職場上，很多時候都是老闆或上司丟給你一個很模糊的目標，你必須想辦法把這個目標聚焦成可以執行的行動項目，接著執行並提供成果。
這個過程你可能會花很多時間自己苦惱，想出了不知道是否正確的答案，但是老闆和主管只和你說了先做再說，你只能硬著頭皮做下去，提交成果時還可能被罵說是不是在浪費時間。
是不是似曾相似？職場上卻到處在發生一樣的事情。這就是一種低效回饋的模式，知道錯了，但不知道怎麼改，你還是得重新跑另外一個方向，可能成功，也可能再撞一次。
什麼是高效回饋？
我認為現在AI的學習模式就是一種高效回饋，告訴你做錯的同時，還會告訴你怎麼樣做得更好，可怕的是回饋頻率還高的驚人。
特斯拉的FSD自動駕駛在V11版本時還是靠工程師寫出的30萬行程式碼，去告訴車子在何種情況下應該如何駕駛，但到了V12版本時卻只有兩千行。
是加了什麼改變才讓程式碼需求大幅降低？答案是賦予了神經網路思考的能力。
它不再去學習那30萬行程式碼裡面提到的道路、行人、紅綠燈等概念，它只是不斷得看影片學習，以及觀察每一位駕駛員在自動駕駛中踩煞車介入駕駛的時候，每一次的煞車都是一次回饋，「你錯了，這裡應該停下來。」
我們人也是一樣，學生時代我們讀著厚重的教科書，也就是所謂的「30萬行程式碼」，去建構這個世界基礎的樣貌，安全但一點也不高效；出社會後我們才減少一直看著那所謂的「30萬行程式碼」，轉而去和周遭的人學習，學習的對象可能是同事、主管或者是那些業界頂尖的人士，這才是開始更新我們自己版本的時候。
如何和比自己強的人尋求回饋
但比起模仿，直接尋求意見會是更高效的回饋，只是這件事該怎麼做會比較好？
試著站在那些業界頂尖人士的角度去思考，如果一直有不認識的人要求你提供意見給他，這絕對是一件很困擾的事情，一來我完全不認識你，二來對我的幫助也不大。
是的，即使是尋求回饋，在這個過程中我們也要嘗試帶給對方價值，尤其我們能帶給對方的就是我們站在初學者的角度，有時往往也能帶給對方不一樣的思考，但在這之前我們需要先做到三件事：
- 確保自己對於尋求回饋的議題鑽研過，帶著想法去提問。
- 尊重對方的時間，建議以國外很常見的coffe chat去和更強的人做連結。
- 保持禮貌就對了！
總結
AI之所以會被稱為人工智慧，很大原因也在於它的學習方式和我們人很像，都需要接受來自各方的回饋，才知道我們做得是對是錯。
小時候我們透過爸媽的反應來思考我們現在的行為應該要多做還是少做；現在我們則透過外界的回饋來思考我們是否更高效率的成長。
這種回饋可能是名聲，可能是金錢，也有可能是你實際觀察到了你的作為對社會的影響，不管如何我們都需要每隔一段時間就停下來，思考自己和過去的差別是什麼，你還沒加薪升職的話，原因是什麼？你做的產品沒有人使用，原因是什麼？
迷茫的時候試著和想學習的對象約個coffee chat，很多時候成長的契機都藏在這些回饋裡。
