你的工作會被AI取代嗎？新時代與AI協作的三個心態《跨能致勝》｜【大衛說故事】Podcast

AI時代來臨，許多媒體經常報導，AI將會取代人類的許多工作，很多人會因此失業，這樣的訊息，會讓你感到焦慮嗎？

l MIT新研發AI模型

我們先來看一個最新的消息，美國麻省理工學院的人工智慧中心，推出一款最新研發的Liquid AI模型，號稱運算速度更快、用電量僅ChatGPT的千分之一、不需要仰賴雲端、沒有資安問題，未來很有可能成為Open AI的最大競爭對手。

Liquid AI創辦人Daniela Rus最讓我佩服的是，她提出的兩個觀點：

1.跨領域的創意

他們的研發靈感，竟然是來自一隻全身只有302個神經元的蠕蟲！這是一個橫跨生物學、資訊工程、數學運算、認知科學的成功典範啊。

2.對於AI角色的定位

她在近期發表的新書《The Mind’s Mirror》(台灣中譯本還沒出版)曾說：

AI只是一個工具，最終是人類為人類所設計的。我們需要時刻記得這一點，避免賦予它過多的人性化特質。

Liquid AI充分展現人機協作的效率，在一家藥廠的新藥開發過程中，AI負責整理繁雜的數據資料，找出關鍵的蛋白質元素，研究人員則將精力放在挑選哪些目標、如何設計化合物等策略思考。

最後的決策權仍在人類手上，而這樣的人機協作開發方式，將原本數年才能完成的新藥物研發時間縮短為只要30天。

l 人機協作模式

同樣的人機合作概念，台灣體壇的拳擊好手陳念琴和吳詩儀，雙雙在2024年巴黎奧運獲得銅牌，背後隱藏的秘密武器，就是清華大學的AI戰術小組。他們運用影像辨識技術，訓練AI觀看大量的各國選手影片，然後標記出每一位選手的招式，最後加以分析，訂定出應對的對策。 

這樣的AI大數據分析學習法，比起傳統由紀錄員一段一段看影片作筆記的方式，效率高出百倍以上，能夠在最短時間獲得最高效益。

從以上兩個案例，我們可以得知：

AI的強項是蒐集和分析資料，人類負責思考策略，最終由人類進行關鍵的決策。

那麼人類該如何善用AI的能力，協助自己變得更好呢？

時間是最稀缺的資源，我們從人機協作的案例可以發現，許多具有固定步驟、重複性高、需要大量記憶的工作，交由AI處理，可以做得又快又好。

是否會被AI取代，取決於你目前或未來從事的工作內容。

如果一項技能或工作具有明確範疇、高度重複性且有固定的SOP，那麼它比較容易被AI取代，面對這樣的技能，不必執著於花費「一萬小時的刻意練習」成為頂尖專家，因為AI可能做得比你更快更好。

難道什麼事都交給AI，我們就可以躺平了嗎？

恰恰相反，我們應該以「合作」的心態來篩選和分配工作，評估哪些事情分配給AI來做，哪些則需要人腦花費時間來判斷和做出決策。

有些人會想，做決策很簡單啊，把AI找出來的資料看一看，選一個不就好了？

你不要忘了，與 AI 的互動不是和真正的人類互相交談，而是與背後的數據打交道。

AI提供的數據資料要如何運用得當，在於我們的創意和洞察力。

具體該怎麼做呢？《跨能致勝》一書指出AI時代，有三個必需具備的重要心態：

一、成為一位T型人

所謂『T型人』，分為兩個階段：

第一階段，橫軸發展，大量行動進行各種嘗試、探索和實驗。

第二階段，縱軸深入，當你在各項領域獲取一定程度的經驗之後，找出自己最熱愛的事物，將資源和時間集中於該項領域，刻意練習深入研究，最後累積為豐碩的成果。

前述提到的奧運銅牌好手陳念琴，起初並非選擇拳擊作為主要的運動項目。小學時期，她就涉獵多種運動，包括角力、游泳、跳遠、田徑與羽球等項目，都表現得十分出色，直到某一天被教練相中，才專注投入到拳擊的訓練當中。她將多元運動中累積的技巧與經驗，充分運用於拳擊比賽，完美融合力量與靈活性，展現出獨特的拳擊競技美感。

☑橫軸發展要持續尋找

往橫軸發展，很容易讓人覺得這個人沒有定性、三心二意。

我的工作職涯經常轉換跑道，做事情往往三分鐘熱度，我也經常懷疑自己，是不是因為我「沒有恆心和毅力」，所以沒有什麼成就。 

但是作者的一句話點醒我：

繞路，是有助於找到自己的路。

熱情和堅持當然很重要，但花時間找到自己真正想做的事更重要，「為了堅持而堅持」的心態，反而是阻礙你真正獲得成功的絆腳石。

作者特別提醒，「大器晚成」的成功者比比皆是。

探索生命的過程中，每個人進步的速度不一樣，你應該比較的是今日和昨日的自己有什麼長進，而不是去比較那些與你截然不同的人。

學習時接觸越多元，越容易產生各種創意奇想，太多的規範，反而容易扼殺創新思維。

二、多元思維

專業的知識就像是一把雙面刃，面對問題你可以用知識完成某項任務，但是過度仰賴專業，也可能因此讓你蒙蔽雙眼，看不到有其他的解法。

心理學研究證明，一個人知道越多內部細節，做出的判斷越是極端。過度專業化的「慣性思維」，容易讓我們鑽牛角尖、陷入死胡同。

想要跳出框架，不妨試試看以下兩個方法：水平思考法和費米式思考法。

水平思考法是一種把自己當成「局外人」的心態，放棄舊有的作法，往「旁邊」去嘗試不同的認知、不同的切入點，從而激發出新點子的方法。

費米式思考法則是物理學家費米所提出。費米經常問自己，例如：紐約有多少個鋼琴調音師？這種概略式的推估問題。

這種強迫自己從有限資料推演出解答的方式，可以刺激自己不斷進行邏輯推演，最大的作用不在於你有多少知識，而在於「思考的方式」。

我以大英圖書館這個網路流傳已久的「搬書」故事來說明：

☑水平思考法

很久以前，大英圖書館計劃搬遷到新建的大樓，但是因為藏書量高達1500萬冊，搬遷費用估計高達350萬美元，但圖書館沒有這麼多經費，這讓館長非常苦惱。館長評估，無論是僱用廉價人力、動員員工家屬還是請志工服務，都不切實際。陷入「怎麼搬書」的傳統思維框架，想不出好辦法。

這時候，一位管理員提出：「我只要150萬美元，一個月內就能幫你搬完書。」館長同意之後，他在報紙上刊登消息，宣布大英圖書館即日起推出免費、無限量借閱服務，條件是市民需從舊館借出，還書時，則必需到新館還書。

這個聰明的「還書」方案，成功吸引大量的市民參與，果然藏書全部被借出，完美地完成任務。管理員不僅幫圖書館節省了一半以上的費用，扣除廣告費，還賺到100萬美元。這樣「借力使力」的解方，就是水平思考法的經典案例。

☑費米思考法

如果這個故事傳到費米的耳中，那麼就會被費米反駁了。費米式的思考法推論如下：

1.大英圖書館的經費來源主要由英國政府提供，且經營狀況良好，再加上社會捐贈，可支配的資金至少超過1億英鎊，根本不會因搬遷費用感到困擾。

2.這個方案實際上不可行。 

按照故事中的設定，假設每人借30本，那麼1500萬本書，10天內可以全部借出，但是這也意味著，每天需接待5萬人次。

若每日開館10小時，則平均每小時接待5000人，而大英圖書館員工僅1000人，換算下來，每位員工每小時處理5人，每位市民手上都是30本書，也就是150本書，需在1小時內借閱完成。當時並沒有電子借閱系統，以當時人工處理一本書需時15～20分鐘來看，這根本是天方夜譚。

3.大英圖書館長期以來堅守「不對外公共借閱」的規定。甚至連查爾斯王子在館內閱讀時，想要外借圖書都被工作人員拒絕。

從以上三點推論，這個故事的解法與大英圖書館的實際運作方式並不相符。總之，這是一則充滿創意的小故事，但實際上漏洞頗多，大家聽聽就好。

經過這兩種思維的腦筋急轉彎，是不是覺得很有趣，放下直線思考，用不同的觀點來看問題，才能發揮創意，找出真正的問題和解方。

三、避免專業偏見

人們總是趨向於看見自己想看見的，當我們認定了一個觀點，大腦會選擇性地去找對應的證據，證明我們是對的，而事實的真相，很容易被刻意的忽視。這種心態在心理學上稱為「確認偏誤」，這樣的心態，容易形成「專業的偏見」。

☑狐狸和刺蝟的故事

森林中，一隻狐狸千方百計想要吃掉刺蝟，用盡許多方法，總是不成功。而刺蝟每當面臨狐狸的威脅，只知道用一招，就是把身體捲曲起來保護自己。

狐狸象徵靈活多元的思維，擅長應對複雜的環境；刺蝟則代表直接單純的作法，以核心原則貫穿所有事物。

AI時代來臨，唯一不變的就是一直在變。我們要選擇當一隻刺蝟還是靈活多變的狐狸呢？

特斯拉執行長馬斯克曾說，自己從未讀過管理學書籍，也不依靠傳統理論帶領團隊。面對電池成本太高的問題，許多電池專家都束手無策。

馬斯克卻不走傳統專業電池的研發路線，而是跨界思考。他從筆記型電腦借來靈感，大膽使用消費性電子產品常見的18650鋰電池，把一萬顆鋰電池串起來供電。

憑藉這種多元思維、敢於突破的精神，特斯拉成功顛覆傳統汽車產業，成為電動車市場的龍頭。

☑鳥和青蛙的合作

作者認為，創新的組織必需同時擁有鳥類和青蛙，什麼意思呢？

鳥類可以遨翔天際，從上帝視角俯瞰整座森林，適合進行跨界整合；青蛙則專注眼前的細節、一次解決一項問題。兩者共同合作，有助於企業持續創新、永續經營。

l 結語

我們總結一下本書提出的三種心態。

在真正認識自己之前，不妨採用T型人思維。接觸多元興趣，大膽的嘗試，累積經驗值，看得越多越廣，才知道自己真正想要的是什麼。當你專精一項領域之後，當一個「內行的門外漢」，提醒自己要跳脫專業框架，從其他不相關的領域中激發新的想法，同時也將學到的專業知識，靈活運用到其他領域。

培養自己多元思維的習慣，善用水平思考法，用不同觀點換位思考，有助於打破框架解決問題；面對問題時，可以採用費米式思考法，用邏輯推演的方式，找出問題背後的問題。 避免專業偏見，有意識地提醒自己，不要陷入「專業固著」的陷阱，產生確認偏誤效應，要擁有更謙遜和開放的心胸，接納其他不同的觀點和看法。

想像一下，未來的AI應用，可能如同動畫寶可夢中的精靈球一樣，每個人都配備有一個，到那時，人類比拼的將是策略和創意，而非單項專業專精的技術。聚焦學習那些AI無法取代的能力，將是我們最大的價值，找出和AI協作的成功方程式，我們都正在路上。