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 】。

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。

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？

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 。

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！