AI 來了還需要學習嗎?聊聊【 AI輔助學習 】

AI 學得這麼快,我們躺平算了!別怕,它還可以教我們,我稱作【 AI輔助學習 】

black and white robot toy on red wooden table AI輔助學習

AI 學得這麼快,我們躺平算了!別怕,它還可以教我們,我稱作【 AI輔助學習 】。

AI 讓我們挫折,從前你去巨匠報名電腦班,要花半年才學會「全端工程師」本事,就是開發 App 是一個團隊的工作,但你一個人從最後端的資料庫做到最前端的網頁和手機 App,你一個人就是個團隊!

結果 AI 來了,你家小孩跟 AI 說一句「請幫我做一個 App」,它就可以在 1 分鐘內長出來,人類只要提需求、測試,丟到 App Store 和 Google Play!它是 AI 助理?我們才是「AI 助理的助理」!

花半年掌握的技能,完全不會的人半天就能做到,學習划算嗎?這事困擾愛學習的我,特別是我覺得(最容易被取代的)寫程式很好玩,以後這行業會消失嗎?

世界是認知的變現

前幾天聽到一位財經播客說:「投資是認知的變現」,這句話觸動了我,就是你對世界懂越多,越能找到機會。

只有財經如此嗎?實際上,人生一切都是認知的變現。

比如說,就算沒 AI 的時代,人人能用套版寫企劃書,「未來 – 現在 = 企劃」誰想不出未來?誰不會寫?

既然這麼簡單?爲什麼不是每個人都能寫出「好」企劃呢?因為每個人對未來想像不同,就分了高下。

曾有機會代理精油產品,如果按照套版企劃法,先市場調查分析,精油市場總量 XXX 億元,有競爭品牌 A, B, C, D 四家,你要搶佔其中的 N%,用幾種不同的商業模式…。

用套版寫的,多數是拙劣的企劃,AI 大致是幫你在套版裡填肉,也是拙劣!

但我去問高手時就不同了。

他說:「精油是心靈產業」!這句話讓計劃格局不同。

假如你心裡有很多個帳戶,那麼精油這種液體在你心裡分到哪一類,有人分到「保養品」帳戶、有人分到「雜貨」,也有分到「化工材料」…,如果你擘畫品牌的未來從化工材料升級到心靈產業時,你的未來是否更有想像空間?這就不是算一本帳而已了。

所以企劃的格局不在用了什麼模板、什麼理論,而在企劃者的分類,分類好就顯格局!

認知與分類

人人都想要大格局,那所以我要有一套不同的分類方式,獨特分類怎麼來的?

最常聽到的生物學分類由上而下是「界、門、綱、目、科、屬、種」,你發現了嗎?分類是一棵樹,在這棵樹上,世上任一種動植物都能夠被「分類」在某位置。

生物學分類是依照生物分類學之父 卡爾・馮・林奈(Carl von Linné) 心中的分類,林奈的分類法被別的生物學家接受,一定有一套「論述」說服他們「我的分類法比你的好」,而這論述自然來自對生物的「觀察」。

要怎麼擁有自己的分類?現在開始觀察?

找到自己的分類

其實每個人都依照自己擅長的事情分類,以通訊錄來說:

  • 有人擅長記姓名,又在外商工作,叫英文名的朋友多,通訊錄用字母分類好用;
  • 在臺商工作,大家都叫姓名,或是小李、小劉,就依注音符號分類;
  • 不擅長記名字的人,可依照認識的場合分類,如小學同學、同事、東南亞旅遊團。

如果記不住名字的人打開用英文分類的通訊錄,我連名字都記不住還要記英文名字!對,因為你我有不同特性造就了自己的分類法,用錯真是災難。

你所用的分類法背後是你的人生,或是你的知識。

例如我可以從維基百科查到「狗」的學名是「Canis lupus familiaris」,如果我培養出一種沒人見過的狗,我有資格命名,但卻不知道怎麼幫這新品種取名,因為要分類生物時,就要懂生物學家的思維方式,花幾年讀動物系才勉強能知道怎麼命名。觀點產生順序大致像下面這樣:

  1. 觀察萬事萬物:就算不主動觀察,社會還是會影響你,但你不能選擇要被什麼影響就是了。
  2. 心裡有個世界模型:就像地圖是很大的東西的縮小簡化版,我知道彼此關係就能夠理解及操作,所以你認為世界萬事萬物如何互動,就是你的世界模型。例如:大明生在只有一家麪店只賣陽春麪的村子,大明的世界模型中「麪 = 湯麪」。
  3. 基於模型提出觀點:你評論事物時會用你的模型(認知)來評論。因為麵 = 湯麪,大明認為沒有湯的意大利麪真是不倫不類!
  4. 用觀點分類事物:你對它的觀點決定你把它分類在哪個心理帳戶中。只吃湯麪的大明,合理地把意大利麪歸類在「難吃類」,但意大利人卻歸類在「家鄉美食」。

大明對麪的觀念很狹隘,對飯更是覺得與麪完全不通的另一個世界,對大明來說,麵、飯、鞋子、汽車都是物品分類,他沒想過把食物串起來。

但鐵雄是一位大廚,他對麪、飯、菜、魚、肉都有深刻研究,這個研究是他懂得把美食串連起來,雖然歸類在同一棵樹不同的樹枝上,但彼此有內在相連,會這麼做是因為他不停反芻不同食譜之間的關係。所以有大廚被「豆瓣魚」啓發發明了「魚香茄子」(你一定知道魚香茄子裡沒有魚,對吧!)。

揭曉為什麼有人分類和格局不同?雖然人人接觸到差不多的世界和資料,但是:

  • 有人不知道他看過了
  • 有人看過了
  • 有人看過還 Google 了不懂之處
  • 有人看過,Google 了,還做了筆記
  • 有人看過,Google 了,筆記了,回去還反芻思考了
  • 有人看過,Google 了,筆記了,反芻了,還跟他持續累積的知識庫串接起來成為新知。

爲什麼有人的分類比較有格局?就看你花了多少時間思考。

聽起來真難!如果我真的很少觀察學習,就算觀察也很少思考串聯起來,我能有觀點嗎?

進口觀點

人人生平不同,就算同樣環境也有不同機遇,所以每個人都有自己的分類,這分類反映你的個性,產生了觀點。

但世界很大,你沒觀察到的部分,有時候會進口別人的觀點。

比如說很多人遇到困難時不是去解決,而是靠算命、星座或顧問,因為太複雜了,我懶得想。好吧,不過算命、星座、顧問背後都有一套知識體系,決策來自我自己不懂的思維方式,如果有變動,我有能力面對嗎?

不只我們,國家也這麼做。

美國崇尚努力,它相信成就來自努力。中國不信(社會主義大鍋飯),但它卻進口了美國觀點,愛拼就會贏。

美國兩百年來「越來越公平」,從前財閥可以獨佔,政府定出反托拉斯法拆解財閥讓小企業能出頭;歧視讓職場有透明天花板,美國規定簡歷可以不附照片、年齡、種族避免歧視。不是說美國很好,而是美國政府帶頭掃除那些可能讓你努力得不到成果的障礙物,在別的國家,財閥付出高額政治獻金,保護都來不及了!但為什麼是「越來越」公平呢?因為民主機制會自我修復 bug,現在還不夠好的,未來會修好。

中國不同,它以往不相信努力,大鍋飯想法,而且制度是無法自我 debug 的,進口了這個美國觀點,跟原有的很衝突。

從哪裡看出?人人想辦法走後門托關係,而且還真的有效!我有「門路」讓我比起其他(跟我一樣投胎不好的)人有更高起點。相信「門路」、找得到「門路」,也進得了「門路」,表示人民不相信政府真的會給我公平的環境,就是我不相信社會契約,我更相信像我這樣有門路的聰明人會比傻傻相信的人更賺錢。

同樣認為努力與成就不成正比的北歐,他們不開放門路讓投機者走後門,而是把門路開放給每個人,當每個人都富,致富就沒這麼可貴,什麼?你還想努力賺錢?那你就去努力吧!

不是比較誰好誰壞,而是美國有一種觀點、北歐有一種觀點,而中國卻有數種互斥觀點,這就是進口觀點最麻煩的地方,你得花更多時間把進口的跟自己的整合在一起,想出一個故事說服自己,不然就會內部衝突,其實成本不見得比較低。

進口觀點及進口一切:各國插頭都有標準,但中國短期進口各國電器,導致插頭規格各異,後來中國發展出一種插座可包容世界各種插頭,但成本很高,所以中國的延長線又大又貴。

Ikea 的台規插座,成本很低,又省空間 AI輔助學習
Ikea 的台規插座,成本很低,又省空間
中國的插頭有世界各國規格,只好用萬用插座,尺寸大成本高 AI輔助學習
中國的插頭有世界各國規格,只好用萬用插座,尺寸大成本高(圖片取自網路)

學習讓你建立觀點

建立觀點的另一種方式是好好學習,你有一套由自己開發出來的對世界的認識,因為不是全然進口,在遇到衝擊時你自己知道如何應變。

這件事說起來很抽象,學習通常不會立刻見效,有人就會說「學這個有什麼用?」

身為文科生,我對程式原本一竅不通,年輕時在手機熱潮時花了幾個月上了 Android 程式開發課,它使用 Java 對我來說很難,雖然無法掌握,但我學到後端有程式、資料庫、Web server,而前端有網頁、CSS、JavaScript 這些組成軟體的組件原理,結業後,我轉行沒成還是繼續做產品開發。

接下來,唸碩士時讀了新媒體,因為我發現 web 跟 Android 的基礎差不多並不難懂;讀完書進數位廣告界,發現 Google, Facebook 廣告的原理跟 Web 技術差不多;因為網頁產生數據就接觸數據分析,後來發現處理大數據的方法也是程式,方法差不多;當硬體公司顧問時,發現韌體原理跟 Android 也差不多;電信業總不同了吧?其實手機能講電話和上網,背後也是差不多的原理;現在 AI 其實也是差不多同一回事呢!

這個我曾經學完後覺得辦不到放棄之物,卻意外讓我在科技界混了幾十年。或許不是它沒用,而是在我還不認識它的時候,真不懂它有什麼用途,很多事物是全人類都不懂,你想想看最近超紅的 Nvidia,從前沒人懂吧!

學習了總是對你有幫助,現在看不到,未來也會看到。

AI 輔助學習 壓縮所需時間?

這篇文章是我嘗試自學全端工程師的記錄

還沒 AI 時,訓練全端工程師少說學好幾年,AI 時代則花不到兩週,不只上完課,而是做出(不成熟的)習作了。

很不一樣吧!從前學什麼要先決定學哪套,例如決定最常見的 PHP,這套技術從頭到尾都有人開發出工具,但當你入手熟悉它的生態系後,就很難換到 Java,就算發現它根本不符合你的需要,但重學太耗時,最終還是繼續用它為主力。

而我卻在很短時間重做了 4 次:

  • 第 1 次用 Typescript 為主的 Supabase;
  • 第 2 次用 PHP 為主的 AppWrite;
  • 第 3 次用 Python 的 FastAPI Users;
  • 第 4 次用 Python 的 Fief。

每次花一兩天,像老師示範給你看,而且教材不是老師選的,是我出的題,這樣就可以發現哪些是我想要的,終於在最後一次找到 perfect match,才開始深究。

如何深究?去上課還是找一本教程猛 K?都不是,花一天學了點基礎就開始邊做邊問(AI),發現了不懂 Docker 會卡關,於是花一天找資料惡補 Docker,又發現反向代理不會連 AI 都一直出錯,停下來找資料學了一天。

平常學什麼也要學個一週,為什麼你只學一天?是不是很簡單?不,它們真不簡單,但短時間看了 4 次示範,誰也會隱約知道個大概,找來資料知道原理就秒懂,因為帶着問題來學習,就學得快。當然也因為 AI 是好老師,什麼都能問,又有耐心,學習效果倍增。

就像你去意大利,每次朋友要走時都說「arrivederci」,這是什麼意思?當你查觀光意大利文知道是「再見」,就不會忘了吧!但是叫你背單字,這麼長的單字一定背完就忘了。

這種學習就像你交了錢學英文,上幾堂發現更想學「意大利文」,補習班二話不說立刻找意大利文老師教你!我這輩子沒看過這麼好的補習班,與從前的學習大大不同。

當它是教官,靠它更放心

讓我們整理一下邏輯,AI 學習能力比我們強又快,但它學習是為了幫我們工作,而你我學習是為了開創新的格局。

從這個思維,它不是來跟我們競爭,而是幫我們縮短學習時間的,我們可以在更短時間學會更多知識,這方式比千百年來人類開發出的各種學習方法都快又好,在可見的未來,我們一方面會看到 AI 快速進化,同時也能看到人類快速進化——如果學會 AI 輔助學習 。

C47 是我國學習運輸機的教練機 AI輔助學習
C47 是我國學習運輸機的教練機

幾十年前,我在空軍當兵,臺灣空軍運輸機教練機是 C-47,有多老呢?從 1942 就開始服役的爺爺機,跟蔣介石座駕同款!聽說前座椅背還插了把羽扇!

當時一名女飛官與教練一起進行一堂運輸機課程,降落前發現一邊起落架故障放不下來!

「出事了!出事了!」於是全部人都趕到機場邊看熱鬧,機場大樓上站滿了人,消防車、救護車排成大隊蓄勢待發。此時飛機降落了,它把一邊翅膀抬高,用沒壞那邊的輪子降落,直到速度放慢,翹高的翅膀落地,以機翼尖端為軸心轉了幾圈停下來了,迫降成功!此時消防車、救護車一哄而上,大家都在場邊猛鼓掌!

事後,記者訪問女飛官,妳害怕嗎?

女飛官:「有什麼好怕的,有教練在又不是我一個人開!」

記者訪問教官,你害怕嗎?

教官:「我真的嚇死了,以為小命今天就沒了!」

祝各位有一個 AI 教官可以依靠,它不是什麼都懂,至少會裝懂,讓你學習時信心滿滿,什麼都不怕,建立對世界的認知和觀點,並且,最重要的,找到比只會套版的人更多沒人發現的新機會!

讓我們保持聯繫

推送 Push:有個資疑慮的您,按下網址列左方「鎖頭」開啟「通知」會收到通知

電子報 Subscribe:在上方框或側邊欄框中訂閱電子報,我會看到信箱,但不會發垃圾郵件。

合作 Cooperation:行銷、課程合作 請到 About 中填寫表單,留言、臉書專頁聯繫也可以

臉書專頁:疑問或聊天,請留言,或到臉書專頁「Simpro 學習控」關注及留言

訂閱電子報

約雙週更新,絕無垃圾郵件|記得到信箱查看驗證信

最有人氣

你可能也會感興趣的文章