候生成式 AI 已經出來了 所以整個校園 不管台灣在美國念書的人

都往 AI 走 所以其實不是刻意的 只是他們算是真正學生成式 AI 的 第一代的學生 因為那個時間點 因為他們又是科班 所以跟我其實關係並不大 可是這兩個世代疊在一起 中間是確實有很大很大的關聯性

就是我們的時代看到網路從無到有 把世界的知識 都轉換成數據 而他們的時代把這個數據轉換成AI 哦是 所以老師你30幾年研究AI也好 應用AI也好 所以你看到AI現在 我從無到有看到 對到看到它現在 只是剛開始而已

未來還會影響 我為什麼退休之後這麼有興趣繼續鑽研 一方面有一個原因就是說 我本來就研究這個領域 那它歧異點出現之後 我當然很興奮 因為真的有一個技術叫Transformer 叫變形金剛的技術 那是大概2017年Google發明的技術 而這個技術解決了人類對語言理解的方法

那從此之後AI很會讀書 很會理解 它考試都考得很好 那之後才會有後來ChatGPT 因為ChatGPT這個團隊就是 原先的技術來源都是Google Transformer Team的人 那因為Google沒辦法把它變現 因為會動搖國本 把這個模型的技術如果做進搜尋引擎

那可能大家不點廣告 所以他們就只好離開Google 自己去創一個ChatGPT 所以大概是這個概念 那我在退休前這個團隊已經在了 所以我大概知道這個發展的機會跟可能性 退休之後沒想到它進展那麼快 我從來沒想到AI可以對話 我以為它能理解 但我沒有想到它會講話的對話

到今天我還是不能理解它為什麼可以講的那麼好 但是總之它做到了 它做到之後就打破人跟機器的溝通方法了 我們以前溝通方法是用鍵盤打指令打命令 現在都不用了 就用媽媽講的話 這對人類來講是衝擊有多大 你把它當人基本上就可以了 那未來把它當神也可以 哦 當神哦

對 其實它是可以當神的 因為大部分你不會的科學問題問它 它都可以解 以前還要人教AI 現在AI自己教AI 機器教機器 現在的AI已經是自己教自己了 它每天的進展為什麼那麼快 他們叫做Synthetic Knowledge 就是說AI自己生資料教自己的速度 大過人為資料的速度

因為它每天在想你問給它的問題 你問AI跟問Google搜尋最大不同在哪裡 Google搜尋是找已知的東西 是存在的概念 有人寫過的東西 AI是有這個問題之後 它就找出答案來 那個答案未必存在過 但最終如果它是合理的答案 那就是知識創造了

就是問的人跟AI加起來創造這個知識 所以每天有幾百億的問題問AI 所以每天AI生出多少知識出來 它用這個知識教自己 很快的 所以你看到AI今天這個樣子 你的心得是什麼 心得就是我應該再晚幾年退休 哈哈哈哈 那是你原來2020年就要退休

搞到現在再晚 不是不是 如果我還留在Google的話 我應該可以參與這一場盛會到至少 我當成一個參與者 那我覺得我錯過了當一個參與者 現在只當一個使用者 有點心不甘 是是是 但現在當使用者沒關係 我希望當成一個對未來預測

掌握度比較高的使用者 因為我的這種訓練比較少人有 因為AI的成功有兩件事 剛好我都參與 一個是搜尋引擎 一個是語言模型 這是人類史上少數兩件事情 都是用一個演算法 最後變成一個產業 最後顛覆整個世界 哇 搜尋就是一個演算法而已 最後變成網路

變成整個世界 搜尋是查人類已知的知識的溝通 現在語言模型是創造人類未知的知識 哇 兩個階段 我剛好兩個領域 而且下一個產業會更大 就是AI創造又會比搜尋 我喜歡你這個說法 是因為大多數問我問題的人

都比較擔心AI在取代今天 但實際上未來的人類看到是 因為AI人類世界變得更大 每一個人的能力更接近超人 但是當然轉型過程的人會有一些壓力 因為你可能是在 工業革命的人的轉換過程中 大家都有壓力

但整體看起來 AI就是我們的超級助理 我覺得用助理應該是去年的想法 今天已經不會達到assistant 因為他的數學已經拿到奧林匹亞的金牌了 城市設計世界第一名 他解的問題比人類解開的還多 這一次城市設計世界大賽 全世界8000多隊 一直考到最後剩100多隊

到最後出12道題 AI解開全面解開 人類只解了10題而已 所以人類最聰明的團隊也解開10題而已 所以基本上你就把它當成是一個超級人類了吧 這個非常博學 可是他是你24小時的朋友 你什麼都可以問他 可是最重要的地方他不是萬能

因為他沒有能力修水電 他沒有兩歲孩子的對物理知識的擁有 比如說你知道斜坡會滾 水會燙 陽光會刺眼 玻璃不能亂碰會破掉 這些我們兩歲父母的基因 帶給我們的經驗跟知識 AI現在連教都不知道怎麼教他

因為這個東西不能叫他讀書就會 你叫一個孩子讀書說陽光會刺眼 他也不知道那什麼意思 所以就是physical的體驗的 我叫眼耳鼻舌身 眼耳鼻舌身共創的事情 他一點辦法都沒有 所以其實人形機器人是遙不可及的夢想 因為掩耳鼻舌聲有多難

所以你也可以覺得人類真的很厲害 我常常講說水電師傅為什麼那麼困難學習 是因為他不是用讀書學的 因為他看到一個水管有蒸汽 他可能拿了一個布就把它壓一下 這個動作從來可能沒有人告訴他 他是順手就這樣做 那這樣做如果他的徒弟沒看到 他一輩子都學不會 所以徒弟跟著師傅走

為什麼要學三年 一直看一直摸 看看摸摸才會有這個經驗 這樣的數據要整合多少維的資料 我們都不知道 眼耳鼻舌身 所以包括你的皮膚的感觸 你也要把這變成數據化 那我們叫訓練機器人多難 所以好 所以剛剛立峰老師就提到了 就是機會

會有機會但是也有挑戰 我就順著這樣來問就是說 世界經濟論壇有發佈 2025年的工作報告 就特別預測說2030年 因為AI的關係會淘汰掉 9200萬個工作 但是這是危險 後面又預測 可是也會創造1.7億個新的職位

首先我很好奇他們怎麼預測出來 可能AI預測 但是他砍掉的工作 我們已經知道 但他可以創造出來的工作 我們是預期會 但我們並不知道哪個工作 這現在有趣的地方 因為他只來了三年的時間 這個工業革命的前三年 我們大概也不知道會砍掉什麼工作

我們也不知道會增加什麼工作 可是工業革命後的 大部分的工作都是增加的 所以意思就是說 AI後會有很多工作 他們是用這樣推理的 這個邏輯就是說 砍掉工作我們慢慢知道 因為今年8月多 Goldman Sachs的報告就是 只要是知識型產業的 初階工作者的工作都受到影響

他說所有科系都有 包括比如說所有師字輩的 譬如說法律律師、會計師 因為他要生內容出來的 包括我們作者 作者寫程式 寫程式的 程式的都有 但只要是初階 初階是什麼 初階就是說 你的職場經驗還沒累積

你的知識都從書本得到的 而這個書本因為他都讀完了 AI都讀完了 你可以假設他已經讀了一億本書 而這一億本書呢 是大概100座的大學圖書館 那麼大學的100座大學圖書館 大概一座大概是100萬本書 我們就百萬藏書 是要教所有科學的學生

那現在有100座 所以在某種程度 他已經有很多知識 那你可以測試一下AI 跟人怎麼比較 就有一個新知的知識 假設是一篇文章 你請AI讀 跟人讀 之後再去考 看誰的take away最強 告訴你答案 AI一定贏 那這個就是說 AI學得比我們快

但是前提還是剛剛講 學任何屬於閱讀型的 語言構成的知識的 他很行 就是用語言而習得的知識 他很行 透過身體感知操作 經驗出來的知識 他一點都沒辦法 就主要就是因為 他就是電腦裡的東西 對 所以呢 我們現在有點麻煩 我們6歲去學校學的

一直到博士畢業的他都會 但我們6歲前的他通通不會 那我們到底要不要學 那6歲前要學什麼 所以我們現在要加強學什麼 媽媽給我們的能力 就AI永遠做不到 所以我們其實就 第一個不用擔心 AI取代人類這件事情 但我們也應該把

AI拿來當我們學習最好的工具 讓我們學習縮短時間 我們以前要學到博士 漫長二三十年過程 也許全部都浪費掉了 因為人類的迭代能力很慢 所以課本這樣讀 最主要就是什麼 體力又不好 又愛玩對不對 記憶力又不好 那現在有AI 是不是我們用6年學18年的事情 如果可以

AI就是讓我們人生學習的過程縮短 上學時間 之後讓我們去創造的時間拉長 這是很正向的 所以你剛剛有特別提到說 AI也不要叫助理了 現在要叫代理嗎 還是要叫什麼 還是未來可能又有新的名稱 現在叫做代理的階段 如果我這樣講就是說 Sam Altman他們有講過

就是OpenAI的創始人Sam Altman 他說有五個階段 第一個階段我們已經達到 叫聊天叫Chat 第二個階段叫推理 他的推理能力在上升了 那第三個階段叫代理 那代理是什麼 就是我們現在他比較像推薦 對不對 我們在問他問題的時候 他告訴我可以做這個可以做那個 但他沒去做

他說你如果高鐵可以買幾點的車票 但他沒有幫你買 對不對 所以他幫你買這叫代理 就是把一個任務完成 可以完成 那他如果沒有幫你完成那個動作 我們就叫Answer 他只給你答案 他現在是Question Answer 那叫推理 這個叫做推理或問答的階段 那接下來就是代理 那代理有難度的

就是代理要百分之百 比如說你叫把錢匯出去 那匯錯怎麼辦 對不對 只要錯一次都不行 所以代理不會全面性的發生 他會階段性的發生 就某些事情可以代理 比如研究代理能力他非常強 你如果用這個Deep Research的功能 不是DeepSeek ChatGPT或Gemini都有一個Button 叫做Deep Research 就給他時間上網找資料

把你的答案回答的更好 這叫做做研究的概念 那我們就Research是什麼 就Research 哈哈哈哈 重新Search 我做搜尋引擎我知道啊 大家一直搜尋就叫做研究 所以做研究沒什麼大不了 就是一直搜尋就好了 那他現在就一直搜尋 幫你搜完之後給你一個完整報告 根據你要的格式跟問題

那你可以跟他討論這細節 我每天早上都用這種 這個搜尋代理 這叫研究代理 幫我找全世界的資料 我現在的資訊都很簡單 每天早上都做這個 那你每天都下什麼指令 我的下指令就是說 比如說今天全世界關於AI 有哪些新的議題 新的發布出來 格式我都會自己設

叫他照這個格式幫我寫報告 5分鐘之後我就會得到 刷牙完已經做好Research了 他是比我超級助理都還厲害 我做過第一次這樣做是 川普宣佈關稅的事情 嚇到全台灣全世界 之後政府有高層希望我給意見 我用的方法就是 這一小時內全世界的反應 世界各國

我用中文得到世界各國的反應 跟所可能的操作方法 他給我一個Recommendation 我認為我們的智庫都還沒開始睡醒 那這樣5分鐘內就做完 包括那會不會很長呢 你如果更多錢他會更快 你不給他更多錢他會更快 這就是我跟政府高層講說 國家的國力的差別就在於

他可以跑好幾小時 我們不行 因為那不是我們的 什麼意思 就是這個Deep Research的功能 只是企業擁有的 他如果願意幫你跑好幾天 用盡他所有的機器跟數據 你可以想想出來那個資料會多好 多完整 那他現在只願意幫你跑5分鐘 哈哈哈哈

好 理解理解 這就等於說 所以他有一萬個智庫在那裡 他只願意用五個人幫你想而已 那所以企業是可以花更多錢跑更多的 對但有一天萬一企業也買不到 那就是國跟國之間的不開放 所以AI最大的挑戰來自於 有一天如果他不開放 那他現在只有兩個國家的能力發展

這麼厲害的AI系統 那如果他產生競爭 他就分成美國跟中國隊 美國隊跟中國隊 那你只能歸屬在某一邊 但有一天強大厲害到像核子武器 美國人或中國人就說 你日本人不可以擁有 就像現在他說伊朗不能擁有核子武器 所以那就分成兩個國家 有AI有超級AI跟沒有超級AI的國家

那真的就是AI時代 所謂的台灣未來的這個未來 在台灣篇裡頭第一個要挑戰就是 我們可以一直拿得到這樣的AI服務嗎 還是有一天沒有了 好那立峰你剛剛有提到說 五個階段從聊天到推理到代理 那第四個階段 第四個階段叫創新

就是人類現在不知道解決的問題 想不出來的東西你做到了這樣 那其實你全世界都要去注意 Dynmite這個公司 Dynmite這個公司跟OpenAI最大不同是 他想要解釋第四階段的創新 那他拿到去年的諾貝爾化學獎 就是叫做AlphaFold 就是AlphaGo這個團隊

他有一個系統叫AlphaFold 他可以把蛋白質結構 能夠兩億多種都被生成出來 之後他能夠知道它的特性 那麼如果我們有一個新的疾病 就去這兩億多種去比對 如果比得出來 你就很容易去瞭解它的 這個蛋白質的意義結構 之後容易做出新藥

那現在有幾顆藥就很快速可以開發出來 那這個就是解決人類原來做不到的事情 那麼Alpha系列 他除了剛剛講AlphaFold之外 還有一個叫做AlphaProof 他可以解數學證明題 現在比數學家都厲害 那還有一個更可怕叫AlphaEvolve AlphaEvolve就是說 你把很多的科學問題丟給他

讓他整天去想想想想想想想想 有一天想得出來 他最近想出好多問題 比如說矩陣相乘 他找出最快的方法 史上不知道的被他找出來 之後他用這個方法 就在Google的資料中心 因為矩陣相乘是很重要的基本功能 那他變快了 之後Google的資料中心因此省電了0.75%

那這個就是他解開我們過去人類不知道的問題 你知道他怎麼解呢 最有趣的地方是 這個AlphaEvolve這個系統 他會去問他的Gemini語言模型要idea 就跟我們去問Gemini說你有什麼idea 你再想想看 你再想想看給我idea我來實驗 所以機器操作機器的 機器操作機器的概念

等於那邊有很多個愛因斯坦 有很多個 差不多 所以我Google前董事長 Eric Schmidt最近在一場演講裡頭 他講說5年內我們會看到AI愛因斯坦 5年內我們會看到AI的牛頓 但是5年內看不到水電工 他說20年內都沒有AI水電工 ok 因為就是你剛剛眼耳鼻舌身還是做不到

所以意思就是說什麼行業不受影響 水電工 所以我們做水電工 其實水電工指的是所有需要手靈巧 在生活反應很敏捷 對人類世界 對物理世界很反應敏捷的行業他都不行 他們說護理師也不行 美髮師 美髮師可能也不行 廚師 所有的師

但是不是靠讀書的 所有的書不是靠讀書的 這好有趣 所以第四階段是創新 第五階段是 叫做組織的管理者 就是所謂的總統級的 就是AI來到決策級的 美國跟中國現在在競爭的就是這個位置

叫做通用AI 叫AGI 就Artificial General Intelligence 中國翻譯叫Super Intelligence 就超級人類 他們想要競爭的就是這種超級人類 我們現在有一點點像是核子武器的原子彈出現了 歐本海默的那種原子彈 所謂的曼哈頓計劃做出原子彈

可是你只要有原子彈之後 還有核子彈 中間有氫彈 之後到今天所有的科技 你看二戰結束是靠原子彈 到今天核子武器還在發展 對不對 所以這中間這麼漫長的時間 我們現在比較像是歐本海默的原子彈出來了 但整個核子武器還有一個漫長的過程在發展

有可能發展到變成國與國的決策能力了 如果做到那個層級 美國跟中國就在拼 你以後的總統是誰不重要 你用哪一個AI模型比較重要 所以以後的總統候選人都是不同的AI 來參與選舉嗎 最重要是說希望選民還是人類就好了

所以剛好你提到超級人類 我記得這一本書你之前聽你說過說 其實你原來的標題不是台灣AI大未來 而是1比99的挑戰 這個就跟超級人類有關了 你要不要延伸一下 它這個概念 這其實起心動念是

就是說要出版這本書的真正價值的思考裡頭 我越來越覺得我們需要知道 AI在製造超級人類 那在COVID之前 我們就感受數位轉型的威力 COVID之前世界上1%擁有 就1%的人擁有40%財富 一個後COVID因為數位轉型

讓轉型成功的企業就得到更多的財富 所以1%的人擁有50%的財富了 那麼這一次的AI會讓1%的人擁有99%的財富 目前看起來已經確定了 是因為你去看到美國500大企業的前7家 它現在擁有的市值是42% 7家擁有42%

對 在有一天可能有一家擁有99%也是有可能的 因為它一直獨大一直獨大 因為AI這件事情怎麼發展 很難發展的 因為你知道美國七雄像Google或者是 Amazon或者是Microsoft 他們的AI數據中心 比如說我們像彰濱這樣的這種

Google在彰濱的資料中心 當時設計大概就是說可能會用到的電可能是 十萬戶家家戶用電 這個台灣政府就覺得用很多電了 現在AI資料中心 全世界設計的基本款 是250萬戶的家庭用電 一個AI超級城市 一個相當於芝加哥

而可能芝加哥還沒有 相當於臺北的超級城市 250萬戶的用電量 是一個AI資料中心 那麼Google前董事長Eric Schmidt 最近講說美國現在需要 150座這樣的資料中心 那乘以每一座250萬人的話 對 所以美國現在最缺的是電 不是GPU 美國缺的是電 而這些電沒辦法設在美國

因為這些電太耗電了 所以它需要沙烏地阿拉伯 所以它現在就跟中東 有很密切的關係 它需要加拿大 雖然它常常跟加拿大很兇 不過它還是需要加拿大的水力發電 它需要北歐 它需要可能要這些 比較綠電的地方都有可能 所以AI的根本的限制就是耗電 這是另外問題

可是我們用這個角度來看 就世界上有多少國家 養得起這樣的一個產業 因為你要用電 你要算力 你要數據 最重要是數據 我們現在所有的網路服務 就集中在兩個國家可以提供 特別是美國 那連日本原則上都是用美國的服務 那LINE是極少數日本擁有的服務 可是LINE其實是南韓發展出來的 所以在這種情形下

沒有數據也沒有AI 那你有了數據之後 你還要有晶片算力之後 你還要電 能源 所以真的也就只有幾家公司做得到 所以你這個1%是指說 以後會有一個超級大的巨獸企業 不會是國家一定是企業 是我最近的說法已經是這樣講

叫新G7或G11概念 就是7家企業加起來的總市值 大過中國一年的GDP 那麼我在這個2008年金融海嘯的時候 美元開始大家開始擔心美元 所以大家都投資到中國大陸去 所以美國印鈔票印出一個中國的經濟出來

這是08年 那現在美國大量印鈔票 印出了7家公司出來 這7家現在的市值等同中國一年的GDP 你無法想像 7家公司 那公司的董事長 比如說NVIDIA現在已經是最大的公司 它的市值大過日本的GDP一年

所以黃仁勳一個人 他可以決定幾%的市值的調度跟使用 日本的首相要動1% 可能要跟在野黨吵翻天 所以意思就是說企業的實力 遠遠大過國家的實力的時代 那這可以解釋在國家級的1比99 就是兩個國家跟200個國家的比

現在美國中國就是那個1 其他國家就是那個99 包含日本、德國都是那個99 那麼如果是 剛剛講的是國力的比較 如果是用個人來比 那會是怎樣呢 好像你有形容過說 又回到以前的君主時代 國王、王族 我最近3個禮拜前遇到一個Google工程師

是我最信賴台灣籍的工程師裡頭 少數最優秀的 那他給我他用AI寫程式的戰鬥力的提升 他說年初的時候相當於10倍的他 到了9月的時候相當於百倍的他 天啊 那他要告訴我的意思是說 AI的進步神速 因為他每天在進步 我們人類是用迭代的

就是孩子可以比爸爸優秀就不錯了 但AI是每天進步 因為有幾十億人每天在教他 那他想想再回答 比餵資料還重要 因為他基礎能力有了 那我剛剛不是舉一個例子嗎 你把一個新的材料給他去學習 他學得比人快 那麼今天20億人每天問他問題 他想得出答案 他不就是創造知識出來的嗎

如果人覺得這答案是不得了 那不就他創造新的知識嗎 那這個回饋再給他 他又學到更新的 那AI還可以跟AI學 對所以AI的學習的速度真的是超過 所以我還是再簡化一次 我們透過用語言而學習的知識 AI會學得比我們快 那你可以再形容一下

未來的所謂的超級人類 他是一個什麼樣的樣子 好就是我們去看那些寫程式 現在的驚人的高手 他們怎麼創造程式 你就會發現很奇怪 你會發現為什麼 ChatGPT這公司 OpenAI人也沒有很多 為什麼他進展那麼快 為什麼開發程式的工具 可以進展到那麼快

就是那些寫程式的人他怎麼寫的 因為AI都懂他的程式 都讀過了 所以他是動嘴巴叫AI去想答案的 我舉一個最簡單的例子 我其中有一個 我兩個兒子都對AI也很熟 那有一個兒子比較偏 產品經理跟管理者 那他有一個工程師離開

所以就丟一包程式給他 那他怎麼辦呢 他就叫AI說 這是人家丟給我的程式 我也不知道怎麼辦 但是我現在input是這樣 output不對 我希望那output長成那個樣子 之後你幫我看看哪裡該改 他就幫我改好了 所以這些人只要下好指令就好了 AI就成全上萬的人來幫他工作 Google自己知道怎麼做AI

所以他把自己所有的程式碼 都丟給AI去看 AI懂了 他還需要一個大學剛畢業的學生改程式嗎 所以會一直layoff就是這樣的關係嗎 這些大公司一直在layoff 感覺公司一直在成長 為什麼一直在layoff 微軟今年才1萬7千多人 但他同樣聘的超過1萬7千多人 那他聘的是資深的 8年以上工作經驗

他採的是3年以下工作經驗 所以現在最麻煩的地方就是說 資淺的人現在的能力 就是學校透過念書而學到知識 這個知識AI很容易按按鍵就產生出來了 但是AI不會的是那些腦袋的知識 不寫成文字 不所謂的著書立說的 那些專家師傅的知識

寫程式也有一些師傅級的知識 那這些人用AI會更強對不對 因為他有經驗的 他下達命令 知道AI哪裡做得到哪裡做不到 他可以下的更好 所以資深工程師常常告訴我說 AI不厲害 那就代表他自己蠻厲害的 他們都有那個proud 那個驕傲 所以他們發現資深的人 如果願意用AI效果更好

因為他有能力判斷AI的好不好 用AI寫程式 最近的經驗已經告訴我們說 會大腦外包 一個沒有經驗的工程師 一年請AI寫程式之後 一年後他什麼能力都沒有 那怎麼辦呢 那總有人總有從新鮮人開始 企業不打算教新鮮人

那只好學校好好教 就學校要把AI學習的課程提早 而且用學生專業知識 要用AI去強化去訓練他 所以我最擔心的就是 學校大三大四的學生 或者研一研二即將進入職場的學生 要好好趕快用AI 強化自己的專業知識 進到職場的時候

能夠用AI跟既有的知識 高速去迭代自己的知識 這樣才能夠在未來生存 那你會說怎麼可能這麼嚴肅 這麼可怕 其實不是 就是剛好他們比較倒楣 如果今天的孩子是在高中 他還有六七年的時間 學校會知道怎麼調整教育課程 那六七年後 大家多少還是AI時代的釣魚竿 還是拿得到 那現在呢

市場需要你AI的釣魚竿 但是學校沒有給你釣魚竿 那人家又不給你機會 那這一群剛好要畢業 或剛畢業這一群 我最近給他一個名詞 相當於中國文化大革命 10年的失落一代 文化大革命發生什麼事情呢 最重要的是說 那10年中間學生不能念書

所以等到文化大革命結束了之後呢 這群孩子呢 還是沒有機會念書 可是剛剛生出來的孩子有機會念書 所以他們就跟上一代 截然不同的命運了 那AI這次呢 真正它是帶來新的機會 可是新的機會要創造出來的 黎明前夕這一段轉型期呢

是需要誰越早習得AI知識 誰的適應力會越好 所以這一個現象在美國已經發生 就是剛畢業的新鮮人是沒人要的 Google也不要 這個就不只是在寫程式而已 這個Goldman Sachs的報告是 所有的師字輩都受影響 會計師、律師、顧問 那因為台灣的知識型產業是內需產業 那內需產業規模比較小

我們不會看到 我們這樣講好了 如果我們今天有個顧問業 那這顧問公司可能 比如證券顧問業 可能真正顧問公司 顧問只有四五位 他裁掉一個沒有什麼意義 沒有辦法創造到省多少錢 但是如果到了那個所謂的McKinsey McKinsey今年裁五千人 他史上第一次裁五千人 他總共四萬五千人裁五千人 因為全部人都是顧問

所以Junior顧問就裁了 有一張圖就是說 有一個砲彈把顧問打到天上去 然後像Google這種都幾千位工程師 甚至幾萬位 他們其實是十幾萬位 十幾萬 Google這家公司現在二十萬人 那大概超過一半以上是工程師 所以十幾萬人 那麼Google的CEO講說

他們現在用AI產生的程式碼 佔他們的程式碼的35% 意思就是說用AI工具的 可以快速產生程式碼 那人確實不需要那麼多 所以只要有師字輩的都要小心 對 基本上是 那你這個提到另外 剛剛有特別提到一個重點 我覺得年紀稍微長一點的人 終於感到有一點

有一點浮於你前頭 這個第一次來安慰大家 比如說我們以前用電腦 我爸爸媽媽的時代他們用電腦 那老一輩就不會打字 所以就被淘汰掉了 那到了用手機老一輩都會笑說 你看你不會拍照 這次剛好倒過來 這個倒過來的時間 優勢也沒有很久 只有現在 原因就是說

AI需要問問題才會有好答案 那那個答案要有經驗來判斷好不好 所以變成說 已經有足夠職場專業知識的人 在用AI 他對那個答案的判斷力 比如說像社長可能稿子 AI生出來你一看就覺得不夠好 那哪裡該改你很清楚 可能剛畢業的人他還要磨練一下下 他有學校知識 他沒有產業的知識

所以現在這個階段裡頭變成說 你專業知識越深的人 你用AI可以產出的價值更高 另外你的思辨能力 鑑別能力都強 所以你對AI的結果的判斷能力也比較強 所以這也是為什麼說Google這種公司 他們現在想要聘資深工程師 而裁掉資淺工程師

最主要的差別 但這個時間隨著學校教育 如果可以提升的很快 透過AI讓孩子學習時間縮短之後 知道怎麼樣用AI來培養專業能力 也許三年四年之後 資深的人的落差的優勢可能就會減少 這的確 因為有時候AI出來的可能錯誤的 資淺的同事也看不出來

要資深的同事才會看得出來 像OpenAI的執行長奧特曼也曾經說 他觀察不同年紀的人 不同世代的人使用AI不一樣 比如說20歲以下把它當作業系統 20到30歲把AI當顧問 30歲以上把它當搜尋引擎 我們要嘲笑30歲以上

這個觀察到目前為止 你覺得還是很真實的嗎 這也呈現在我的書裡頭 我覺得這是蠻經典的 原因就是說 搜尋跟語言模型最大的不同 剛剛其實有聊過 語言模型 就搜尋是在找世界上出現的東西 那你要把它找出來 但語言模型是你存在有這個問題 你希望它給你答案 那個答案說不定在人類的文字記載

從來沒有出現過 它是綜合產生的想法 所以在這種情形下 老一輩用語言模型 常常在找答案 找他知道的答案 那這個時候你不需要用語言模型 你用搜尋引擎就好了 所以意思就是30歲以上 因為長期都用Google搜尋 所以他把 CharGPT當Google搜尋引擎

但實際上真的把它用的最好 他們說可能是越小的孩子 因為沒有接觸過傳統電腦的人的孩子 他把它當人看 那把AI當人看的時候 用AI的情境完全不同 我們舉例來講 小小孩會把AI當成 比爸爸媽媽還好玩的一種人類

玩伴 所以他可以跟他玩得非常非常厲害 我有實驗過 就是小小孩真的很會玩 我有個親戚的孩子 我外甥女的孩子 第一次給他用AI 他是native speaker 回來台灣就是英文的native 他可以跟他聊一個小時 第一次接觸AI 可以跟AI玩一個多小時 哦是 哇

所以所以反而越小 他可能有創新的發現很多AI 因為他沒有用過電腦 他不知道AI什麼不會嘛 嗯 所以他不會自我設限 嗯 他會跟他一直玩 嗯 那用個那老師我們再來回到你剛剛提到1比99 這聽起來真的是蠻可怕的 所以針對個人來講怎麼辦呢 我怎麼面對這個時代

我們最基本來講我們要知道用AI 大家及格分數立刻從60到80 所以80分才及格的時代已經出現了 哦 因為AI可以給你比你以前知道的答案還好 所以我們每一個人自我要求都要提高 所以以前是60分及格 現在是80分才及格 現在基本 因為你所有學校給你的作業的題目

你都不要用60分當概念 老師都要把他提到80分來 這是一個概念 就AI給我們的自我要求標準都要提高 這是一個最重要的地方 第二件事情是 他是問問題而解決問題的時代 我們以前在學校為什麼花那麼多時間去解決問題 去念書叫解決問題 我們為什麼要一直演練 因為我們要靠自己去解決問題 嗯

為什麼要學數學 明明就知道加減乘除的意思是什麼 花了兩三年在那邊加減乘除 那後來可以按計算機 學校終於讓你花少一點訓練加減乘除 對不對 我們花了6年去寫國字 去背一個不太合理的文字 但是呢 有了電腦現在大家比較能接受 我們可能會念就好了

不一定要會寫 雖然台灣的教育還是要我們強迫背那些字 對不對 好 那未來的時代裡頭 這些方式其實都會改變 因為你有一個超級人類在幫你當助教 當你的老師 所以你立刻可以問到他的意見 你個人演練的那個時間會縮短 嗯 你的能力就要多元提升 所以現在要的是用問問題而解決問題

所以你需要怎麼問一個好問題 那我會建議大家第一個問AI的問題 就是說我如何問你一個好問題 你來教我 這有點像你用過任何3C裝置 你都會先看手冊 唯獨用ChatGPT沒有人看過手冊 因為沒有手冊 應該 他也沒有手冊 其實他也沒有手冊 老實說他也沒有手冊 因為開發者也不知道他能夠幹嘛 你知道嗎

他們真的也不知道他能夠幹嘛 真的這樣問會得出什麼答案呢 我得過非常棒的答案 請你們再試 你們每一個人都要試 每個人問不一樣 對 我問過他 他是說 第一個你要提供足夠的背景 就context前後文給他 要描述清楚 要給他互動 要給他引導 嗯 所以其實是有方法的

那我們所有人第一件事情要問AI 我怎麼問一個好問題 嗯 最後我問過他說 我是一個九歲小孩 你是我的學校老師 你怎麼樣教我或出題目給我 不會讓我大腦外包 我也問過這樣問題 他超級好的答案 他說 首先我不能出這種題目是 所謂的簡單的問答 就是像填充一樣 馬上就有答案了

他應該要出一個組合題 讓你可以把問題破解成小問題 再來回答我 那他說呢 你應該把整個問問題的過程中 把它記錄下來 用你自己的話去跟老師講 嗯 然後把過程記錄給老師 你看這AI教我的 那大部分老師可能都還不知道 怎麼樣教小孩的 那好像你也強調說

現在未來是要𝝿型人才嗎 如果以個人來講 所謂的𝝿 各位聽眾應該知道 以前數學的那個𝝿 一個橫下麵兩隻腳 那𝝿其實是從T延伸過來 所以我們叫T型人才 這樣就比較能夠懂 那T型人才是什麼 叫斜槓人生 這樣就懂了

就是T的概念是一橫一豎 那那個橫是我們的基本能力 豎是我們在開發出一種專長 那這在網路時代 我們都講說T型人才 就是說你可以當網紅 你可以用網路來培養你的興趣 或者用網路來做出版 這叫T型人才 拍是兩條腿的概念

就有兩個T的概念 你的橫軸就是要寬 而𝝿就是你工作的上下游 比如說你是一個寫程式的工程師 那你的上游是產品經理或專案經理 他開規格的 你的下游是幫你做測試的QA 在AI的時代 這兩邊的能力你要懂一些

你要有能力自己定規格 你最好也能夠自己測試 因為有一天你老闆 不需要那麼多人的時候 你會活下來 一條龍 所以拍就是你站得越穩 跨得越寬 你會越能夠成功 那這樣三條腿呢 如果是三條腿 我覺得兩條腿就夠了 因為只要寬 三條腿也可以 但是其實兩個寬

那那個橫是指說 你要有廣泛的 常識 各行各業的 AI時代廣度比深度重要 因為深再怎麼深都比不過AI 但廣可以問AI 就是你的常識夠 如果廣度夠你就可以問AI 那麼反而能問AI 越寬的知識背景的人 越能夠問AI 用AI用的話

舉例來講 一般人如果你醫學常識夠一點 你可以用AI問很多 緊急醫生不在的時候 AI可以幫你處理的問題 對不對 如果你的化學常識多了一點點 你可以問AI的問題就變多了 你遇到食物中毒的時候 或者食物的現象有變化 你可以用AI來幫你解決 舉例來講 你如果看到有一個餐盤 怪怪的顏色不太對 你就拍一張照片給AI

AI告訴你的 加上你的化學常識 你可以判斷他講的是不是胡說八道 但是如果你這一點常識都沒有 你就可能被AI騙了也有可能 所以常識還是蠻重要的 那我們今天推薦的哈佛的文章 特別提到說大腦外包這個問題 就是說AI本來是要幫我們創造價值 但是如果我們大腦外包之後

到最後會毀掉了價值 所以我們又要很會用AI 可是又怕我們大腦外包 所以這個分寸平衡要怎麼拿捏 這個平衡就是說 如果你在學習階段的孩子 就難度比較大 所以我先跳過這一段 就是說如果你已經在職場了 你本身就有一定釣魚竿的能力了 那你這個時候你擔心的大腦外包比較少

但這篇文章我有讀過 跟我的體驗也非常的接近 就是如果你用AI之前 就人家給你一個問題 比如說老師出一個題目 你就請AI幫你寫一篇文章 那這肯定叫外包 因為你連想都沒想過 但如果你是自己寫完 之後再請AI幫你改 你就還是有過程的思路在 所以這篇文章其實在談是說

你在創作內容的過程 不是最後那個內容本身 創作過程你的知識組織 本來就是創作過程得到的副產品 那你如果透過AI你就沒有這個過程 沒有這個過程 接下來連演練的過程都沒有 就是你練習的過程也沒有了 等於說你連創造過程不見了 演練的過程也不見了

所以其實想想看有一個AI助理 或AI助教是超級可怕的 因為他剝奪你過程中的所有的東西 他說包括你這知識產生過程中 本來有一個社交關係 比如說你要完成這件事情的知識 本來要問張三李四王五 你跟他成為溝通的過程 你人類人際產生關聯性 你今天AI通通幫你解決掉 他調資料庫

你也不用去敲隔壁的門了對不對 你朋友交朋友機會也減少了 所以這些東西都是無形中 你丟掉的東西 想想還真可怕 意思就是說如果有一個董事長 不是只是透過他人類的員工 他全部透過他AI的員工 到有一天他也會很寂寞 哈哈哈哈 只剩下兩三個秘書這樣子

因為他也不知道怎麼跟人講話 哈哈哈哈 所以其實這概念 大腦外包 比我們想像的還寬 所以這篇文章提點的概念是說 你自己其實要先想過 而且你企業在導入的過程中 你要知道你不小心你會丟掉了什麼 不過我就是在反思一下 既然說這個創作的過程 思考的架構的過程

他都可以做到了 為什麼我們還要浪費時間 再去走過那個過程 這就是最關鍵的 因為我們在設計這個過程 不知道這個超級人類出現 哈哈哈哈 所以我們有一個小學教育 我們有個大學教育 我們還要頒博士學位給人家 嗯 那博士在我小時候覺得他好偉大 到今天我就慢慢不覺得他好偉大 在當年我沒有博士學位以前

我以為博士叫博士嘛 就是他很博 後來才知道他叫專士 不是博士 他很專 到後來呢 有AI之後他其實只是證明自己 而不是證明對人類的貢獻了 嗯 那AI時代對人類專家培養最挑戰的地方是 他在訓練自己 他不是在創造知識

創造知識可能你讓AI自己跑 跑個10分鐘創造出來的知識 比人想盡一生 有一天還有用嗎 所以這個跟 這個聊天的概念比較像德智體群美 我們在人類裡頭這些能力 就德育、體育、群育、美育、智育 我們所有的學習過程比較強調智育

而這個AI的智育能力 就是intelligence越來越強 所以他是artificial intelligence 可是他沒有講說他是artificial collaboration 他不是群育 他不是很強的群育 那你看運動員 我都笑稱說運動員是最不怕AI 尤其NBA這些人或MLB的 AI只會讓他體格更強壯 但是呢 人類還是希望人贏人

從來不想在運動裡頭 人早就輸給其他動物了 你跑也不會比豹快 力氣也不會比獅子大 人還跟人比得很開心 你說人很會射球 你去看其他動物 有些動物可能射起來更厲害一點 所以在這個概念下有趣 人類以前有個慣性 覺得intelligence高的人叫做smart 但有一天會發現

muscle高的叫smart 因為intelligence都被artificial出賣了 所以我們還是回到那個 觀點意思是說 雖然AI可以幫你做到這些事情 但是人還是要訓練這樣的一些能力 對不對 推理的能力 我認為是這樣子 就是說有一些軟實力的重要性 比以前高

因為我們人以後的訓練 是訓練孩子用AI 我們以前的概念是 訓練孩子自己解決問題 那未來自己解決問題的過程的 上位之士叫怎麼透過AI解決問題 那剩下的部分是AI不能解決問題 你怎麼靠自己解決問題 我講的有點複雜 但其實這個就是未來的課綱

課綱就是先講說 那AI不能幫你的那些東西 你要自己來 那就叫軟實力 軟實力就是思辨能力 問問題的能力 之後同理心、領導力、管理 就我們管理學要講的管理能力 這些能力要提早下放到 各個年齡層的教育裡頭去 那以前沒有下放的原因是說 他專業知識都還沒有錢 我們做一個假設

他不需要管理能力 這就是全台灣孩子 會念書不會工作的原因 你去看美國的孩子很會工作 不會念書 為什麼 因為他們群育能力很強 他們從小就是團隊活動 那他們就是比較重視那個群育 那我猜想以後我們的教育方式也會調整 就是群育要變得越來越強化 那智育的部分呢

就是去訓練那個手的靈巧的部分 那專業知識的部分呢 可能就是縮短時間了 因為AI可以幫你 所以這還是調整 那我們今天的教育是百年前設計的 所以一百年嘛 所以要重來一次了 我問一個假設題 當然你的小孩多大 如果你現在有一個小小孩 你作為一個家長 如果現在有一個小小孩 我會很開心 那就叫我的孫子 哈哈哈哈

可是我現在沒有 假設有啦 你會在這種時代 以前的時代 你養兒子的時候重視的是什麼 以後養孫子可能要重視什麼 我在很多企業參加他們策略會議 那上市公司董事長 至少三個人問過我同一個問題 他說那我的孫子怎麼辦 我就說你要把他當兒子 不要把他當孫子 為什麼 因為有了AI

你不要把他當他太小 因為你兒子二十歲才會的知識 他可能六歲就已經會了 那麼你用AI的方法 就是你教兒子的方法就可以 就是這個意思就是說 我們對小小孩呢 不要把他當小 是因為他以後的知識反覆運算速度會很快

我們把他從幼稚園一直到博士班的 這個養成教育的二十年 我們未來說不定濃縮成 七年跟八年的教材來引導他 因為他不需要花太多時間practice 而那個釣魚竿的設計方法也會改變 以前我們花好久 只為了五千個中文字花五年的時間 五千個我再講一次 常用字只有兩千個而已

我們學了五千個中文字 花了六年的時間 只有讓小肌肉變強 其他都沒有進步 那件事情我們不要浪費時間 那我們可以用打字的 拼音語系之所以方便 就是這一點對不對 那這個 堅持文化呢 要好好去找訓練資料來訓練中文語言模型 所以現在如果有孫子

應該更強調的是眼耳鼻舌身的體感的訓練 我會更高一點的概念 就是我們先直接跳到超級人類的訓練的角度 我們會想說你這個孫子呢 現在假設他是6歲 在14年後的世界會長什麼樣子 那14年後的AI會比我們現在強1000倍到1萬倍

如果是這樣子的話 那我們所有的教育概念都要改 就是這一個孩子是有領袖能力的 他懂得指揮一大堆AI同事 我說管院的教材要改 他要變成是管AI而不是管人而已 他可能超級同事是AI同事加上人類同事

而人類同事是常常會出狀況的同事 所以現在應該是人加Agent 所以我在管院的演講就是說 以後的管院就是人加 我們就產銷研發財對不對 人加機器了 他們已經美國已經有一個專有名詞 叫做Human and AI Team Up

就人機成為一個團隊的人機協作 人機團隊 以後可能一個員工搭配100個AI1000個AI 有現在叫一人創業 現在就是說OECD講說 未來2到3年內會出現200萬到300萬種 加企業是一人企業 一人企業就是說 他現在所有我們創業過程中的很多工具 AI都可以幫忙

如果是一家中小企業老闆是10個員工 他可能有一個副總跑出來 用一個人去創業去搶老闆的生意 他用AI加上他的經驗就可以搶老闆的生意 我們的訪問要慢慢接近尾聲 我最後再補問一兩個問題 到目前為止你有看到台灣在應用AI

或是研發AI或是AI的領域 很先進的地方嗎 有 第一個是台積電 第二個是聯發科 為什麼呢 我們先講聯發科 聯發科IC設計這個領域 如果沒有AI一切都結束了 因為IC設計的工程師已經沒有能力去掌握IC的變化

以前的一個IC的總 比如說設計一個CPU 它的電晶體量大概是1億個電晶體 現在可能來到100億個電晶體 那麼幾千人合作設計一個晶片 大家掌握都是有限 那如果AI可以來做所謂的分析管理抓問題 或者甚至由他來做planning

AI現在都可能做得到 所以聯發科未來的發展的最重要的是 他用AI的能力有多強 聯發科就會活得多好 那麼他也是用的最大 我的瞭解聯發科也投入最多 他也是掌握最好的 為什麼 因為他們的IC設計工具的程式自動生成是要靠自己來生

他不能在外頭買 因為他的程式碼外頭找不到的 所以這是台灣最重要的 對對對對 那台積電呢 他又是什麼呢 台積電是生產AI晶片的公司 可是他現在在海外要生產 劉德音董事長曾經分享一個概念 就是在COVID的時候 台積電的工程師不能去南京長達兩年

南京廠 可是他們最後用遠距的方式把良率提高了 所以意思就是說 未來台積電在海外擴廠過程中 如果研發還可以保持在台灣 透過用遠距的管理 生產是讓可以在海外 那這個東西呢 需要靠很多的AI工具 所以台積電自己現在定義一個新的名字 他叫軟體定義半導體生產

他叫Fab runs on code Fab runs on code code是程式碼 他就說台積電以後是一家軟體公司 就像Tesla 他是一家軟體公司 因為我們Tesla汽車是用這個 開出去的時候可以軟體自動更新 大家都不知道Tesla工廠裡頭 那些機器人的腦袋也是軟體自動更新的

所以台灣兩個最強的企業 台積電聯發科 如果他們不是AI公司 他們未來的競爭力也會下降 這是我看得到的 好今天跟立峰老師談得很愉快 關於台灣AI的大未來 或者是每一個人 或者是每一家企業面對AI 應該未來應該做哪些事情 那最後我們要什麼補充 或這本書出版到現在

最大的回響是什麼 提醒大家 最大的回響 就是凡事寫下來都變舊了 哈哈哈哈 一出版就舊了 還是請大家可以有興趣可以看 那最重要是看它的標題 每一個章節的標題呢 都隱含一個趨勢

那它代表的是AI時代有哪些趨勢 企業跟個人會遇到哪些事情 我只是建議大家可以看看標題 那內容的東西它每天會更新 所以我現在事實上在想說 有一天也許我們不是出紙本的概念 應該是活的AI書 每天更新 我現在已經有一本英文版的 它有一本英文版

有40個學生每天用AI在更新內容 就是你提的這個觀念 又有最新數據了 又有最新發展了 其實我在台大有一門課 就是把這一本書翻成英文之後 這英文內容用AI每天自己寫 那不用人再去問了 它就自己在更新了 它自己更新 所以我們也可以上去 沒有 不能公開 我想說我們可以

還在實驗當中 這是我心目中未來的書 所以以後買了這本書 就可以自動享有那個服務 我希望有一天出版社 就出版這樣的活書 叫Live Book 哇 哇 這也是出版的大未來 大未來 各行各業大未來 還好我快退休了 我已經退休了 我們都沒什麼壓力

年輕人要努力一點 好 謝謝 好 今天非常謝謝立峰老師 來到我們的節目現場 告訴我們有關AI未來的發展的大趨勢 真的是即使是可以退休的人 現在都延後退休 我也聽林百里說 他還要再做10年 預創的盧超群董事長說 哇 還要再10年 大家都要延後退休 因為AI在你們眼裡 看起來實在太好玩了

是一個從來沒有碰過的新時代 所以我們年輕人 像我們都快退休 或許還可以 年輕人一定要趕上 好 我們今天非常謝謝立峰老師 再一次 第三次來到我們 人物面對面的現場 也謝謝各位的收聽與收看 我們下禮拜五人物面對面再相會 謝謝立峰老師 謝謝 謝謝大家