分享YT影片及附上AI字幕及摘要內容: AIGC系列(2) 我們該以什麼心態來迎接AIGC時代？

重點摘要:

1. AI是一個本質上的改變,不是效率的改變。它把思維提升到另一個維度。

2. 我們要學習當AI的老闆,指揮AI員工,而不是把它當工具使用。

3. AI是一個降維打擊,它的維度跟人類不同。我們要嘗試放手讓AI發揮。

4. 溝通能力現在比技術專業更重要。我們要學會與AI溝通。

5. 問對問題比解決問題更重要。我們要學會定義問題。

6. 過程比結果更重要。要重視與AI互動的過程。

7. 要化被動為主動,不只被動接受AI結果,要主動去跟AI互動。

8. 創造力和想像力比工具更重要。要發揮人的獨特性。

9. 從垂直整合轉為水平整合。要跨領域整合,而不是只專注一技。

10. 從低成本轉為高附加價值。不再以省錢為目的,而要創造價值。

11. 學習是持續的過程,要時時適應AI。

12. 要重視AI的社會影響,建立道德規範。

13. 不同年齡要用不同策略適應AI。

14. 不要追逐每個新AI工具,挑選適合的並用好。

15. 要玩心態看待AI,找到有趣之處。

16. AI會持續快速發展,我們要為產業變化做好準備。

17. 要培養批判AI的能力,不盲目相信它的結果。

18. 充分利用AI節省時間,將時間投入學習與創新。

19. 教育要轉為問題導向,培養學生的溝通與判斷力。

20. 多與有共同目標的人交流學習AI。

21. AI雖強大但也有局限,我們要找到平衡點。

22. 要持續學習,與AI工具共同成長。

23. 要重視AI產出的正確性及潛在偏見。

24. AI會持續快速迭代,我們要持續跟上進度。

25. 充分利用現有AI工具,提高生活品質。

26. 學會指揮AI完成工作,與其良好溝通。

27. 保有人的專業判斷力,不完全依賴AI。

28. 重視資料的正確性及完整性,才能產出好的AI。

29. 隨著AI發展,許多工作將轉為監督性質。

30. AI是工具,最終還是要由人來運用。

總結:面對AI的發展,我們要改變思維模式,持續學習與進步,發揮人的獨特優勢,與AI形成互補的關係,共同提升生活品質。

===========================

字幕分享: (不一定完全正確)

[00:00.000 -> 00:01.740] 現在可能不是我們在訓練AI

[00:01.740 -> 00:03.740] 搞不好現在是AI正在改變我們

[00:03.740 -> 00:06.980] 好,那廢話不多說我們就開始

[00:06.980 -> 00:08.480] 首先第一個

[00:08.480 -> 00:10.480] 我覺得第一個思維上的重點是

[00:10.480 -> 00:12.820] 我覺得AI是一個本質上的改變

[00:12.820 -> 00:14.820] 然後它不是效率的改變

[00:14.820 -> 00:16.820] 那很多人會覺得說

[00:16.820 -> 00:19.720] AI工具可以改善我的工作效率

[00:19.720 -> 00:21.720] 對,它是可以改善我們的工作效率

[00:21.720 -> 00:24.220] 可是我們就把它當作工具來用了

[00:24.220 -> 00:26.880] 然後就把它圍繞在提升我們的效率

[00:26.880 -> 00:29.440] 那我是覺得AI其實是一個本質

[00:29.440 -> 00:30.440] 它不是效率

[00:31.440 -> 00:32.480] 舉個例子來說好了

[00:32.480 -> 00:33.920] 像我們過去的時候

[00:33.920 -> 00:35.720] 如果我們要算加減乘除

[00:35.720 -> 00:37.320] 我們可以用算盤

[00:37.600 -> 00:39.920] 然後我們又可以到Excel

[00:40.200 -> 00:42.600] 等於有電腦我們就可以Excel去算加減乘除

[00:42.600 -> 00:45.000] 我們可以拉A1 B1這些表格

[00:45.000 -> 00:47.300] 然後用Excel來實現我們的一個報表

[00:47.600 -> 00:49.000] 可是到了AI機器時代

[00:49.000 -> 00:50.300] 其實我們是把一個

[00:50.600 -> 00:53.200] 一個季的財報丟給AI

[00:53.500 -> 00:54.800] 然後可能就直接問他說

[00:55.700 -> 00:56.600] AI啊

[00:56.700 -> 00:59.900] 那個為什麼上一個季去年的第三季的那個

[01:00.200 -> 01:01.500] 趨勢怎麼下降了

[01:01.500 -> 01:02.700] 然後AI開始去算

[01:03.000 -> 01:04.600] 那其實這件事情

[01:04.800 -> 01:06.000] 我們在做一樣是在算AI開始去算那其實這件事情我們在做

[01:06.000 -> 01:08.400] 一樣是在算加減乘除這件事情

[01:08.400 -> 01:12.000] 我們已經從第一人稱改為第三人稱了

[01:12.000 -> 01:14.500] 其實這是一個本質上的變化

[01:14.500 -> 01:16.300] 它其實不是效率的改變

[01:16.300 -> 01:18.100] 那過往我們所有的科技

[01:18.100 -> 01:20.500] 其實都是圍繞在效率

[01:20.500 -> 01:21.900] 我是這樣認定

[01:21.900 -> 01:24.500] 像電腦被發明的時候

[01:24.500 -> 01:26.000] 電腦算得很快那事實上如果我願意花時間搞不好我算一千年我也可以把它算出來我們也會有一個更好的機器讓我們可以更快的去做更多的工作那在這個問題上

[01:26.000 -> 01:28.000] 我們也會有一個更好的機器

[01:28.000 -> 01:30.000] 讓我們可以更快的去做更多的工作

[01:30.000 -> 01:32.000] 那在這個問題上

[01:32.000 -> 01:34.000] 我們也會有一個更好的機器

[01:34.000 -> 01:36.000] 讓我們可以更快的去做更多的工作

[01:36.000 -> 01:38.000] 那在這個問題上

[01:38.000 -> 01:40.000] 我們也會有一個更好的機器

[01:40.000 -> 01:42.000] 讓我們可以更快的去做更多的工作

[01:42.000 -> 01:44.000] 那在這個問題上

[01:44.000 -> 01:46.000] 我們也會有一個更好的機器讓我們可以更快的去做跟他面對面互動所以網路也是提升我們的效率

[01:46.000 -> 01:49.000] 可是我覺得AI更多的是一個本質的改變

[01:49.000 -> 01:51.000] 不管是Excel還是Word

[01:51.000 -> 01:54.000] 其實當AI去做一個創作的時候

[01:54.000 -> 01:57.000] 它已經有點out of control

[01:57.000 -> 01:59.000] 因為有時候你不知道它會寫出什麼東西

[01:59.000 -> 02:01.000] 甚至它寫出來的東西是錯的

[02:01.000 -> 02:07.000] 所以我覺得在現在要使用AI工具的時候我們要改我們的心態

[02:07.000 -> 02:11.000] 那就是我們其實要學習當一個老闆

[02:11.000 -> 02:13.000] 去指揮AI員工

[02:13.000 -> 02:15.000] 對,它是一個AI,它其實不是人

[02:15.000 -> 02:17.000] 可是我們要能夠練習把自己當作老闆

[02:17.000 -> 02:19.000] 然後去指揮那個AI去做事

[02:19.000 -> 02:23.000] 這件事情跟以前的想法是不太一樣的

[02:23.000 -> 02:27.960] 因為很多人都是會把AI當作一個工具

[02:27.960 -> 02:30.320] 然後試圖去掌握那個工具

[02:30.320 -> 02:32.120] 可是怎麼講

[02:32.120 -> 02:35.120] 我覺得AI現在 AIGC這個時代

[02:35.120 -> 02:36.560] 那些AI工具

[02:36.560 -> 02:37.840] 我們應該是學會使用

[02:37.840 -> 02:40.200] 不是學會百分之百的掌握

[02:40.200 -> 02:41.400] 因為真的

[02:41.400 -> 02:44.360] 就像我們跟人相處的時候

[02:44.360 -> 02:47.360] 其實你不會你沒有辦法百分之300%去掌握一個人

[02:47.360 -> 02:48.520] 他到底在想什麼

[02:48.520 -> 02:50.080] 那是不可能的事情

[02:50.080 -> 02:52.320] 所以我們唯一能做的事情就是

[02:52.320 -> 02:54.920] 學會當一個老闆

[02:54.920 -> 02:56.720] 然後去指揮員工

[02:56.720 -> 02:59.680] 這個概念我覺得也可以反過來說

[02:59.680 -> 03:03.000] 就是我們要試圖去放手

[03:03.000 -> 03:03.480] 什麼意思?

[03:03.480 -> 03:06.000] 就是我們要試圖的放手啦什麼意思?就是我們要試圖去放開心胸

[03:06.000 -> 03:08.000] 就是

[03:08.000 -> 03:10.000] 以前我們都是會有一種掌握的感覺

[03:10.000 -> 03:12.000] 就是我要什麼都要會

[03:12.000 -> 03:14.000] 我靠我自己的努力

[03:14.000 -> 03:16.000] 然後我什麼都要會 什麼都要學

[03:16.000 -> 03:18.000] 然後我都會理解所有的一切

[03:18.000 -> 03:20.000] 然後我就可以做得很好

[03:20.000 -> 03:22.000] 這種概念我覺得要放下

[03:22.000 -> 03:24.000] 我們應該是要試圖的放手

[03:24.000 -> 03:26.500] 然後有些AI可以幫我們完成的

[03:26.500 -> 03:27.660] 就放給他做

[03:27.660 -> 03:31.260] 然後我們要嘗試跟這些AI員工共處

[03:31.260 -> 03:33.300] 所以我覺得最重要的第一個心法

[03:33.300 -> 03:35.800] 就是我們要學習當一個老闆

[03:35.800 -> 03:38.660] 這個概念一定要先建立起來

[03:38.660 -> 03:41.960] 那我們來看一個幕後發酵

[03:41.960 -> 03:43.800] 假設我現在要做一場演講

[03:43.800 -> 03:46.000] 那這個演講的內容就是

[03:46.000 -> 03:48.000] 就是今天這場演講的內容

[03:48.000 -> 03:50.000] 其實說穿了就是今天這場演講

[03:50.000 -> 03:52.000] 那我想要寫個簡介

[03:52.000 -> 03:54.000] 所以我就先大概寫了一小段

[03:54.000 -> 03:56.000] 我寫了一個什麼深層的AI來襲

[03:56.000 -> 03:58.000] 全面影響改變我們的生活

[03:58.000 -> 04:00.000] 然後我們的世衛要怎麼做調整呢

[04:00.000 -> 04:02.000] 分享一個面向AIGC的心路歷程

[04:02.000 -> 04:04.000] 我寫好以後我就丟給AI員工

[04:04.000 -> 04:06.000] 他現在是我的員工 我是老闆我跟一個AI的工程我們現在是在做一個AI的工程我們現在是在做一個AI的工程

[04:06.000 -> 04:08.000] 我們現在是在做一個AI的工程

[04:24.000 -> 04:26.000] 我們現在是在做一個AI的工程我們現在是在做一個AI的工程改善我們的工作效率但是我想強調的是下一步因為通常做到這一步的時候

[04:26.000 -> 04:28.000] 我們就會拿這一篇文章

[04:28.000 -> 04:30.000] 然後給我們自己,然後再去修改

[04:30.000 -> 04:33.000] 可是在企業裡面,你很少看到有哪個老闆去

[04:33.000 -> 04:35.000] 每天改員工所寫的東西

[04:35.000 -> 04:37.000] 我們要做的事情是把這個

[04:37.000 -> 04:39.000] 內容再丟回去給這個AI員工

[04:39.000 -> 04:41.000] 譬如像,我可能會先誇獎他

[04:41.000 -> 04:43.000] 欸你寫得不錯,這是一個

[04:43.000 -> 04:46.560] 算是一個正向的回饋,告訴他其實他寫的是讓我滿意的

[04:46.560 -> 04:48.960] 很像我很像那個冠老闆

[04:48.960 -> 04:50.100] 對 你寫得我滿意

[04:50.100 -> 04:51.660] 但是我不喜歡你寫我們

[04:51.660 -> 04:53.560] 我不喜歡你用第一人稱這樣去

[04:53.560 -> 04:54.900] 陳述這件事情

[04:54.900 -> 04:56.200] 然後我也不喜歡

[04:56.200 -> 04:57.800] 你一直用重複的用語

[04:57.800 -> 05:00.040] 好 這是完全是老闆的架勢

[05:00.040 -> 05:01.800] 那這個AI員工聽完以後

[05:01.800 -> 05:03.500] 他就知道我理解你的需求

[05:03.500 -> 05:04.540] 那我再來改寫

[05:04.540 -> 05:06.800] 並且避免重複使用我們

[05:06.800 -> 05:09.120] 然後就這樣在這個過程裡面

[05:09.120 -> 05:11.700] 其實我的心態就是一個老闆的心態

[05:11.700 -> 05:13.300] 那他就是一個AI員工

[05:13.300 -> 05:15.200] 然後這個內容

[05:15.200 -> 05:17.660] 就是今天這場演講的簡介

[05:17.660 -> 05:19.120] 一模一樣一字未改

[05:19.120 -> 05:20.160] 就完全一樣

[05:20.160 -> 05:22.920] 我的簡介就是直接貼這一份

[05:22.920 -> 05:24.460] 那事實上這個AI員工

[05:24.460 -> 05:25.200] 我也常跟他

[05:25.200 -> 05:26.500] 這個Session我沒有關掉

[05:26.500 -> 05:29.400] 我經常就是跟他聊這些思維的東西

[05:29.400 -> 05:32.500] 所以他慢慢的也可以catch到我想要表達的含義

[05:32.500 -> 05:34.500] 那他有的時候也會給一些建議

[05:34.500 -> 05:36.000] 我覺得他有的建議也蠻好的

[05:36.000 -> 05:39.500] 所以這就是我想要分享的一個第一個心法

[05:39.500 -> 05:41.000] 就是我們要學習當老闆

[05:41.000 -> 05:42.500] 然後他寫出來的

[05:42.500 -> 05:44.300] 我們要練習叫他改

[05:44.300 -> 05:45.900] 不是自己改

[05:45.900 -> 05:47.600] 這個是第一個心法

[05:47.600 -> 05:49.100] 好

[05:49.100 -> 05:51.200] 再來的話是第二點

[05:51.200 -> 05:52.700] 第二點是我覺得AI工具

[05:52.700 -> 05:54.600] 它是一個降維打擊

[05:54.600 -> 05:55.900] 就是它的維度

[05:55.900 -> 05:58.200] 跟我們現在人類所處的維度

[05:58.200 -> 06:01.100] 其實是不太一樣的

[06:01.100 -> 06:02.200] 換句話說好了

[06:02.200 -> 06:06.460] 就是就像AlphaGo下棋的時候

[06:06.460 -> 06:08.700] 它的第二局的第37步

[06:08.700 -> 06:10.900] 電腦可以走出一步

[06:10.900 -> 06:14.540] 粉碎圍棋界3000年歷史的一步好棋

[06:14.540 -> 06:16.660] 那我們人類是想不到

[06:16.660 -> 06:19.760] 然後我們現在想要嘗試用這個AI工具的時候

[06:19.760 -> 06:20.940] 往往就會變成這樣子

[06:20.940 -> 06:23.600] 就是我們是人類

[06:23.600 -> 06:26.120] 所以我們還在一個人類的思考邏輯

[06:26.120 -> 06:30.600] 然後去想說用AI來協助改善

[06:30.600 -> 06:33.000] 人類遇到的問題

[06:33.000 -> 06:34.240] 因為我們是人類

[06:34.240 -> 06:36.960] 可是AI這件事情其實已經把

[06:36.960 -> 06:40.120] 整個思維提升到AI世界的思維

[06:40.120 -> 06:41.200] 但是我們不是AI

[06:41.200 -> 06:42.920] 所以我們想像不到說

[06:42.920 -> 06:47.880] 怎麼樣用AI來去解決

[06:47.880 -> 06:51.000] AI所引發出來的問題

[06:51.000 -> 06:53.040] 好,那我們換個比喻

[06:53.040 -> 06:56.000] 就是說想像我們現在可能還在地表

[06:56.000 -> 06:58.480] 可能古時候3000年前我們還在地表

[06:58.480 -> 07:00.840] 然後我們在地上

[07:00.840 -> 07:02.280] 然後可能會蓋城牆

[07:02.280 -> 07:03.600] 然後防禦外來的

[07:03.600 -> 07:06.320] 像是中國大陸可能是我們中國歷史

[07:06.320 -> 07:09.600] 可能會防範一些外族的入侵

[07:09.600 -> 07:12.600] 對可是這個思維是建立在

[07:12.600 -> 07:14.000] 我們大家都在地上跑

[07:14.000 -> 07:16.080] 那個時代的人絕對想像不到

[07:16.080 -> 07:17.280] 有人可以飛在空中

[07:17.280 -> 07:18.240] 當然我們現在這個時代

[07:18.240 -> 07:19.480] 大家可以坐飛機

[07:19.480 -> 07:21.760] 然後可以有轟炸機從空中丟飛彈

[07:21.760 -> 07:22.960] 可是那個時代不行

[07:22.960 -> 07:46.000] 那個時代的思維就停留在地面所以他們就不會有所謂的制空權這個概念好但是現在會有我們現在的世界是一個非常

非常我們會用人類的思維去想AI的可能性但事實上我們放手讓AI去做的時候

[07:46.000 -> 07:48.000] 往往它可能會發現一些策略

[07:48.000 -> 07:51.000] 然後也許我們認為那個是不對的

[07:51.000 -> 07:54.000] 但是AI的想法可能認為那是對的

[07:54.000 -> 07:56.000] 但有時候我們不能接受

[07:56.000 -> 07:58.000] 好,那舉個例子

[07:58.000 -> 07:59.000] 例如像這隻貓

[07:59.000 -> 08:01.000] 右邊這邊有一個貓圖

[08:01.000 -> 08:03.000] 那這個貓圖它被這個盤子擋到了

[08:03.000 -> 08:05.880] 它被這個盤子擋到了

[08:05.880 -> 08:07.520] 他被這個盤子擋掉了

[08:07.520 -> 08:09.860] 然後如果我們問那些演算法的專家

[08:09.860 -> 08:12.780] 我們想要把這隻貓的下巴給還原

[08:12.780 -> 08:14.780] 我們想要做這件事情的話

[08:14.780 -> 08:17.280] 那我們應該怎麼做

[08:17.280 -> 08:20.780] 然後影像處理的專家可能

[08:20.780 -> 08:21.780] 傳統的技術啦

[08:21.780 -> 08:22.780] 可能會用一些像素啊

[08:22.780 -> 08:24.780] 或是一些甚至厲害一點

[08:24.780 -> 08:26.000] 他可能會用什麼深層對抗網路去去想要嘗試把這個貓給還原回來我們可以看到這個AI它是一個非常

[08:44.000 -> 08:46.000] 非常非常非常非常非常非常不管是影像還是文字的然後去做一個link那他有這些知識以後

[08:46.000 -> 08:48.000] 他才能夠間接的

[08:48.000 -> 08:50.000] 然後想像

[08:50.000 -> 08:52.000] 像一個人類一樣想像

[08:52.000 -> 08:54.000] 這個盤子擋住的內容到底是什麼

[08:54.000 -> 08:56.000] 這是他想像出來的

[08:56.000 -> 08:58.000] 但是在他想像這個之前

[08:58.000 -> 09:00.000] 他已經讀過這個世界上所有的

[09:00.000 -> 09:02.000] 很多很多很多的資料

[09:02.000 -> 09:04.000] 到這邊我想大家應該都知道AI是這樣訓練出來的

[09:04.000 -> 09:06.600] 可是我們換一個問題

[09:06.600 -> 09:09.740] 例如像今天如果我們有一張X光影像

[09:09.740 -> 09:11.280] 這是一張X光影像

[09:11.280 -> 09:13.640] 然後我們要從這張X光影像

[09:13.640 -> 09:16.280] 還原3D的CT影像

[09:16.280 -> 09:19.040] 那到寫出這一段的時候

[09:19.040 -> 09:21.840] 基本上我拿這個paper給我朋友看的時候

[09:21.840 -> 09:24.740] 其實很多放射學家 很多物理學家

[09:24.740 -> 09:26.000] 他們打死不相信

[09:26.000 -> 09:28.880] 因為這個物理學上根本就不可能

[09:28.880 -> 09:29.880] 不合理

[09:30.720 -> 09:32.120] 這個是確定的

[09:32.120 -> 09:33.960] 因為物理學上不可能用一照一直光

[09:33.960 -> 09:36.440] 你就可以把一個3D的CT還原回來

[09:36.440 -> 09:37.640] 這絕對不可能

[09:37.640 -> 09:40.240] 可是他們有這樣的一個見解

[09:40.240 -> 09:41.640] 是因為他們在這個方面的知識

[09:41.640 -> 09:43.240] 真的是專家也是權威

[09:43.240 -> 09:45.640] 但是這個就會落入一個潮舊

[09:45.640 -> 09:47.500] 那就是我們用人類去想這件事情

[09:47.500 -> 09:50.300] 人類的思維

[09:50.300 -> 09:53.440] 因為物理也是從數據

[09:53.440 -> 09:55.140] 然後經過很多多代人的努力

[09:55.140 -> 09:56.440] 然後歸納出來的

[09:56.440 -> 09:58.540] 但是今天的AI可不可能做到

[09:58.540 -> 09:59.540] 有可能

[09:59.540 -> 10:01.400] 原因是因為AI在做這個之前

[10:01.400 -> 10:02.640] 它可能讀了這個世界上

[10:02.640 -> 10:04.000] 所有的CT影像

[10:04.000 -> 10:07.000] 它甚至讀了很多很多的醫學知識遠超人類的想像我們可以看到這個人的心臟的結構是一個非常非常非常非常非常非常大的結構

[10:07.000 -> 10:10.000] 然後我們可以看到這個人的心臟的結構

[10:10.000 -> 10:13.000] 是一個非常非常非常非常大的結構

[10:13.000 -> 10:16.000] 然後我們可以看到這個人的心臟的結構

[10:16.000 -> 10:19.000] 是一個非常非常非常大的結構

[10:19.000 -> 10:22.000] 然後我們可以看到這個人的心臟的結構

[10:22.000 -> 10:25.500] 是一個非常非常非常大的結構然後我們可以看到這個人的心臟的結構回過頭來想要嘗試從一張X光變出一個3D CT的時候

[10:29.000 -> 10:32.000] 他就有機會做出一個可能還OK的CT當然這個都是有些paper有這方面的研究啦

[10:32.000 -> 10:34.000] 所以做出來以後

[10:34.000 -> 10:37.000] 就很難以想像啦

[10:37.000 -> 10:42.000] 特別尤其是像物理學家或放射學家對於這件事情其實是非常感冒的

[10:42.000 -> 10:44.000] 我講實在話這件事情其實很感冒

[10:44.000 -> 10:46.160] 而且他們會第二個反應就是

[10:46.160 -> 10:47.800] 這個做出來有什麼用

[10:47.800 -> 10:49.060] 這做出來是假的

[10:49.060 -> 10:51.240] 這做出來沒有用

[10:51.240 -> 10:53.340] 這個做出來好像是假的沒錯

[10:53.340 -> 10:54.760] 可是有這樣的技術

[10:54.760 -> 10:56.760] 我們就可能用比較少張的X光

[10:56.760 -> 10:58.640] 例如像我們可能用個兩張

[10:58.640 -> 10:59.960] 然後就可以重建出一個

[10:59.960 -> 11:01.160] 3D的CT的影像

[11:01.160 -> 11:03.140] 一個電腦斷層掃描的影像

[11:03.140 -> 11:05.600] 但是這個思維其實就是一種

[11:05.600 -> 11:08.840] 人類思維跟AI思維之間的一個碰撞

[11:08.840 -> 11:11.880] 所以我覺得AI是一個降維打擊

[11:11.880 -> 11:13.540] 然後重點就是

[11:13.540 -> 11:15.980] 我們的思維總是會固定在

[11:15.980 -> 11:18.440] 解決眼前所見的問題

[11:18.440 -> 11:20.340] 對,那大家都很喜歡探討

[11:20.340 -> 11:21.240] 我們要蒐集數據

[11:21.240 -> 11:22.400] 我們要撰寫程式

[11:22.400 -> 11:24.000] 我們要理解AI

[11:24.000 -> 11:26.000] 但是我想表達的是

[11:26.000 -> 11:28.000] AI已經把問題移到另一個維度了

[11:28.000 -> 11:30.000] 移到另一個維度

[11:30.000 -> 11:32.000] 這件事情

[11:32.000 -> 11:34.000] 如果比較有在看這一兩個月

[11:34.000 -> 11:36.000] 軟體界的發展的話

[11:36.000 -> 11:38.000] 應該對這個AI Aging不陌生

[11:38.000 -> 11:40.000] 那可能

[11:40.000 -> 11:42.000] 有些人可能對這個比較陌生一點

[11:42.000 -> 11:44.000] 我換個比喻

[11:44.000 -> 11:46.500] 就是以前我們可能有所謂的藍莓

[11:46.500 -> 11:48.500] 然後有藍莓我們可以發電

[11:48.500 -> 11:50.000] 然後有了電以後

[11:50.000 -> 11:52.000] 在五、六十年前

[11:52.000 -> 11:54.000] 我們可以來發明冷氣

[11:54.000 -> 11:56.000] 發明空調、發明冰箱、發明電視

[11:56.000 -> 11:58.000] 這個是過往的一個歷史

[11:58.000 -> 12:01.000] 那現在的AI其實已經發展成這樣了

[12:01.000 -> 12:03.000] 就是數據它是一種能源

[12:03.000 -> 12:05.920] 它是一個energy

[12:07.760 -> 12:10.360] 它是一個要提存的energy然後通常只有大公司

[12:10.360 -> 12:12.040] 才有辦法收集足夠多的數據

[12:12.040 -> 12:13.640] 然後去蓋所謂的發電廠

[12:13.960 -> 12:15.880] 那這個AI就是所謂的發電廠

[12:15.880 -> 12:17.440] 也就是所謂的foundation model

[12:18.720 -> 12:20.600] 然後有這樣的一個foundation model之後

[12:20.600 -> 12:22.200] 它就可以提供所謂的電

[12:22.520 -> 12:24.120] 類似這個電的概念

[12:24.320 -> 12:26.000] 那我們可以去OpenAI的網站上註冊

[12:26.000 -> 12:29.000] 然後有註冊那個key

[12:29.000 -> 12:31.000] 然後每次去呼叫GPT-4這個模型

[12:31.000 -> 12:34.000] 可能就是什麼1000個這個Token

[12:34.000 -> 12:36.000] 然後0.004美金之類的

[12:36.000 -> 12:37.000] 那我們就可以發展我們的應用

[12:37.000 -> 12:39.000] 這個就是一個AI代理人

[12:39.000 -> 12:41.000] 也就是一個AI的應用程式

[12:41.000 -> 12:44.000] 它就算是一個比較下游的程式的概念

[12:44.000 -> 12:48.000] 然後現在的發展其實是走這個路徑

[12:48.000 -> 12:52.000] 那AI Agents將會是接下來下個世代的一個軟體

[12:52.000 -> 12:54.000] 不能講下一個世代 應該是現在

[12:54.000 -> 12:56.000] 一個軟體全新的一個革新

[12:56.000 -> 13:02.000] 那像昨天Trader GPT-Lite 出Interpreter

[13:02.000 -> 13:04.000] 然後大家可以有註冊可以玩看看

[13:04.000 -> 13:06.880] 有付費也可以玩看看其實那就是一個非常在做的這個AI其實是一個非常非常非常非常非常

[13:06.880 -> 13:09.880] 非常非常非常非常非常非常非常

[13:09.880 -> 13:12.380] 非常非常非常非常非常非常

[13:12.380 -> 13:14.880] 非常非常非常非常非常非常

[13:14.880 -> 13:16.880] 非常非常非常非常非常

[13:16.880 -> 13:18.880] 非常非常非常非常

[13:18.880 -> 13:20.880] 非常非常非常非常

[13:20.880 -> 13:22.880] 非常非常非常

[13:22.880 -> 13:24.880] 非常非常非常

[13:24.880 -> 13:29.000] 非常非常非常非常非常非常甚至可以幫我們做很多很多的東西然後他也可以去來協助我們去完成所謂的AI工具的開發

[13:29.000 -> 13:31.000] 或者是甚至可以往前

[13:31.000 -> 13:33.000] 他可以去分析數據

[13:33.000 -> 13:35.000] 他也可以去分析

[13:35.000 -> 13:37.000] 譬如說他也可以去來建立AI模型

[13:37.000 -> 13:39.000] 我們可以用AI工具來嘗試去建立AI模型

[13:39.000 -> 13:42.000] 跟去做一些資料的分析跟探勘

[13:42.000 -> 13:44.000] 其實回到傳統100年前

[13:44.000 -> 13:46.300] 我們如果有電以後

[13:46.300 -> 13:47.700] 我們就可以發明一些電鑽

[13:47.700 -> 13:49.100] 或是其他的一些工具

[13:49.100 -> 13:52.100] 然後回過頭來提升我們使用燃煤

[13:52.100 -> 13:53.500] 或者使用石油的效率

[13:53.500 -> 13:57.300] 那這個概念其實我想表達的是

[13:57.300 -> 13:59.900] 現在這樣一個AIG時代

[13:59.900 -> 14:03.900] 其實已經把軟體推到另外一個次元維度了

[14:03.900 -> 14:05.840] 然後這個維度其實不是在

[14:05.840 -> 14:08.440] 苦命的收集數據

[14:08.440 -> 14:09.860] 然後鑽砌程式這件事情

[14:09.860 -> 14:12.740] 因為我相信大家應該不太可能每個人都可以

[14:12.740 -> 14:14.520] 在自己家去蓋一個發電廠

[14:14.520 -> 14:16.120] 我們現在問題會變成在於

[14:16.120 -> 14:17.640] 這個電到我們家以後

[14:17.640 -> 14:19.400] 我們要怎麼去做一個使用

[14:19.400 -> 14:20.400] 這個是一個

[14:20.400 -> 14:22.800] 算是一個新的思維啦

[14:22.800 -> 14:23.800] 好

[14:23.800 -> 14:27.000] 那一樣幕後花絮

[14:27.000 -> 14:30.000] 剛剛的貓圖 其實我是用Stable Diffusion畫的

[14:30.000 -> 14:33.000] 這個是一個AI繪圖的工具 我想大家應該不陌生

[14:33.000 -> 14:36.000] 除了Stable Diffusion 還有一些像MidGerry

[14:36.000 -> 14:40.000] 或是Adobe Firefly 其實還有達力

[14:40.000 -> 14:44.000] 都可以來做很好的繪圖 給大家做參考

[14:44.000 -> 14:46.000] 那再來的話 我們的AIGG時代我們也會在這個工程上做一些比較簡單的比較簡單的

[14:46.000 -> 14:48.000] 比較簡單的

[14:48.000 -> 14:50.000] 比較簡單的

[14:50.000 -> 14:52.000] 比較簡單的

[14:52.000 -> 14:54.000] 比較簡單的

[14:54.000 -> 14:56.000] 比較簡單的

[14:56.000 -> 14:58.000] 比較簡單的

[14:58.000 -> 15:00.000] 比較簡單的

[15:00.000 -> 15:02.000] 比較簡單的

[15:02.000 -> 15:04.000] 比較簡單的

[15:04.000 -> 15:06.320] 比較簡單的比較簡單的學習如何學習很重要啦但是我想講的是以前的資訊爆炸這個時代是

[15:06.320 -> 15:08.840] 我們是在做的是吸收

[15:08.840 -> 15:10.320] 然後AI工具爆炸

[15:10.320 -> 15:13.040] 其實我們一直去吸收一定跟不上的

[15:13.040 -> 15:15.440] 因為AI工具太多太多了

[15:15.440 -> 15:17.400] 我們要做的是突出

[15:17.400 -> 15:18.680] 突出來的能力

[15:18.680 -> 15:21.160] 要建這個能力

[15:21.160 -> 15:21.920] 大家有沒有發現

[15:21.920 -> 15:23.400] 我們在跟確實的GP溝通的時候

[15:23.400 -> 15:24.480] 是我們要指揮它

[15:24.480 -> 15:28.000] 我們要下prompt所以我們在使用AI工具的本質不是在吸收消化

[15:28.000 -> 15:33.000] 我們的本質是我們要能夠有效率的突出我們的問題

[15:33.000 -> 15:37.000] 那傳統過去的網路時代大爆炸

[15:37.000 -> 15:39.000] 其實人類都是在快速消化

[15:39.000 -> 15:42.000] 然後把我們的資料傳送到我們大腦

[15:42.000 -> 15:44.000] 然後整理吸收

[15:44.000 -> 15:45.900] 可是我們現在是相反的

[15:45.900 -> 15:47.200] 剛剛我提到這過程是相反

[15:47.200 -> 15:50.000] 我們現在是要把問題跟提示都丟給AI

[15:50.000 -> 15:55.300] 所以其實像現在如果大家盲目地去看AI的工具

[15:55.300 -> 15:57.600] 你只會看到它大爆炸

[15:57.600 -> 16:00.100] 例如像我曾經前幾天去查

[16:00.100 -> 16:02.700] 有沒有什麼做論文研究

[16:02.700 -> 16:05.300] 或者是幫我們協助讀paper的工具

[16:05.300 -> 16:07.300] 不查還好 一查一大堆

[16:07.300 -> 16:09.300] 這一大堆

[16:09.300 -> 16:11.300] 那事實上我也沒有全部都試過啦

[16:11.300 -> 16:13.300] 對 太多了

[16:13.300 -> 16:16.100] 這麼多的工具不可能有人全部都用過吧

[16:16.100 -> 16:17.100] 不太可能

[16:17.100 -> 16:19.600] 然後我們如果去學習如何快速學習

[16:19.600 -> 16:22.800] 好像是對 但是還是跟不上

[16:22.800 -> 16:24.300] 因為我們沒辦法消化

[16:24.300 -> 16:25.680] 我後來慢慢的感覺

[16:25.680 -> 16:27.680] 其實也不是要去消化這些資訊

[16:27.680 -> 16:29.920] 我們現在是要想辦法去吐出來

[16:29.920 -> 16:32.400] 也就是內化再轉成溝通的能力

[16:32.400 -> 16:34.880] 然後這個溝通其實是跟AI溝通

[16:34.880 -> 16:35.880] 不是跟人類

[16:35.880 -> 16:37.280] 那我自己的心得是

[16:37.280 -> 16:38.840] 與其學那麼多工具

[16:38.840 -> 16:41.440] 不如挑幾個自己比較有興趣

[16:41.440 -> 16:43.240] 或者跟工作有關的工具

[16:43.240 -> 16:46.000] 然後專心的把那個工具用好然後大概那個工具你玩一些比較簡單的設計然後讓你自己的工具

[16:46.000 -> 16:48.000] 可以做到一個比較簡單的設計

[16:48.000 -> 16:50.000] 然後讓你自己的工具

[16:50.000 -> 16:52.000] 可以做到一個比較簡單的設計

[16:52.000 -> 16:54.000] 然後讓你自己的工具

[16:54.000 -> 16:56.000] 可以做到一個比較簡單的設計

[16:56.000 -> 16:58.000] 然後讓你自己的工具

[16:58.000 -> 17:00.000] 可以做到一個比較簡單的設計

[17:00.000 -> 17:02.000] 然後讓你自己的工具

[17:02.000 -> 17:04.000] 可以做到一個比較簡單的設計

[17:04.000 -> 17:06.000] 然後讓你自己的工具可以互動然後練習而得

[17:06.000 -> 17:08.000] 然後一直看別人

[17:08.000 -> 17:10.000] 上網一直看別人使用AI工具的心得

[17:10.000 -> 17:12.000] 我講實話啦

[17:12.000 -> 17:14.000] 那個只是幫忙就是

[17:14.000 -> 17:16.000] 算是熟悉一開始熟悉這個AI工具怎麼用

[17:16.000 -> 17:18.000] 可是後面你要能夠掌握這個AI工具

[17:18.000 -> 17:20.000] 其實都是靠自己

[17:20.000 -> 17:22.000] 去被動的看別人的整理

[17:22.000 -> 17:24.000] 我覺得效果是有限的

[17:24.000 -> 17:25.000] 好那也是一樣,這也是幕後花絮去被動的看別人的整理我覺得效果是有限的

[17:25.000 -> 17:27.000] 好,那也是一樣

[17:27.000 -> 17:29.000] 這也是幕後花絮

[17:29.000 -> 17:31.000] 這個簡報所有東西我都做了幕後花絮

[17:31.000 -> 17:33.000] 那剛剛的一大堆工具其實我沒用過

[17:33.000 -> 17:35.000] 然後我是從工具網站找的

[17:35.000 -> 17:37.000] 大家可以去這個

[17:37.000 -> 17:38.000] 去找這些工具

[17:38.000 -> 17:40.000] 你可以看到這邊現在已經有四千多個AI工具

[17:40.000 -> 17:42.000] 非常的可怕

[17:42.000 -> 17:45.840] 每天的工具都在高速的變多

[17:47.760 -> 17:49.880] 但這個網站整理還蠻好的其實可以去找來玩看看

[17:51.080 -> 17:52.640] 好,那再來的話

[17:52.640 -> 17:55.120] 第四個新法,我認為很重要的概念是

[17:56.480 -> 17:58.120] 溝通比專業重要

[17:58.480 -> 18:02.080] 這個其實也是大家會比較放不下的

[18:02.080 -> 18:04.880] 因為我們以前過往學習的就是專業

[18:06.400 -> 18:08.200] 但是我們現在要學習溝通那這裡的溝通也有點像是

[18:08.200 -> 18:10.200] 怎麼樣去跟AI互動的溝通

[18:11.500 -> 18:12.800] 那我們來看一下

[18:12.800 -> 18:16.200] 就是傳統意義上我們的工程師的價值

[18:16.200 -> 18:17.600] 就拿工程師來做舉例

[18:17.600 -> 18:18.800] 因為我自己是工程師

[18:18.800 -> 18:19.800] 會寫程式嘛

[18:19.800 -> 18:21.900] 所以我的專業技術就是寫程式

[18:21.900 -> 18:24.900] 好,建立這個AI的模型

[18:24.900 -> 18:25.000] 然後做一些數據的分析所以我的專業技術就是寫程式好,建立這個AI的模型

[18:25.000 -> 18:27.000] 然後做一些數據的分析

[18:27.000 -> 18:31.000] 可是這些專業正在逐漸被AI工具所取代

[18:31.000 -> 18:33.000] 大家可能有聽過那種什麼

[18:33.000 -> 18:34.000] AI會寫程式啊

[18:34.000 -> 18:36.000] 或者是AI可以分析之類的

[18:36.000 -> 18:38.000] 這些AI工具其實越來越好用了

[18:38.000 -> 18:40.000] 例如像他們可以做一些資料分析

[18:40.000 -> 18:42.000] 然後也可以來建模型

[18:42.000 -> 18:45.000] 那如果今天我的價值還是這些專業技術

[18:45.000 -> 18:49.000] 我覺得未來大概十年之後我應該就完蛋了

[18:49.000 -> 18:51.000] 因為AI這個東西

[18:51.000 -> 18:53.000] 你只要給它足夠多的數據

[18:53.000 -> 18:55.000] 它會越學越好

[18:55.000 -> 18:57.000] 我們很難去走得比它還要快

[18:57.000 -> 18:59.000] 在專業技術上面你很難再超過它

[18:59.000 -> 19:03.000] 那這個時候其實到底什麼東西會比較重要

[19:03.000 -> 19:07.500] 其實溝通這個溝通是非常非常重要的

[19:07.500 -> 19:11.000] 像我 我可能就開始試著去跟AI工具溝通

[19:11.000 -> 19:12.500] 然後指揮他們寫程式

[19:13.500 -> 19:15.500] 然後理解他的反饋

[19:15.500 -> 19:18.500] 再依據他的回應來調整他們的策略

[19:18.500 -> 19:22.000] 這個是一種算是一個新型態的寫程式的工作模式

[19:22.000 -> 19:24.500] 它不再是我一行一行去寫

[19:24.500 -> 19:26.740] 然後遇到不會的指令查Google

[19:26.740 -> 19:27.700] 然後去想演算法

[19:27.700 -> 19:30.900] 而是我要怎麼樣去

[19:30.900 -> 19:32.160] 寫那些註解

[19:32.160 -> 19:34.540] 然後把我的需求釐清

[19:34.540 -> 19:37.340] 然後告訴AI我要做什麼

[19:37.340 -> 19:40.000] 所以溝通這件事情變得非常重要

[19:40.000 -> 19:46.000] 因為以前我們的工程師

[19:46.000 -> 19:48.000] 每天拼命的寫程式

[19:48.000 -> 19:50.000] 了不起寫個幾千行就很厲害

[19:50.000 -> 19:52.000] 幾乎是不太可能啦 很厲害很厲害

[19:52.000 -> 19:54.000] 那工程師也不太需要跟客戶溝通

[19:54.000 -> 19:56.000] 他們只要每天專注在

[19:56.000 -> 19:57.000] 他自己的事情上面就好

[19:57.000 -> 19:59.000] 可是如果今天我們有了這些AI工具

[19:59.000 -> 20:01.000] 然後寫程式的速度變成原來的10倍

[20:01.000 -> 20:03.000] 甚至是100倍的時候

[20:03.000 -> 20:06.320] 那我們也許一個禮拜的任務

[20:06.320 -> 20:08.000] 只要一個小時就做完了

[20:08.000 -> 20:10.720] 那剩下的7個小時可能就是要去

[20:10.720 -> 20:12.360] 套取其他的任務

[20:12.360 -> 20:15.000] 所以我們就要快速的去理解其他的需求

[20:15.000 -> 20:17.880] 那整個溝通的佔比會大幅的增加

[20:17.880 -> 20:21.640] 好 那下面這個是一隻

[20:21.640 -> 20:23.960] 用ASICICO畫出來的貓

[20:23.960 -> 20:27.600] 然後我有用Copilot這個工具

[20:27.600 -> 20:29.600] 本來是想要放程式的Demo

[20:29.600 -> 20:32.300] 但後來想想大家可能不見得會喜歡看程式

[20:32.300 -> 20:33.300] 我就改放這個了

[20:33.300 -> 20:35.500] 那左邊呢我就開始在寫註解

[20:35.500 -> 20:38.900] 我說Use Artsikiko Art to print a dog

[20:38.900 -> 20:40.400] 用Artsikiko幫我畫一隻狗

[20:40.400 -> 20:41.500] 然後我寫完這行註解

[20:41.500 -> 20:42.400] 其實我寫到一半

[20:42.400 -> 20:43.600] 他大概就知道我要做什麼了

[20:43.600 -> 20:44.900] 然後右邊這個是AI

[20:44.900 -> 20:45.000] 然後AI就很認真地給一些建議他就開始給一些然後我寫完這行註解其實我寫到一半他大概就知道我要做什麼然後右邊這個是AI

[20:45.000 -> 20:47.000] 然後AI就很認真地給一些建議

[20:47.000 -> 20:48.500] 他就開始給一些

[20:48.500 -> 20:49.500] 你可以畫這樣的狗

[20:49.500 -> 20:51.500] 或畫這樣的貓的建議

[20:51.500 -> 20:53.500] 那我就直接說好

[20:53.500 -> 20:55.500] 我就說那我要這隻狗

[20:55.500 -> 20:58.000] 然後我就把他貼過來了

[20:58.000 -> 20:59.000] 結果我寫的不是程式

[20:59.000 -> 21:00.500] 我寫的是註解

[21:00.500 -> 21:02.500] 這份程式其實我是在寫註解

[21:02.500 -> 21:03.500] 我不是在寫程式

[21:03.500 -> 21:05.000] 然後唯一做的事情就是

[21:05.000 -> 21:06.000] 寫出我的註解以後

[21:06.000 -> 21:07.500] 去按Ctrl Enter

[21:07.500 -> 21:10.500] 然後右邊的AI可能建議了十種方案

[21:10.500 -> 21:12.000] 然後我從中選了一個我喜歡的圖

[21:12.000 -> 21:13.000] 把它貼過來

[21:13.000 -> 21:14.500] 然後我可能不滿意的時候

[21:14.500 -> 21:16.000] 可能又把它反白然後複製

[21:16.000 -> 21:17.000] 然後再貼到右邊

[21:17.000 -> 21:18.500] 然後問他說這個怎麼樣

[21:18.500 -> 21:21.000] 所以這完全是一種新型態的工作

[21:21.000 -> 21:22.500] 然後這個註解啊

[21:22.500 -> 21:24.500] 不是寫給人看

[21:24.500 -> 21:26.000] 它是寫給AI看的

[21:26.000 -> 21:28.000] 那AI也會習慣看你的程式碼的上下文

[21:28.000 -> 21:30.000] 然後去嘗試理解你的風格

[21:30.000 -> 21:32.000] 並且用你的風格來寫程式

[21:32.000 -> 21:34.000] 所以像這樣的一件事情

[21:34.000 -> 21:36.000] 其實

[21:36.000 -> 21:38.000] 我覺得我不是在寫程式啊

[21:38.000 -> 21:40.000] 我是在溝通

[21:40.000 -> 21:42.000] 變化很大

[21:42.000 -> 21:44.000] 所以工程師如果還是每天在專注去寫這個程式的話

[21:44.000 -> 21:47.000] 我覺得真的會被AI打臉

[21:47.000 -> 21:51.000] 那所以我們要怎麼樣跟AI溝通

[21:51.000 -> 21:53.000] 其實重點就是在問對問題

[21:53.000 -> 21:55.000] 我們要能夠試圖的去提問

[21:55.000 -> 21:59.000] 然後這個提問其實比我們的解決問題來得更重要

[21:59.000 -> 22:01.000] 以往工程師會比較專注在解決問題

[22:01.000 -> 22:04.000] 應該說我們都是設定目標

[22:04.000 -> 22:06.000] 然後大多數的時間是為了達到目標我們去解在這個問題上做一些比較具體的解決方案然後我們也會在這個問題上

[22:06.000 -> 22:08.000] 做一些比較具體的解決方案

[22:08.000 -> 22:10.000] 然後我們也會在這個問題上

[22:10.000 -> 22:12.000] 做一些比較具體的解決方案

[22:12.000 -> 22:14.000] 然後我們也會在這個問題上

[22:14.000 -> 22:16.000] 做一些比較具體的解決方案

[22:16.000 -> 22:18.000] 然後我們也會在這個問題上

[22:18.000 -> 22:20.000] 做一些比較具體的解決方案

[22:20.000 -> 22:22.000] 然後我們也會在這個問題上

[22:22.000 -> 22:24.000] 做一些比較具體的解決方案

[22:24.000 -> 22:25.300] 然後我們也會在這個問題上提這些問題而不是在解決問題

[22:25.300 -> 22:28.400] 但是這個問題是一個悖論

[22:28.400 -> 22:29.800] 因為傳統教育環境

[22:29.800 -> 22:33.100] 其實我們都是用模仿跟吸收知識

[22:33.100 -> 22:35.100] 然後每次上課的時候

[22:35.100 -> 22:36.500] 老師問說有沒有問題

[22:36.500 -> 22:37.500] 我們不會有人舉手

[22:37.500 -> 22:39.300] 因為我也是不會舉手的

[22:39.300 -> 22:41.000] 所以我們要去解決問題

[22:41.000 -> 22:42.300] 我們要去解決問題

[22:42.300 -> 22:43.500] 我們要去解決問題

[22:43.500 -> 22:44.800] 我們要去解決問題

[22:44.800 -> 22:45.940] 我們要去解決問題我們要去解決問題我們要去解決問題傳統教育環境其實我們都是用模仿跟吸收知識然後每次上課的時候啊

[22:45.940 -> 22:47.640] 老師問說有沒有問題

[22:47.640 -> 22:48.680] 我們不會有人舉手

[22:48.680 -> 22:49.980] 因為我也是不會舉手的

[22:49.980 -> 22:52.480] 然後作為一個工程師每天只會宅在家裡

[22:52.480 -> 22:53.680] 然後每天盯著電腦

[22:53.680 -> 22:56.280] 然後反覆就是不要跟人類溝通

[22:56.280 -> 22:58.220] 這樣是最理想的一個工作環境

[22:58.220 -> 23:02.520] 那像這樣的工作環境跟我剛剛講的那個是完全是一個悖論

[23:02.520 -> 23:04.560] 所以那怎麼辦呢

[23:04.560 -> 23:07.000] 就只好逼自己做一些自己不擅長的事情

[23:07.000 -> 23:10.000] 所以這也是為什麼我今天來這邊分享一個

[23:10.000 -> 23:12.000] 跟技術沒有什麼關係的內容

[23:12.000 -> 23:15.000] 然後提問不是解答問題的開始

[23:15.000 -> 23:18.000] 它也是幫我們去想一些未知的領域

[23:18.000 -> 23:20.000] 因為現在已知的問題都可以被解決

[23:20.000 -> 23:22.000] 我們要去想未知的問題是什麼

[23:22.000 -> 23:25.840] 所以想問題變得非常的重要不只是想問題

[23:25.840 -> 23:28.800] 我們也要能夠定義一個好的project

[23:28.800 -> 23:31.320] 去指揮AI的員工

[23:31.320 -> 23:33.680] 好,這個是一個

[23:33.680 -> 23:34.680] 算是一個轉變

[23:34.680 -> 23:37.080] 問對問題比解決問題來得重要

[23:37.080 -> 23:38.760] 但是我想99%的人

[23:38.760 -> 23:39.760] 還是會把心力放在

[23:39.760 -> 23:41.840] 怎麼去解決我們的問題

[23:41.840 -> 23:44.400] 對,可是我覺得討論這件事情

[23:44.400 -> 23:46.500] 或是對這個AIGT時代

[23:46.500 -> 23:49.500] 其實要想的是有什麼樣的一個問題

[23:49.500 -> 23:51.000] 或是未知的東西

[23:51.000 -> 23:52.500] 是我們要去探尋的

[23:52.500 -> 23:54.000] 那我覺得其實很難

[23:54.000 -> 23:58.000] 因為我們的傳統的教育是滿被動的

[23:59.000 -> 24:01.000] 然後一樣剛剛的幕後花絮

[24:01.000 -> 24:02.500] 剛剛的狗是AI做的

[24:02.500 -> 24:03.500] 大家可以猜得到

[24:03.500 -> 24:06.180] 但事實上這是一個軟體它叫做GAMA

[24:06.180 -> 24:08.500] G-A-M-M-A

[24:08.500 -> 24:11.180] 它是做簡報的軟體

[24:11.180 -> 24:14.140] 然後這一份簡報全部都是用AI工具

[24:14.140 -> 24:15.700] 算是用AI工具協助啦

[24:15.700 -> 24:16.980] 大家可以看到下面這張截圖

[24:16.980 -> 24:19.780] 我就直接截我在用AI工具的畫面

[24:19.780 -> 24:22.940] 然後我可能就是選問對問題

[24:22.940 -> 24:25.000] 然後按右鍵問AI

[24:25.000 -> 24:26.500] 幫我找一個圖

[24:26.500 -> 24:28.500] 然後就幫我找了一個狗狗舉手的圖

[24:28.500 -> 24:29.500] 我說好

[24:29.500 -> 24:30.500] 然後我抱歉

[24:30.500 -> 24:33.500] 我這邊右邊我寫說給一張狗舉手的插圖

[24:33.500 -> 24:34.500] 然後就幫我找 很好

[24:34.500 -> 24:37.500] 然後你甚至可以設主題

[24:37.500 -> 24:39.500] 然後叫他把簡報幫你整份簡報做出來

[24:39.500 -> 24:41.500] 然後圖他也會自己去插入

[24:41.500 -> 24:45.840] 但是他沒有辦法百分之百的做成我要的

[24:45.840 -> 24:47.840] 其實我舉個例子

[24:47.840 -> 24:48.440] 像這一頁

[24:48.440 -> 24:49.440] 大家可以看到畫面上這一頁

[24:49.440 -> 24:50.740] 這一頁他絕對做不出來

[24:50.740 -> 24:51.940] 因為這一頁是我做到一半

[24:51.940 -> 24:52.540] 然後截圖

[24:52.540 -> 24:53.640] 然後再把它插進去的

[24:53.640 -> 24:55.140] 這一頁我不可能指揮他做

[24:55.140 -> 24:57.340] 所以這個AI工具

[24:57.340 -> 24:58.740] 他還是有他的一個侷限

[24:58.740 -> 25:01.240] 但是如果我們熟悉這個AI工具的話

[25:01.240 -> 25:03.440] 他的確可以解決我們大多數的問題

[25:03.440 -> 25:04.940] 像我用這個工具

[25:04.940 -> 25:05.160] 很快速的去生出這份簡報然後我小改他這份簡報這個AI工具的話他的確可以解決我們大多數的問題像我用這個工具

[25:06.860 -> 25:09.260] 很快速的去生出這份簡報然後我小改他這份簡報就可以

[25:09.520 -> 25:10.800] 完成今天的報告

[25:10.920 -> 25:14.460] 對然後不只是Gamma像TOM1

[25:14.920 -> 25:16.060] 也是還有像

[25:16.360 -> 25:17.460] 現在還有好幾個啦

[25:17.560 -> 25:18.720] 大家網絡上查一下

[25:19.060 -> 25:20.460] 那個Google的

[25:20.860 -> 25:22.400] Google有一個的extension

[25:22.400 -> 25:24.700] 有一個slides.io

[25:24.700 -> 25:25.560] 這個也可以用

[25:25.560 -> 25:27.560] 也是一樣生成簡報的工具

[25:27.560 -> 25:28.720] 蠻多的

[25:31.000 -> 25:32.320] 但是做這個簡報

[25:32.320 -> 25:33.800] 剛剛我的主題是提問

[25:33.800 -> 25:34.720] 所以做這個簡報

[25:34.720 -> 25:36.720] 重點就是你要寫一個腳本文件

[25:36.920 -> 25:38.560] 怎麼樣讓他滿足我的心意

[25:38.760 -> 25:40.120] 就看下面我寫的

[25:40.360 -> 25:42.000] 這邊有7078個字

[25:42.200 -> 25:43.400] 結果我不是在做簡報

[25:43.400 -> 25:44.040] 我是在

[25:46.200 -> 25:47.400] 寫這個腳本就是我們的主題是

[25:47.400 -> 25:49.800] 我們該以什麼心態來迎接AI時代

[25:49.800 -> 25:52.200] 然後下面就啪啦啪啦啪啦寫了一大堆

[25:52.200 -> 25:54.600] 然後這個Gamma這個AI呢

[25:54.600 -> 25:55.800] 就讀了這整份腳本

[25:55.800 -> 25:59.400] 然後開始用專業且以人入勝的語氣

[25:59.400 -> 26:01.800] 使用簡潔且有說服力的語言

[26:01.800 -> 26:04.800] 然後請自行添加充實的細節

[26:04.800 -> 26:06.000] 啪啦啪啦啪啦啪啦上面這個提示詞是預設值啦

[26:06.000 -> 26:08.000] 我用Poly就沒改它了

[26:08.000 -> 26:10.000] 然後整份腳本丟給它

[26:10.000 -> 26:12.000] 然後它就霹靂啪啦產生一大堆的簡報

[26:12.000 -> 26:14.000] 這個是非常好用的方便的工具

[26:14.000 -> 26:16.000] 給大家做個參考

[26:16.000 -> 26:18.000] 那再來第六點

[26:18.000 -> 26:20.000] 過程比結果重要

[26:20.000 -> 26:22.000] 這個也是可以猜的到啦

[26:22.000 -> 26:24.000] 就是我們現在在做的

[26:24.000 -> 26:25.000] 就是我們在做的就是我們在做的我們現在在使用AI工具這件事情其實AI給我們什麼結果

[26:25.000 -> 26:27.000] 有的時候不是很重要

[26:27.000 -> 26:29.000] 我們要學會使用AI工具的重點

[26:29.000 -> 26:32.000] 會是跟它互動跟溝通的過程

[26:32.000 -> 26:35.000] 所以過程遠遠的比結果重要

[26:35.000 -> 26:37.000] 事實上這個在AI模型

[26:37.000 -> 26:39.000] 也是可以慢慢的感受到

[26:39.000 -> 26:41.000] 例如像我們現在在做的

[26:41.000 -> 26:43.000] 就是我們在做的

[26:43.000 -> 26:45.700] 就是我們在做的就是我們在做的會是跟他互動跟溝通的過程所以過程遠遠的比結果重要

[26:45.700 -> 26:49.500] 事實上這個在AI模型也是可以慢慢的感受到

[26:49.500 -> 26:51.800] 例如像我們常常會說一個AI模型

[26:51.800 -> 26:54.900] 我們做出來可以到97%的準確度

[26:54.900 -> 26:57.100] 事實上這個97%就是結果

[26:57.100 -> 26:57.900] 它不重要

[26:57.900 -> 27:00.100] 重要的會是這個AI模型

[27:00.100 -> 27:04.700] 我要怎麼樣跟前面和後面串接

[27:04.700 -> 27:05.900] 例如像可能用Lanchain然後去跟確實G後面串接例如像可能用Lenchain

[27:05.900 -> 27:08.200] 然後去跟確實GPT串在一起

[27:08.200 -> 27:10.400] 你要怎麼樣把這些模型全部串在一起

[27:10.400 -> 27:13.200] 這個串接以後形成一個循環以後

[27:13.200 -> 27:16.600] 那隨著使用這個AI模型就會越來越聰明

[27:16.600 -> 27:23.000] 所以這個過程就是比這個單純的結果準確度來得重要

[27:23.000 -> 27:25.700] 那這個過程它是一個流動的

[27:25.700 -> 27:27.000] 數據會流動

[27:27.000 -> 27:31.300] AI的模型它在做運算的時候的梯度也可以流動

[27:31.300 -> 27:33.800] 那看你怎麼樣去做一個設計

[27:33.800 -> 27:37.200] 然後現在比較新的時代就是有一個AI agent

[27:37.200 -> 27:39.700] 多個AI agent透過Language這種方式

[27:39.700 -> 27:41.000] 把它們全部串在一起

[27:41.000 -> 27:42.800] 然後達成某個特定的任務

[27:42.800 -> 27:46.000] 所以過程比結果來得重要

[27:46.000 -> 27:49.000] 可是我們在執行一個專案的時候

[27:49.000 -> 27:50.000] 常常就會定一個結果

[27:50.000 -> 27:52.000] 或是定一個準確度

[27:52.000 -> 27:53.000] 或是定一個OKR出來

[27:53.000 -> 27:55.000] 但是就不會去在意過程

[27:55.000 -> 27:58.000] 因為我們一切以達到結果為目標

[27:58.000 -> 27:59.000] 目標導向

[27:59.000 -> 28:01.000] 可是事實上我覺得過程

[28:01.000 -> 28:04.000] 遠遠的是比結果來得重要的

[28:04.000 -> 28:12.000] 事實上我覺得過程遠遠的比結果來得重要所以說我們在AI工具的時代

[28:12.000 -> 28:16.000] 使用AI工具的過程比得到的結果更具價值

[28:16.000 -> 28:19.000] 他寫的其實還不錯

[28:19.000 -> 28:22.000] 連什麼能力提升跟視野擴大都跑出來了

[28:22.000 -> 28:25.800] 大家這樣就猜得到這個應該是AI寫的,不是我寫的其實我一開始的時候有告訴AI說重視過程比重視結果來得重要

[28:25.800 -> 28:27.800] 然後一直來回跟他互動

[28:27.800 -> 28:29.800] 一直來回

[28:29.800 -> 28:32.300] 那這件事情其實我有一個中心思想

[28:32.300 -> 28:34.300] 可是我在跟他溝通的時候

[28:34.300 -> 28:38.300] 他有些idea也是會讓我有些不一樣的想法

[28:38.300 -> 28:41.300] 我前面的project是他是一個AI哲學家

[28:41.300 -> 28:43.300] 他有一個想法是

[28:43.300 -> 28:47.080] 他想要把AI的思想把AI的思想轉向一個人類心思想可是我在跟他溝通的時候他有些idea也是會讓我有些不一樣的想法

[28:47.080 -> 28:49.960] 我前面的project是他是一個AI哲學家

[28:49.960 -> 28:52.160] 一開始角色情境是這樣

[28:52.840 -> 28:56.240] 所以我們要能夠去掌握過程

[28:56.240 -> 28:59.440] 然後其實是比結果來得重要的

[29:02.040 -> 29:05.080] 那大家如果猜得到這個

[29:05.440 -> 29:07.280] 整個內容過程比較重要

[29:07.560 -> 29:08.680] 對所以這一份

[29:09.360 -> 29:10.840] 這一份簡報的內容

[29:10.840 -> 29:12.320] 它是AI寫的

[29:12.360 -> 29:14.040] 但是我其實也有寫很多啦

[29:14.240 -> 29:15.480] 可以看到我有寫很多

[29:15.880 -> 29:16.880] 例如像剛剛的

[29:16.880 -> 29:18.720] 前面的資訊爆炸轉為AI工具爆炸

[29:18.720 -> 29:19.440] 我有講說

[29:19.680 -> 29:21.200] 過去網路爆炸

[29:21.560 -> 29:22.840] 然後什麼什麼什麼什麼

[29:22.880 -> 29:24.320] 啪啦啪啦啪啦寫了一大堆

[29:24.720 -> 29:26.080] 然後結果AI開始整理

[29:26.080 -> 29:27.400] 它寫的其實蠻不錯的

[29:27.400 -> 29:29.440] 然後我就直接把這一大包

[29:29.440 -> 29:31.040] 再貼給剛剛的Gamma

[29:31.040 -> 29:32.400] 去做出這份簡報

[29:32.400 -> 29:34.960] 然後但是我前面其實有一個中心思想

[29:34.960 -> 29:36.800] 上面這個就是我中心思想

[29:36.800 -> 29:39.360] 然後前面的幾個topic

[29:39.360 -> 29:41.920] 我給的AI內容還蠻多的

[29:41.920 -> 29:43.760] 但是誇張的是到後來

[29:43.760 -> 29:46.000] 到後來過程比結果重要的時候

[29:46.000 -> 29:48.000] 其實我就寫得很簡短

[29:48.000 -> 29:50.000] 我就說我們要花時間學習AI工具

[29:50.000 -> 29:52.000] 可是我們要學習的是使用AI工具的過程

[29:52.000 -> 29:54.000] 這也是過程比結果重要的概念

[29:54.000 -> 29:56.000] 不是掌握這個AI工具

[29:56.000 -> 29:58.000] 是學習使用它的過程

[29:58.000 -> 30:00.000] 好,這是我想表達的重點

[30:00.000 -> 30:02.000] 學習使用AI工具的過程

[30:02.000 -> 30:04.000] 那

[30:04.000 -> 30:08.680] 不是說直接把AI工具的結果拿來用

[30:08.680 -> 30:09.680] 然後解決問題

[30:09.680 -> 30:12.380] 我們要這個互動的過程才是重要的

[30:12.380 -> 30:14.980] 然後像我現在跟ChairGB互動

[30:14.980 -> 30:15.980] 就是很重要的

[30:15.980 -> 30:16.980] 然後寫了一大堆以後

[30:16.980 -> 30:17.980] ChairGB就很認真

[30:17.980 -> 30:19.180] 他寫了非常多

[30:19.180 -> 30:20.680] 而且這都是我想要的

[30:20.680 -> 30:21.680] 我覺得他寫得很好

[30:21.680 -> 30:25.300] 那一方面也是他已經有掌握到我的精神

[30:25.300 -> 30:28.800] 那另外一方面是,在更前面我已經來回互動跟他很多

[30:28.800 -> 30:30.800] 然後每次我覺得他寫得很好的時候,我會誇獎他

[30:30.800 -> 30:32.800] 我會誇獎他,然後告訴他

[30:32.800 -> 30:35.800] 這個是,我很滿意你這樣寫

[30:35.800 -> 30:39.800] 那最後他就這樣很認真的在跟我互動的過程當中

[30:39.800 -> 30:41.800] 完成了一個七千字的腳本

[30:41.800 -> 30:47.500] 然後這七千字的腳本,我在整包全部貼給剛剛的那個Gamma

[30:47.500 -> 30:50.300] 所以這個幕後花絮也是給大家參考啦

[30:50.300 -> 30:52.100] 其實這個簡報製作過程

[30:52.100 -> 30:55.900] 我嘗試了使用大量的AI工具去完成這件事情

[30:55.900 -> 30:58.900] 那這個中心思想我有把它先build起來

[30:58.900 -> 31:02.600] 然後讓這個AI去完成內容

[31:02.600 -> 31:06.120] 但是這個過程我覺得很重要

[31:07.760 -> 31:09.720] 那過程很重要

[31:09.720 -> 31:10.600] 同樣的道理

[31:10.600 -> 31:11.760] 用在軟體的話

[31:11.760 -> 31:13.480] 維護比開發重要

[31:13.480 -> 31:18.640] 我們現在要能夠去build一個軟體

[31:18.640 -> 31:19.880] 其實重點都是維護

[31:19.880 -> 31:21.240] 重點不是開發

[31:21.240 -> 31:23.560] 我們常常就軟體做出來

[31:23.560 -> 31:24.960] 然後你可能如果沒有在維護的話

[31:24.960 -> 31:25.000] 可能過兩年過一年改版就不能用我們常常就軟體做出來然後你可能如果沒有在維護的話

[31:25.000 -> 31:27.000] 可能過兩年 過一年改版就不能用

[31:27.000 -> 31:32.000] 而且AI這個東西是能夠做一個數據循環

[31:32.000 -> 31:36.000] 就是隨著使用者的一個回饋

[31:36.000 -> 31:40.000] 我們能夠讓這個AI再去做一個連續學習

[31:40.000 -> 31:41.000] 讓它進步

[31:41.000 -> 31:44.000] 所以軟體的維護變得很重要

[31:44.000 -> 31:47.500] 但今天這個是講使用AI GC AI工具所以講的不是軟體的維護變得很重要但今天這個是講使用AI、GCAI工具

[31:47.500 -> 31:49.200] 所以講的不是軟體維護

[31:49.200 -> 31:53.200] 那講的是我們要怎麼樣去終身學習

[31:53.200 -> 31:54.400] 這個講的是我們啦

[31:54.400 -> 31:56.200] 其實這個概念應該是我們

[31:56.200 -> 31:58.400] 我們怎麼樣去學這些AI工具

[31:58.400 -> 31:59.400] 這個是一個問題

[31:59.400 -> 32:02.200] 然後其實學習不是一次性的活動

[32:02.200 -> 32:03.400] 以前我們可能說

[32:03.400 -> 32:06.880] 我們可能花三個禮拜然後去學習不是一次性的活動以前我們可能說我們可能花三個禮拜

[32:06.880 -> 32:08.200] 然後去學會Excel

[32:08.200 -> 32:10.920] 我以前可能高中的時候去學Excel

[32:10.920 -> 32:13.120] 然後學會以後到現在

[32:13.120 -> 32:14.360] 每次Excel改版

[32:14.360 -> 32:16.200] 其實我覺得差別都不大

[32:16.200 -> 32:18.000] 因為它的核心精神沒有變

[32:18.000 -> 32:19.240] 所以我大概一次性的活動

[32:19.240 -> 32:20.720] 就可以掌握Excel

[32:20.720 -> 32:22.600] 或者掌握打字這個技能

[32:22.600 -> 32:23.400] 可是現在不行

[32:23.400 -> 32:24.520] 現在掌握這個AI工具

[32:24.520 -> 32:26.000] 它是一個持續的過程

[32:26.000 -> 32:28.000] 它是一個每一天都要follow

[32:28.000 -> 32:29.000] 這個AI工具的進展

[32:29.000 -> 32:35.000] 然後我們要去適應學習AI工具

[32:35.000 -> 32:36.000] 要適應

[32:36.000 -> 32:38.000] 然後怎麼適應呢

[32:38.000 -> 32:39.000] 因為花很多時間嘛

[32:39.000 -> 32:42.000] 所以我們應該是每一天都

[32:42.000 -> 32:44.000] 花時間去學這些東西

[32:44.000 -> 32:45.260] 是習慣它

[32:45.260 -> 32:50.420] 然後把它用在自己的工作或自己的日常生活

[32:50.420 -> 32:52.880] 你就可以得到更多的學習時間

[32:52.880 -> 32:55.520] 對,這個是我的做法

[32:55.520 -> 32:59.080] 例如像我剛剛的 GitHub Copilot 用來寫程式

[32:59.080 -> 33:01.760] 那我平常寫程式的時間就會大幅的縮短

[33:01.760 -> 33:03.880] 然後寫程式的時間大幅縮短之後

[33:03.880 -> 33:07.000] 我就拿第一大堆時間去學一些很奇怪的東西

[33:07.000 -> 33:12.000] 例如像去學Languages去學這些新的AI工具或者是程式語言

[33:12.000 -> 33:19.000] 那這是一個將節省下來的時間丟到學習跟創新中的革命

[33:19.000 -> 33:21.000] 這AI寫的很好

[33:21.000 -> 33:24.000] 然後我們不是以新取代舊

[33:24.000 -> 33:26.000] 這也是一個非常非常

[33:26.000 -> 33:28.000] 怎麼講

[33:28.000 -> 33:30.000] 我們在學習這個過程當中

[33:30.000 -> 33:32.000] 學習這個AI工具

[33:32.000 -> 33:34.000] 我們不但要學習

[33:34.000 -> 33:36.000] 使用適應這個AI工具

[33:36.000 -> 33:38.000] 我們要試著去學習

[33:38.000 -> 33:40.000] 他寫出來的東西

[33:40.000 -> 33:42.000] 我們要有判別能力

[33:42.000 -> 33:44.000] 所以我們沒辦法說忘記他

[33:44.000 -> 33:45.380] 或者是說我只要丟給他就好了沒辦法說忘記它或者是就是說我知道丟給它就好了

[33:45.380 -> 33:46.380] 我們沒辦法做這件事情

[33:46.380 -> 33:49.580] 所以我們的未來生活

[33:49.580 -> 33:52.220] 可能每一天都要持續的做學習

[33:52.220 -> 33:56.120] 而且這個學習不是在學習AI工具

[33:56.120 -> 34:00.320] 而是在學習適應學習AI工具

[34:00.320 -> 34:01.860] 所以就是要身體要習慣

[34:01.860 -> 34:03.300] 身體要習慣每天

[34:03.300 -> 34:06.000] 像我很喜歡就是每天中午吃飯的時候

[34:06.000 -> 34:08.000] 我都會想到一些很腦洞很開的

[34:08.000 -> 34:10.000] 我就會跟確實GPT聊天

[34:10.000 -> 34:12.000] 例如像我會跟確實GPT說

[34:12.000 -> 34:16.000] 假設你是研發確實GPT的工程師

[34:16.000 -> 34:18.000] 然後我現在要寫一本書

[34:18.000 -> 34:23.000] 叫做如何正確的使用Prompt來正確的使用確實GPT

[34:23.000 -> 34:27.500] 那你可不可以列大綱給我然後他就開始列了一個很複雜的大綱給我

[34:27.500 -> 34:29.460] 然後那個大綱裡面內容就是

[34:29.460 -> 34:31.700] 一大堆的各種Prompt的技巧

[34:31.700 -> 34:34.060] 跟我講說怎麼使用它

[34:34.060 -> 34:35.500] 非常的好玩

[34:35.500 -> 34:37.960] 那一樣的我們也可以用Gamma去寫一個

[34:37.960 -> 34:41.160] 如何用Gamma來製作簡報的簡報

[34:41.160 -> 34:42.940] 用Gamma生成一個簡報

[34:42.940 -> 34:44.300] 然後這個簡報的內容叫做

[34:44.300 -> 34:46.000] 用Gamma來製作簡報

[34:46.000 -> 34:48.000] 那這也可以 就一些腦洞很開的玩法

[34:48.000 -> 34:50.000] 其實就是 大家可以

[34:50.000 -> 34:52.000] 沒事就是這樣去玩它

[34:52.000 -> 34:54.000] 然後或者是 讓它說出一些奇怪的話

[34:54.000 -> 34:56.000] 好

[34:56.000 -> 34:58.000] 那幕後花絮

[34:58.000 -> 35:00.000] 這也快沒梗了

[35:00.000 -> 35:02.000] 剛剛右邊有一隻黑貓

[35:02.000 -> 35:04.000] 我是有找到一個

[35:04.000 -> 35:05.000] 蠻好玩的紋身圖的工具

[35:05.000 -> 35:07.000] 他叫Recraft

[35:07.000 -> 35:09.000] 他簡而美,我覺得很好用

[35:09.000 -> 35:11.000] 你只要給文字

[35:11.000 -> 35:13.000] 他就會幫你產生一個像量圖

[35:13.000 -> 35:16.000] 這個像量圖是可以用一些繪圖軟體去改的

[35:16.000 -> 35:18.000] 當然我們也可以下載JPG或PNG

[35:18.000 -> 35:22.000] 像右邊這個我是直接給他Brag Cat

[35:22.000 -> 35:24.000] 他就給我一個黑貓,我覺得畫得很可愛

[35:24.000 -> 35:26.000] 然後呢

[35:26.000 -> 35:28.000] 剛剛有提到我們要適應

[35:28.000 -> 35:30.000] 學習AI工具

[35:30.000 -> 35:32.000] 所以我這個很無聊啊

[35:32.000 -> 35:34.000] 那我試試看用Putin好了

[35:34.000 -> 35:36.000] 然後我就打一個PUTIN

[35:36.000 -> 35:38.000] 跟我猜的一樣他會做Putin

[35:38.000 -> 35:40.000] 因為他這整個ReCraft

[35:40.000 -> 35:42.000] 也不是他自己建的模型

[35:42.000 -> 35:44.000] 他其實就是一個算是一個AI的應用程式

[35:44.000 -> 35:46.280] 然後他可能會把我們的需求再丟給源頭

[35:46.280 -> 35:47.360] 也許他源頭是一個

[35:47.360 -> 35:49.560] Slaver Diffusion或者其他的Foundation Model

[35:49.840 -> 35:51.880] 然後Foundation Model可能學了

[35:51.880 -> 35:54.520] 有大量學習的的吸收

[35:54.520 -> 35:55.880] 所以他可能認識Putin

[35:55.880 -> 35:58.000] 那所以我就試用Putin揣出來

[35:58.000 -> 35:59.200] 他真的可以畫得出來

[35:59.280 -> 36:00.000] 然後我又很無聊

[36:00.000 -> 36:01.080] 我現在試希拉蕊

[36:01.160 -> 36:02.400] 他也可以畫得出來

[36:02.680 -> 36:04.440] 那我覺得也很無聊

[36:04.440 -> 36:06.560] 開始試各種稀奇古怪的東西

[36:06.560 -> 36:07.840] 然後就這樣

[36:07.840 -> 36:10.000] 我就慢慢的就知道這個工具

[36:10.000 -> 36:11.940] 然後做簡報插圖的時候

[36:11.940 -> 36:13.040] 我也可以開這個工具

[36:13.040 -> 36:14.900] 然後跟他講我要什麼

[36:14.900 -> 36:16.560] 然後他就畫出來

[36:16.560 -> 36:17.960] 那學習這個工具

[36:17.960 -> 36:18.860] 我有花很多時間嗎

[36:18.860 -> 36:19.400] 也沒有

[36:19.400 -> 36:21.340] 因為跟他溝通互動的概念

[36:21.340 -> 36:23.260] 其實跟那個Stable Diffusion蠻像的

[36:23.260 -> 36:25.480] 然後之前我是有玩Stable Diffusion

[36:25.480 -> 36:27.480] 所以很快就上手了

[36:27.480 -> 36:29.480] 那我只是跟大家分享一下

[36:29.480 -> 36:30.280] 我會去try

[36:30.280 -> 36:31.480] 像這樣我會去try普丁

[36:31.480 -> 36:32.480] 好,ok,好

[36:32.480 -> 36:34.480] 其實他真的蠻厲害的

[36:35.480 -> 36:36.980] 再來就是第八點

[36:36.980 -> 36:38.980] 我們要化被動為主動

[36:38.980 -> 36:40.980] 這個也是很抽象的一件事情

[36:41.780 -> 36:44.980] 那為什麼有這個想法

[36:44.980 -> 36:47.000] 就是我們現在會陷入一個惡性循環

[36:47.000 -> 36:50.000] 就是我們像我用AI寫程式

[36:50.000 -> 36:53.000] 然後AI寫出我就不寫程式了

[36:53.000 -> 36:55.000] 如果因為我是只會AI寫

[36:55.000 -> 36:56.000] 就像我是老闆

[36:56.000 -> 36:57.000] 他是員工

[36:57.000 -> 36:58.000] 我叫他寫程式

[36:58.000 -> 37:00.000] 那我跟大家保證過了十年之後

[37:00.000 -> 37:01.000] 我就不會寫程式了

[37:01.000 -> 37:03.000] 所以這是一個惡性的循環

[37:03.000 -> 37:04.000] 你看哪個老闆

[37:04.000 -> 37:06.500] 他以前學寫程式出身的然後他不寫程式十年他只會叫他底之後我就不會寫程式了所以這是一個惡性的循環你看哪個老闆他以前學寫程式出身的

[37:06.500 -> 37:07.900] 然後他不寫程式十年

[37:07.900 -> 37:09.700] 他只會叫他底下的員工寫

[37:09.700 -> 37:11.600] 過了十年之後他自己也不會寫了

[37:11.600 -> 37:15.400] 所以這個惡性循環是一個問題

[37:15.400 -> 37:17.900] 我發現對AI工具

[37:17.900 -> 37:19.900] 我們如果去使用AI工具

[37:19.900 -> 37:21.700] 然後養成習慣以後

[37:21.700 -> 37:22.900] 久而久之我們就不

[37:22.900 -> 37:27.360] 就是在專業知能的上面我們會退化

[37:27.360 -> 37:31.040] 這是一個退化之後我們就會像這邊梗圖

[37:31.040 -> 37:32.440] 我們就是用專案

[37:32.440 -> 37:34.080] 我們為專案使用AI工具

[37:34.080 -> 37:35.880] 但是我們也不知道他到底做了些什麼

[37:35.880 -> 37:38.920] 我們也沒有除錯判斷的能力

[37:38.920 -> 37:41.440] 那這是一個惡性循環

[37:41.440 -> 37:43.520] 那這個惡性循環的原因是因為

[37:43.520 -> 37:46.000] 我們是機械式的接受AI的輸出

[37:46.000 -> 37:49.000] 那我們的基礎能力就會退化

[37:49.000 -> 37:53.000] 然後我們就會喪失評估跟批判

[37:53.000 -> 37:55.000] AI輸出的能力

[37:55.000 -> 37:57.000] 那怎麼辦

[37:57.000 -> 38:00.000] 這個其實是我們其實是要

[38:00.000 -> 38:02.000] 要有自己的專業知識和技能

[38:02.000 -> 38:06.000] 然後要嘗試keep那我的做法就是

[38:06.000 -> 38:07.500] 我會問AI為什麼

[38:07.500 -> 38:10.000] 譬如像AI可能寫出某個東西

[38:10.000 -> 38:12.000] 然後也許他做得還不錯

[38:12.000 -> 38:15.000] 那我也是三不五時會去問他為什麼

[38:15.000 -> 38:16.000] 然後提升我自己的能力

[38:16.000 -> 38:17.500] 如果我不會的話

[38:17.500 -> 38:19.500] 我不會全然的接受他的答案

[38:19.500 -> 38:21.000] 因為他的答案有可能是錯的

[38:21.000 -> 38:23.500] 但是我會從這個過程裡面

[38:23.500 -> 38:24.500] 讓我也進步

[38:24.500 -> 38:26.000] 這件事情很重要

[38:26.000 -> 38:29.000] 然後我很喜歡就是要批判AI

[38:29.000 -> 38:30.000] 不是批判人類

[38:30.000 -> 38:32.000] 那這個過程是動態的

[38:32.000 -> 38:36.000] 然後我們不能夠被動的接受答案

[38:36.000 -> 38:39.000] 就像網路上看到一個文章

[38:39.000 -> 38:40.000] 譬如說他可能介紹說

[38:40.000 -> 38:42.000] ReCraft是一個很好的軟體

[38:42.000 -> 38:43.000] 他可以去幫你畫像量圖

[38:43.000 -> 38:46.000] 那我知道這個知識這個過程叫被動接收

[38:46.000 -> 38:48.000] 但是我不會這樣做

[38:48.000 -> 38:50.000] 我聽到這個知識以後

[38:50.000 -> 38:52.000] 我第一個反應就是上網

[38:52.000 -> 38:54.000] 然後使用那個工具

[38:54.000 -> 38:56.000] 然後自己一直玩一直玩

[38:56.000 -> 38:58.000] 然後了解原來他就是這個樣子

[38:58.000 -> 39:00.000] 那我就是一個主動踏出去

[39:00.000 -> 39:02.000] 跟他互動

[39:02.000 -> 39:04.000] 然後去try data

[39:04.000 -> 39:06.000] 就像我剛剛會去try 普丁網路上沒有人這樣try他啦

[39:06.000 -> 39:08.000] 但是我就會想要去弄他

[39:08.000 -> 39:10.000] 這是一個主動的概念

[39:10.000 -> 39:12.000] 所以如果我們只是被動的

[39:12.000 -> 39:14.000] 接收別人的介紹

[39:14.000 -> 39:16.000] 然後自己不身體力行去玩AI工具的話

[39:16.000 -> 39:18.000] 那對AI機器

[39:18.000 -> 39:20.000] 你就會一直覺得很陌生

[39:20.000 -> 39:22.000] 這是一個很重要的概念

[39:22.000 -> 39:24.000] 好,剛剛有一個梗圖吧

[39:24.000 -> 39:27.000] 這個梗圖是用一個叫做迷因圖的AI工具

[39:27.000 -> 39:29.000] 有一個工具叫做迷因

[39:29.000 -> 39:30.000] 叫Super迷因

[39:30.000 -> 39:32.000] 就是我們給他一個文章

[39:32.000 -> 39:35.000] 一個文本,他就會產生迷因圖給我們

[39:35.000 -> 39:37.000] 所以我就直接丟上去

[39:37.000 -> 39:39.000] 然後他就會畫出這個梗圖

[39:39.000 -> 39:41.000] 我就直接拿來用了

[39:41.000 -> 39:43.000] 然後第九點

[39:43.000 -> 39:48.000] 創造力跟想像力比工具思維來得重要

[39:48.000 -> 39:51.000] 這個大家也可以想像得到啦

[39:51.000 -> 39:56.000] 就是說在AI工具的時代,具有創造力的人是吃香的

[39:56.000 -> 40:02.000] 假設例如像我寫程式,我其實是演算法跟數學非常好

[40:02.000 -> 40:04.000] 然後我的創作能力很強很強

[40:04.000 -> 40:09.000] 可是我因為對程式的語言的工具不熟

[40:09.000 -> 40:11.000] 那這樣的我

[40:11.000 -> 40:13.000] 在使用AI工具的時候

[40:13.000 -> 40:15.000] 其實是非常吃香的

[40:15.000 -> 40:17.000] 因為我可以使用它

[40:17.000 -> 40:20.000] 然後來協助我把這些語法給build出來

[40:20.000 -> 40:22.000] 然後達到我想要做的事情

[40:22.000 -> 40:26.000] 這就像我現在要蓋一個房子我要漆油漆

[40:26.000 -> 40:28.000] 我不太會使用油漆

[40:28.000 -> 40:30.000] 因為我很少在用油漆

[40:30.000 -> 40:32.000] 可是我是一個很優秀的畫家

[40:32.000 -> 40:34.000] 然後AI工具可以幫我補足

[40:34.000 -> 40:36.000] 油漆這一段

[40:36.000 -> 40:38.000] 因為AI工具說穿了

[40:38.000 -> 40:40.000] 他就是工具啊 只要我有想法

[40:40.000 -> 40:42.000] 我畫 繪畫能力很好

[40:42.000 -> 40:44.000] 我可以漆油漆漆的不錯

[40:44.000 -> 40:45.300] 可是反過來

[40:45.300 -> 40:50.400] 如果今天我不是一個很懂得使用

[40:50.400 -> 40:52.140] 很有想法的人

[40:52.140 -> 40:54.440] 我就是喜歡上網找資料

[40:54.440 -> 40:57.300] 然後學很多程式語言的指令

[40:57.300 -> 40:59.300] 我就是很會用油漆的工具

[40:59.300 -> 41:01.940] 但是我不知道牆壁要漆成什麼樣子

[41:01.940 -> 41:05.600] 那AI工具幫助這樣的人是有限的

[41:05.600 -> 41:08.600] 他還是有幫助啦

[41:08.600 -> 41:10.300] 但是他幫助效果有限

[41:10.300 -> 41:14.200] 他只讓他使用油漆工具的效率提升一點點

[41:14.200 -> 41:15.100] 因為他本來就很快

[41:15.100 -> 41:16.200] 所以他就提升一點點

[41:16.200 -> 41:18.600] 可是對於這個牆壁要漆成什麼樣子

[41:18.600 -> 41:20.100] 他還是沒有辦法想像

[41:20.100 -> 41:22.000] 我們要的是創造力跟想像力啦

[41:22.000 -> 41:24.200] 說穿了其實比使用工具來得重要

[41:24.200 -> 41:28.000] 其實現在人類如果要在AIGC時代

[41:28.000 -> 41:30.000] 我覺得未來要能夠一直走的話

[41:30.000 -> 41:32.000] 就是我們要有創造力跟想像力

[41:32.000 -> 41:34.000] 那工具這件事情

[41:34.000 -> 41:38.000] 我覺得相對不是那麼的重要

[41:38.000 -> 41:40.000] 當然使用AIGC的工具還是很重要

[41:40.000 -> 41:46.240] 但是我們要能夠去學會使用

[41:46.240 -> 41:51.540] 應該說學習使用創新的思維去發揮一些想像力

[41:51.540 -> 41:54.080] 好吧,講得有點抽象

[41:54.080 -> 41:56.080] 那我覺得重點是

[41:58.120 -> 42:03.820] 這不是一個人多力量大的罷和遊戲

[42:03.820 -> 42:05.500] 人多力量大大家聽得懂就是我們有很多人然後人多力量大一�河遊戲人多力量大大家聽得懂

[42:05.500 -> 42:07.500] 我們有很多人,人多力量大

[42:07.500 -> 42:11.500] 一堆的工程師,然後每一個工程師都是工具人

[42:11.500 -> 42:16.000] 他們都很會使用工具,但是他們可能沒有什麼創造力

[42:16.000 -> 42:19.000] 那一堆人去玩拔河

[42:19.000 -> 42:23.500] 這不是一個拔河比賽,這是一個賽跑比賽

[42:23.500 -> 42:25.040] 我們是看跑第一的那個

[42:25.040 -> 42:27.040] 因為第一的那個他創造力很好

[42:27.040 -> 42:29.660] 他就可以把這些AI工具發揮到極致

[42:29.660 -> 42:31.660] 然後走在最前面

[42:33.040 -> 42:35.580] 對,這個是一個非常重要的概念

[42:35.580 -> 42:37.580] 然後大家看到下面這隻貓圖

[42:37.580 -> 42:39.580] 就可以想得到,我又有幕後花絮了

[42:39.580 -> 42:41.580] 但這不是吻生圖

[42:41.580 -> 42:43.580] 這個是我又跑去找了一個不知道什麼

[42:43.580 -> 42:46.000] 現在這年代很多奇怪的GPT

[42:46.000 -> 42:48.000] 什麼Medical GPT

[42:48.000 -> 42:50.000] 很多奇奇怪怪的GPT都有

[42:50.000 -> 42:52.000] 然後我找到一個

[42:52.000 -> 42:54.000] 我覺得是很空虛

[42:54.000 -> 42:56.000] 但是很好玩的一個GPT

[42:56.000 -> 42:58.000] 他叫做Cat GPT

[42:58.000 -> 43:00.000] 他就是跟喵喵對話

[43:00.000 -> 43:02.000] 他其實背後也是穿到Cat GPT

[43:02.000 -> 43:04.000] GPT 3.5

[43:04.000 -> 43:07.500] 然後你就可以跟喵喵講說晚安啊你餓不餓啊

[43:07.500 -> 43:11.000] 然後他就會幫你上網去生出一個動圖

[43:11.000 -> 43:13.000] 他不是一張照片他是一個會動的圖啦

[43:13.000 -> 43:15.000] 然後旁邊還有一個把把

[43:15.000 -> 43:17.700] 你可以按下去聽到那個貓一直在喵喵喵喵喵喵

[43:17.700 -> 43:22.500] 對然後這個網站其實沒有什麼用

[43:22.500 -> 43:25.500] 我覺得就是讓一個貓奴可以放空心靈

[43:25.500 -> 43:26.500] 但是我很佩服的是

[43:26.500 -> 43:28.500] 怎麼會有人想到做這種東西出來

[43:28.500 -> 43:32.500] 這個是我覺得滿具有創造力跟想像力的

[43:32.500 -> 43:33.500] 可以讓這樣子

[43:33.500 -> 43:35.500] 我那時候也跟他玩了一段時間

[43:35.500 -> 43:37.500] 然後測試說他會有什麼不同的反應

[43:37.500 -> 43:39.500] 但事實上他也只是說

[43:39.500 -> 43:41.000] 上網幫你去找一些喵圖

[43:41.000 -> 43:43.500] 然後隨便合成一些喵喵喵的叫聲

[43:43.500 -> 43:45.080] 不過一直聽喵喵喵

[43:45.080 -> 43:46.880] 聽到後來也還蠻療癒的

[43:47.740 -> 43:48.580] 好

[43:48.580 -> 43:51.140] 那再來是垂直整合轉為水平整合

[43:51.640 -> 43:53.340] 這個概念比較有點像是

[43:53.340 -> 43:55.700] 現代工業革命4.0的概念了

[43:56.080 -> 43:57.740] 然後我們的

[43:58.180 -> 44:00.240] 我們以往的

[44:01.840 -> 44:04.180] 世界都是垂直整合

[44:04.540 -> 44:08.000] 因為我們習慣性的會去學自己的專業技術

[44:08.000 -> 44:11.000] 然後一直在我自己的專業技術上越走越遠

[44:11.000 -> 44:14.000] 可是像現在剛剛提到

[44:14.000 -> 44:19.000] AIG時代讓我們的工程師不能夠去專注在專業技術

[44:19.000 -> 44:21.000] 工程師要去學溝通

[44:21.000 -> 44:23.000] 工程師要去學溝通

[44:23.000 -> 44:26.000] 那反過來PM可能要去學

[44:26.000 -> 44:28.000] 技術

[44:28.000 -> 44:30.000] 當然不是學寫程式啦

[44:30.000 -> 44:32.000] 我想是可能對技術能夠更深入了解一點點

[44:32.000 -> 44:34.000] 因為以前

[44:34.000 -> 44:36.000] 很久以前的PM他們要管

[44:36.000 -> 44:38.000] 事情管專案管人

[44:38.000 -> 44:40.000] 然後管的事情一大堆

[44:40.000 -> 44:42.000] 他根本就沒有空去學這些技術

[44:42.000 -> 44:44.000] 可是現在有了AI工具可以大幅的讓他們可以

[44:44.000 -> 44:46.000] 跟AI工具溝通

[44:46.000 -> 44:47.580] 然後寫出一些簡單的小程式

[44:47.580 -> 44:49.040] 你只要指揮AI而已

[44:49.040 -> 44:51.960] 所以PM可以透過這個方式去

[44:51.960 -> 44:54.460] 大概了解這些技術的概念是什麼

[44:54.460 -> 44:56.540] 例如像了解Lenchain代表什麼

[44:56.540 -> 44:58.420] 了解Agent代表什麼

[44:58.420 -> 45:00.760] 那工程師也可以反過來透過這些工具

[45:00.760 -> 45:02.800] 或者透過跟AI的互動

[45:02.800 -> 45:04.340] 然後去了解溝通

[45:04.340 -> 45:06.000] 因為這個界線在模糊化了事實上我們在發展這整展AIGC是一個整合的概念它是水平整合因為我們的資料要跟AI整

[45:06.000 -> 45:07.000] 要跟地端整

[45:07.000 -> 45:09.000] 要跟雲端整合

[45:09.000 -> 45:10.000] 要跟平台整合

[45:10.000 -> 45:12.000] 要考慮資料加解密、資訊安全

[45:12.000 -> 45:14.000] 要考慮的事情非常非常多

[45:14.000 -> 45:16.000] 所以領域的交叉結合非常重要

[45:16.000 -> 45:18.000] 例如像我剛剛的領域

[45:18.000 -> 45:19.000] 它是用在醫療的話

[45:19.000 -> 45:21.000] 那還要搞懂醫院的文化

[45:21.000 -> 45:22.000] 還要搞懂醫療的文化

[45:22.000 -> 45:23.000] 還要搞懂醫療的文化

[45:23.000 -> 45:24.000] 然後要搞懂醫療的文化

[45:24.000 -> 45:26.000] 然後要搞懂醫療的文化然後要搞懂醫療的文化然後要搞懂醫療的文化然後多所以領域的交叉結合非常重要例如像我剛剛的領域

[45:26.000 -> 45:28.000] 他是用在醫療的話

[45:28.000 -> 45:30.000] 那還要搞懂醫院的文化

[45:30.000 -> 45:32.000] 還要搞懂醫學的知識

[45:32.000 -> 45:34.000] 還要搞懂應用的場域

[45:34.000 -> 45:36.000] 還要了解醫生在想什麼

[45:36.000 -> 45:38.000] 所以這整件事情

[45:38.000 -> 45:40.000] 是在做水平整合

[45:40.000 -> 45:42.000] 他不是在做一個垂直深化

[45:42.000 -> 45:45.640] 一直垂直深化這個技術是會被淘汰的

[45:45.640 -> 45:48.640] 我會這樣講,就是我們要擴大我們的知識面

[45:48.640 -> 45:50.640] 橫向的擴大知識面啦

[45:50.640 -> 45:53.480] 對,這是非常重要的概念

[45:53.480 -> 45:57.080] 那現在的AI,就是我們的AI

[45:57.080 -> 46:00.280] 可能會有很多的AI的工具

[46:00.280 -> 46:02.280] 例如像我們可能有做簡報的

[46:02.280 -> 46:04.680] 我們可能有畫圖的

[46:04.680 -> 46:07.000] 我們可能有一些其他的

[46:07.000 -> 46:09.000] 那不同的AI工具

[46:09.000 -> 46:10.600] 我們就可以做一個AI的PM

[46:10.600 -> 46:12.300] 把它想成一個Agent

[46:12.300 -> 46:14.400] 做一個AIPM去掌握這麼多的AI工具

[46:14.400 -> 46:16.700] 那所以這種整合性的服務

[46:16.700 -> 46:17.900] 也會慢慢地跑出來

[46:17.900 -> 46:19.900] 然後到最後我們就會有一個要說什麼

[46:19.900 -> 46:21.400] 你所有的AI App

[46:21.400 -> 46:23.900] 你只要有一個跟我們講就好了

[46:23.900 -> 46:25.280] 整合成一個AI App

[46:25.280 -> 46:26.540] 因為這個AI App裡面

[46:26.540 -> 46:28.440] 可能住了一個AI的PM

[46:28.440 -> 46:29.980] 然後他會根據你的需求

[46:29.980 -> 46:33.380] 然後去找其他的AI幫你把它完成

[46:33.380 -> 46:35.180] 他不是一個AI員工

[46:35.180 -> 46:36.580] 他是一個AI的Team

[46:36.580 -> 46:38.980] 那像這樣的服務有沒有用

[46:38.980 -> 46:40.380] 因為現在很多大廠都在做

[46:40.380 -> 46:42.480] 然後這張圖我是撿來的

[46:42.480 -> 46:44.580] 因為有一個AI工具網站

[46:44.580 -> 46:46.000] 這就是一個整合性的一個

[46:46.000 -> 46:49.000] 他會幫你們搞部落格啊

[46:49.000 -> 46:51.000] 那這種AI工具的發展

[46:51.000 -> 46:55.000] 也是在做整合 水平的整合

[46:55.000 -> 46:58.000] 而不是縱向的去提升自己工具的能力

[46:58.000 -> 47:03.000] 對 這是 也是一個非常重要的趨勢跟方向

[47:03.000 -> 47:06.000] 好 那再來的話

[47:06.000 -> 47:10.000] 是低成本轉為高附加價值,這個就是工業革命4.0的概念

[47:10.000 -> 47:14.000] 這個其實我想大家應該對工業革命4.0比較不陌生

[47:14.000 -> 47:17.000] 那工業革命4.0

[47:17.000 -> 47:21.000] 我們有很多新興技術嘛,什麼AI物聯網大數據

[47:21.000 -> 47:25.240] 然後資源的共享讓生產成本降低了

[47:25.240 -> 47:27.800] 那我們其實是要做創新跟價值創造者

[47:27.800 -> 47:30.280] 那下面這一段文字其實說穿了

[47:30.280 -> 47:32.640] 就是把剛剛的內容做個總整理

[47:32.640 -> 47:34.480] 那我們的想法也要做一點變化

[47:34.480 -> 47:37.740] 就是我們不能夠去仰賴所謂的低成本

[47:37.740 -> 47:41.540] 就是我們的思考不應該放在低成本

[47:41.540 -> 47:42.640] 要放在高附加價值

[47:42.640 -> 47:46.000] 例如像我不能夠放在省錢 我舉個例子

[47:46.000 -> 47:48.000] 例如像 假設我要買電腦

[47:48.000 -> 47:51.000] 我要買一個很高級的AI運算設備

[47:51.000 -> 47:53.000] 我不應該想的是我錢不夠

[47:53.000 -> 47:57.000] 我應該想的是我怎麼樣去做一些其他的事情

[47:57.000 -> 48:00.000] 然後來獲取更多的錢買下這台電腦

[48:00.000 -> 48:03.000] 那一樣的 學AI工具這件事情我會建議

[48:08.000 -> 48:14.000] 可以找付費課程,好的付費課程學得快很快,然後付費課程可能付那一點錢

[48:14.000 -> 48:16.000] 可以省下更多的時間

[48:16.000 -> 48:18.000] 其實這個就是一個高付費價值的概念

[48:18.000 -> 48:22.000] 如果我們其實就是放不下這個心態

[48:22.000 -> 48:26.000] 我們就是一樣都是要去常常在YouTube看很多免費的課程的話

[48:26.000 -> 48:28.000] 效果有限

[48:28.000 -> 48:32.000] 這是一個不一樣的概念

[48:32.000 -> 48:35.000] 我們現在玩這些AI工具

[48:35.000 -> 48:37.000] 我覺得很痛苦的一點是要付錢

[48:37.000 -> 48:39.000] 像確實GPD我有買Plugin

[48:39.000 -> 48:41.000] 然後Plus

[48:41.000 -> 48:43.000] 我有買Plus 每個月付錢

[48:43.000 -> 48:44.000] Copyright我有每個月付錢

[48:44.000 -> 48:46.000] 其他有些工具我有付

[48:46.000 -> 48:48.000] 那使用上這就跟夾娃娃機一樣

[48:48.000 -> 48:52.000] 我要對這個工具很熟的方式,我就要一直去跟他互動,一直跟他去溝通

[48:52.000 -> 48:55.000] 我要一直跟他互動,一直跟他溝通,我就是在投錢

[48:55.000 -> 48:58.000] 所以我就是那個投錢在研究這些工具的人

[48:58.000 -> 49:00.000] 像剛剛的Gamma我也有付錢

[49:00.000 -> 49:03.000] 因為這個簡報,做那麼多頁的簡報,他免費版的

[49:03.000 -> 49:05.540] 他免費版只能做12頁他沒辦法一次做那麼多頁的簡報他免費版的是他免費版只能做12頁

[49:05.540 -> 49:07.180] 他沒辦法一次做那麼多頁

[49:07.180 -> 49:09.240] 所以我有付錢

[49:09.240 -> 49:10.380] 然後來做這份簡報

[49:10.380 -> 49:12.140] 然後我的目的

[49:12.140 -> 49:13.640] 不是為了要做這份簡報

[49:13.640 -> 49:14.940] 我是要能夠

[49:14.940 -> 49:16.580] 去熟悉那個工具的使用

[49:16.580 -> 49:19.140] 所以我就用了這個概念去付錢

[49:19.140 -> 49:21.340] 然後在那段時期

[49:21.340 -> 49:22.980] 我做這份簡報跟他溝通的過程

[49:22.980 -> 49:24.100] 其實還滿有趣的

[49:24.100 -> 49:28.000] 因為我發現他常常都想發現他常常都不知道我要講什麼

[49:28.000 -> 49:31.000] 我覺得就是跟他溝通過程當中

[49:31.000 -> 49:34.000] 我發現他很擅長去找圖

[49:34.000 -> 49:36.000] 我常常可能反白一段話然後叫他去找一個圖片

[49:36.000 -> 49:39.000] 他其實找的會大多數時候是我要的

[49:39.000 -> 49:42.000] 這互動就是過程比結果重要嘛

[49:42.000 -> 49:44.000] 我是在學習這個過程

[49:44.000 -> 49:46.000] 我也是在學習如何適應AI工具

[49:46.000 -> 49:48.000] 所以分享給大家

[49:48.000 -> 49:50.000] 好

[49:50.000 -> 49:52.000] 這個就是我快沒梗了

[49:52.000 -> 49:54.000] 大家知道這個民視主播

[49:54.000 -> 49:56.000] 有一個工具很好玩

[49:56.000 -> 49:58.000] 就是把我們的表情

[49:58.000 -> 50:00.000] 影片的臉換成另外一個style

[50:00.000 -> 50:02.000] 這些工具都可以玩看看

[50:02.000 -> 50:04.000] 好

[50:04.000 -> 50:07.000] 時間也快到了不過簡報也到尾聲了

[50:07.000 -> 50:08.000] 第十二

[50:08.000 -> 50:09.000] 第十二我也不知道是什麼

[50:09.000 -> 50:10.000] 這邊有很多嘛

[50:10.000 -> 50:11.000] 競爭到共創

[50:11.000 -> 50:12.000] 我們要合作

[50:12.000 -> 50:13.000] 道德導向

[50:13.000 -> 50:14.000] 然後我們要是不是

[50:14.000 -> 50:15.000] AI都可以做工作

[50:15.000 -> 50:16.000] 我們是不是要以生活為中心

[50:16.000 -> 50:18.000] 你看這些想法都非常獨特

[50:18.000 -> 50:20.000] 因為這些想法都不是我想的

[50:20.000 -> 50:22.000] 這些想法是AI想的

[50:22.000 -> 50:23.000] 那我的做法是

[50:23.000 -> 50:27.260] 我剛剛跟那個AI溝通了半天半最後把1到11的大綱列給他

[50:27.260 -> 50:28.720] 然後問他說兄弟啊

[50:28.720 -> 50:29.960] 12會是什麼

[50:29.960 -> 50:32.140] 然後AI很認真的說

[50:32.140 -> 50:33.740] 他覺得這幾個都很重要

[50:33.740 -> 50:35.100] 然後我覺得這也不錯呢

[50:35.100 -> 50:36.400] 但是我後來想了一下

[50:36.400 -> 50:37.500] 好像也不對

[50:37.500 -> 50:38.940] 我覺得12應該是這個

[50:38.940 -> 50:40.820] 我們應該要開始來完成的是AI

[50:40.820 -> 50:42.020] 這個才是重點

[50:42.020 -> 50:46.000] 那最後做個總結就是我們的要學這AI工具啊大概就是溝通能力啊我們要盡可能的去做一些比較具體的一些的改進然後我們也會在這個

[50:46.000 -> 50:48.000] 我們會在這個

[50:48.000 -> 50:50.000] 我們會在這個

[50:50.000 -> 50:52.000] 我們會在這個

[50:52.000 -> 50:54.000] 我們會在這個

[50:54.000 -> 50:56.000] 我們會在這個

[50:56.000 -> 50:58.000] 我們會在這個

[50:58.000 -> 51:00.000] 我們會在這個

[51:00.000 -> 51:02.000] 我們會在這個

[51:02.000 -> 51:04.000] 我們會在這個

[51:04.000 -> 51:06.000] 我們會在這個我們會在這個我們現在其實跟他離得很遠,沒有這樣的一個體系OK,好,那我的介紹就到這邊,謝謝

[51:06.000 -> 51:09.000] 好,非常謝謝凡恩賓學長

[51:09.000 -> 51:12.000] 其實今天是非常非常難得的一個場次

[51:12.000 -> 51:15.000] 因為就即便是像Chad GPT從去年11月上了之後

[51:15.000 -> 51:18.000] 那我相信我們所有的人

[51:18.000 -> 51:21.000] 經由驚訝,經歷了很多的挑戰

[51:21.000 -> 51:24.000] 那在這個過程當中

[51:24.000 -> 51:26.500] 我們也能夠看到很多的成果因為就 呃 即便是像Chad GPT從去年11月上了之後

[51:26.500 -> 51:29.500] 那我相信我們所有的人經由驚訝

[51:29.500 -> 51:34.500] 然後有點焦慮 然後之後去玩了之後

[51:34.500 -> 51:36.000] 然後有一點點適應

[51:36.000 -> 51:39.500] 那這一路走來其實也聽了非常非常多的演講

[51:39.500 -> 51:43.000] 跟大家應該也多或多或少有做一些了解

[51:43.000 -> 51:47.000] 那但是呢 今天凡斌學長是以技術出身的角度

[51:47.000 -> 51:49.040] 站在對於技術的透徹了解

[51:49.040 -> 51:50.640] 還有熱情之餘

[51:50.640 -> 51:52.560] 他轉而以比較相對來講

[51:52.560 -> 51:55.680] 比較人文一點的思考來分享

[51:55.680 -> 51:58.440] 說我們到底要用什麼樣子的態度

[51:58.440 -> 52:00.360] 來面對AIGC

[52:00.360 -> 52:04.760] 那我也簡單的來總結一下

[52:04.760 -> 52:06.200] 剛才學長所提到的

[52:06.200 -> 52:10.000] 那比較重點的也是在於說我們先前曾經

[52:10.000 -> 52:15.280] 也許對於這種已經爆炸了的數量的AI工具

[52:15.280 -> 52:20.440] 那我們先前應該也是著重在深耕自己的技術專業

[52:20.440 -> 52:24.120] 那也著重在要解決問題看到結果

[52:24.120 -> 52:28.000] 那學長目前是有提醒我們也分享說

[52:28.000 -> 52:30.000] 其實資訊爆炸

[52:30.000 -> 52:33.000] 那轉為AI工具爆炸了的時候呢

[52:33.000 -> 52:37.000] 我們溝通的能力比技術專業還重要

[52:37.000 -> 52:40.000] 那我們也要問對問題比解決問題來得重要

[52:40.000 -> 52:43.000] 那過程其實比結果來得重要了

[52:43.000 -> 52:45.640] 維護比開發來得重要

[52:45.640 -> 52:47.640] 也要化被動為主動

[52:47.640 -> 52:49.640] 那我們線上呢

[52:49.640 -> 52:52.640] 也有一些參與的好朋友們

[52:52.640 -> 52:54.640] 來提了一些問題

[52:54.640 -> 52:56.640] 我們首先來看一下

[52:56.640 -> 52:59.640] 請教有推薦的GPT課程嗎

[52:59.640 -> 53:01.640] 不管是付費或者是免費

[53:01.640 -> 53:05.540] 那個我推薦可以先看

[53:05.540 -> 53:07.440] 無關打的Coursera的課程

[53:07.440 -> 53:08.540] 不過我覺得要看

[53:08.540 -> 53:10.840] 你的那個背景是什麼

[53:10.840 -> 53:12.540] 因為這幾個我覺得策略不一樣

[53:12.540 -> 53:14.880] 如果假設只是學怎麼去使用

[53:14.880 -> 53:16.440] Chain的GPT的話

[53:16.440 -> 53:17.640] 我覺得就自己玩吧

[53:17.640 -> 53:19.180] 那如果是要學一些比較

[53:19.180 -> 53:20.820] 稍微Advanced一點

[53:20.820 -> 53:22.020] 例如像學Languages

[53:22.020 -> 53:23.720] 學一些AI Engine的一些

[53:23.720 -> 53:26.140] 這種Coding或這種東西的話

[53:26.140 -> 53:28.700] 可以先看Coursera的無人島的課程

[53:28.700 -> 53:30.760] 而且他最近是有公開一些免費的課程

[53:30.760 -> 53:34.080] 例如像包含怎麼跟Data去做一個互動

[53:34.080 -> 53:36.380] 寫一個AI Agent跟Data互動之類的

[53:36.380 -> 53:43.040] 然後迷因圖的我把他停留在這一頁

[53:43.040 -> 53:44.580] 不過他這個有點討厭

[53:44.580 -> 53:46.400] 我是沒有付錢啦 因為有點貴

[53:46.400 -> 53:47.900] 那那個註冊以後

[53:47.900 -> 53:50.000] 你的免費的Coda只有20次

[53:50.000 -> 53:51.800] 可能也許這個網站很全吧 我不知道

[53:51.800 -> 53:53.900] 反正就是能夠玩20次就對了

[53:53.900 -> 53:56.100] 那玩的時候記得右上角

[53:56.100 -> 53:58.800] 選那個Input Language跟Output Language

[53:58.800 -> 54:00.500] 記得可以改中文 那是可以改的

[54:00.500 -> 54:02.500] 那另外這個圖做出來以後

[54:02.500 -> 54:07.000] 下面的Edit這裡也可以去編吉他上面的字可以看到我下面還有17個Coda然後另外剛剛看在這個聊天區有看到

[54:07.000 -> 54:09.000] 謝謝謝謝,軟性的主題分享

[54:09.000 -> 54:11.000] 對,謝謝,剛好你有玩Lenchain

[54:11.000 -> 54:13.000] 因為我們現在如果要用Lenchain的話

[54:13.000 -> 54:15.000] 用OpenAI的Key會有Privacy的問題

[54:15.000 -> 54:17.000] 就是會有隱私的問題

[54:17.000 -> 54:19.000] 我們這個資料會傳給OpenAI

[54:19.000 -> 54:21.000] 這是確定的

[54:21.000 -> 54:23.000] 所以這件事情我們必須得要

[54:23.000 -> 54:27.500] 我們必須要有一個我們必須要有一個如果要用Lanchain的話,用OpenAI的Key會有Privacy的問題,就是會有隱私的問題我們這個資料會傳給OpenAI,這是確定的

[54:27.500 -> 54:31.000] 所以這件事情我們必須得要有幾個策略嘛

[54:31.000 -> 54:34.500] 一個是自己去建一個LNN,這大公司才能做

[54:34.500 -> 54:38.500] 那另外一個就是我們要過去之前要先做Invading

[54:38.500 -> 54:40.500] 就是轉成Vector Database

[54:40.500 -> 54:44.500] 然後把這些Vector存在自己的Vector Store沒有錯

[54:44.500 -> 54:48.000] 而且這種方式可以來壓低這整個文件傳輸的成本我們現在是在做一個 一個比較簡單的一個比較簡單的一個 一個比較簡單的一個

[54:48.000 -> 54:52.000] 一個比較簡單的一個 一個比較簡單的一個

[54:52.000 -> 54:56.000] 一個比較簡單的一個 一個比較簡單的一個

[54:56.000 -> 55:00.000] 一個比較簡單的一個 一個比較簡單的一個

[55:00.000 -> 55:04.000] 一個比較簡單的一個 一個比較簡單的一個

[55:04.000 -> 55:05.000] 一個比較簡單的一個 一個比較簡單的一個那線上還有一位參與的夥伴們舉手

[55:05.000 -> 55:07.000] 張松芳

[55:07.000 -> 55:10.000] 我們是不是直接開麥克風讓您提問

[55:15.000 -> 55:16.000] 沒有 好

[55:16.000 -> 55:21.000] 那請問還有沒有其他的與會夥伴們有問題想要提問的

[55:21.240 -> 55:26.200] 問題想要提問的

[55:26.720 -> 55:30.160] 好最後我想要請教一下那個凡賓學長

[55:30.160 -> 55:35.320] 如果我們就是大致上把現在所有的

[55:35.320 -> 55:42.080] 能夠接觸到的這個GPT或AIGC方面的這個

[55:42.080 -> 55:43.160] 所有的人群

[55:43.160 -> 55:44.760] 簡單用年齡層來分

[55:44.760 -> 55:45.000] 那您會對於我大概簡單�啊簡單用年齡層來分

[55:45.000 -> 55:49.000] 那您會對於 我大概簡單挑了三個年齡段

[55:49.000 -> 55:52.000] 那我想要請教學長分別對這三個年齡段

[55:52.000 -> 55:54.000] 會有什麼樣子的建議

[55:54.000 -> 55:57.000] 第一個是10歲到20歲

[55:57.000 -> 56:01.000] 那第二個是30歲到40歲

[56:01.000 -> 56:04.000] 那第三個是50歲到60歲

[56:04.000 -> 56:07.500] 那不曉得就是學長會有什麼樣子的想法

[56:07.500 -> 56:09.000] 對於這三個年齡段

[56:09.000 -> 56:11.000] 那對於AIGC的來臨

[56:11.000 -> 56:12.500] 會有什麼樣子的建議

[56:12.500 -> 56:17.500] 喔 你問了一個非常非常難回答的問題

[56:17.500 -> 56:18.500] 有點廣

[56:18.500 -> 56:22.000] 我覺得這三個年齡段對於AIGC的看法

[56:22.000 -> 56:26.300] 其實就他們的平均來講會差蠻多的

[56:26.300 -> 56:29.300] 先講那個我覺得10歲到20歲

[56:29.300 -> 56:30.800] 我覺得其實不用太擔憂啦

[56:30.800 -> 56:34.300] 因為就像我們小時候可能電腦剛出來

[56:34.300 -> 56:35.300] 然後網路剛出來

[56:35.300 -> 56:37.300] 我們可能會就習慣了嘛

[56:37.300 -> 56:38.300] 我們的家長不會用

[56:38.300 -> 56:39.300] 我們自己會用

[56:39.300 -> 56:39.800] 習慣了

[56:39.800 -> 56:41.300] 我們現在都會用電腦來工作

[56:41.300 -> 56:42.300] 所以我覺得小朋友不太擔心

[56:42.300 -> 56:46.000] 但是反倒是教育可能要改變

[56:46.000 -> 56:48.000] 我覺得教育的方式應該要改變

[56:48.000 -> 56:50.000] 因為當然我提到這幾個重點

[56:50.000 -> 56:52.000] 有點像是如果我們今天

[56:52.000 -> 56:54.000] 丟一個問題給小朋友

[56:54.000 -> 56:56.000] 丟10歲到20歲的時候

[56:56.000 -> 56:58.000] 我們不要奢望他給你正確的答案

[56:58.000 -> 57:00.000] 因為他給正確的答案他可能是用AI生成的

[57:00.000 -> 57:02.000] 我覺得應該是可以讓他們分組討論

[57:02.000 -> 57:04.000] 然後可以反過來問他們說

[57:04.000 -> 57:05.000] 你們會問AI什麼問題

[57:05.000 -> 57:06.360] 這是第一點

[57:06.360 -> 57:07.680] 然後第二個問題是

[57:07.680 -> 57:09.400] 那AI寫出來的結果對不對 為什麼

[57:09.400 -> 57:11.920] 請討論 然後請輪流分享

[57:11.920 -> 57:13.640] 那透過這種方式我覺得可以

[57:13.640 -> 57:15.640] 比較有效的去鍛鍊剛剛講的那些

[57:15.640 -> 57:17.480] 什麼溝通啊 什麼過程比結果重要啊

[57:17.480 -> 57:18.640] 什麼如何問對問題啊

[57:18.640 -> 57:19.840] 什麼之類的 啪啦啪啦的

[57:19.840 -> 57:22.680] 所以這個小朋友的階段我覺得

[57:22.680 -> 57:26.120] 只要讓他們改用這種方式

[57:26.120 -> 57:27.240] 不要用填鴨式的教育

[57:27.240 -> 57:28.640] 我覺得應該是OK

[57:28.640 -> 57:31.680] 那30到40歲應該是我們這一段

[57:31.680 -> 57:34.320] 我們這一段會嘗試來學這些AI工具

[57:34.320 -> 57:36.960] 可是邊學然後一邊就會覺得很焦慮

[57:36.960 -> 57:40.720] 所以我覺得這個東西我們就只能夠

[57:40.720 -> 57:43.280] 我們就只能夠靠

[57:43.280 -> 57:45.000] 平常可能要多接觸這些科技新聞吧

[57:45.000 -> 57:47.000] 然後大家可以組一些

[57:47.000 -> 57:48.000] 就像讀書院或什麼的

[57:48.000 -> 57:49.000] 然後或者多聽一些

[57:49.000 -> 57:51.000] 或是多看一些科技的新知

[57:51.000 -> 57:52.000] 然後要建立一些信心

[57:52.000 -> 57:54.000] 不用太過焦慮啦我覺得

[57:54.000 -> 57:56.000] 其實只要會一門AI工具

[57:56.000 -> 57:57.000] 稍微熟悉一下

[57:57.000 -> 57:59.000] 那大概掌握它的脈絡

[57:59.000 -> 58:02.000] 然後慢慢的把它引用到自己的生活

[58:02.000 -> 58:04.000] 或者自己的工作中我覺得是還好

[58:04.000 -> 58:06.160] 那50到60歲的話

[58:06.160 -> 58:08.840] 我會覺得要適應這個AI工具很難

[58:08.840 -> 58:10.920] 因為這些AIG系的概念

[58:10.920 -> 58:14.400] 其實跟他們過往所學的概念是相反的

[58:14.400 -> 58:16.640] 我覺得要花很大的心力

[58:16.640 -> 58:18.000] 來學習這些東西

[58:18.000 -> 58:19.000] 我是這樣看啦

[58:19.000 -> 58:20.240] 但是也有少數人

[58:20.240 -> 58:22.320] 也是有非常厲害的人

[58:22.320 -> 58:24.120] 可以在這上面如意得水

[58:24.120 -> 58:25.360] 但是普遍來講大多數對這個接受程度可以在這上面如意得水但是普遍來講

[58:25.360 -> 58:28.720] 大多數對這個接受程度是比較低的

[58:28.720 -> 58:33.840] 那比較低的情況如果要說服他們能夠去接受這些東西的話

[58:33.840 -> 58:39.840] 我覺得可能真的就是要靠讀書會的分享

[58:39.840 -> 58:45.000] 然後可能還是希望能夠讓他們親自的體驗或是親自的使用

[58:45.000 -> 58:51.000] 因為如果他不親自的去用,你跟他講再多,他可能也就會用他的想法去想

[58:51.000 -> 58:55.000] 譬如說他可能會說AI為什麼會做到這樣之類的,或者他根本就不信

[58:55.000 -> 58:59.000] 或者他說這樣做出來根本就沒有用,他做出來又是錯的,啪啦啪啦什麼的

[58:59.000 -> 59:04.000] 所以要讓他們能夠,不管你是用欺騙或是用其他的方式,讓他們親自去體驗

[59:04.000 -> 59:05.200] 然後可以找一些有趣的

[59:05.200 -> 59:08.360] 然後或者是比較沒有那麼權威的

[59:08.360 -> 59:09.880] 權威意思是指說

[59:09.880 -> 59:12.480] 假設因為五六十歲他一定是某方面的專家

[59:12.480 -> 59:15.720] 那不要找跟這個他那方面的專家有關的AI

[59:15.720 -> 59:18.040] 例如像他可能是畫畫的專家

[59:18.040 -> 59:19.640] 那你就不要找AI繪圖給他玩

[59:19.640 -> 59:21.760] 你拿一個什麼AI生成聲音

[59:21.760 -> 59:23.000] 音樂之類的

[59:23.000 -> 59:27.960] 讓他慢慢的去潛移默化對啊這是我的想法我會把這個AI的技術 跟AI的技術的結合起來然後讓AI的技術 跟AI的技術的結合起來

[59:27.960 -> 59:30.960] 然後讓AI的技術 跟AI的技術的結合起來

[59:30.960 -> 59:33.960] 然後讓AI的技術 跟AI的技術的結合起來

[59:33.960 -> 59:36.960] 然後讓AI的技術 跟AI的技術的結合起來

[59:36.960 -> 59:39.960] 然後讓AI的技術 跟AI的技術的結合起來

[59:39.960 -> 59:42.960] 然後讓AI的技術 跟AI的技術的結合起來

[59:42.960 -> 59:46.000] 然後讓AI的技術 跟AI的技術的結合起來然後讓AI的技術 跟AI的技術的結合起來這個大家在問了不過這個道德規範問題啊我記得這個AIG系列

[59:46.000 -> 59:48.000] 這個整個talk的系列結尾的時候

[59:48.000 -> 59:50.000] 的幾位講者也會來

[59:50.000 -> 59:52.000] 對這個做更深一步的討論

[59:52.000 -> 59:54.000] 我這邊就不班門弄斧了

[59:54.000 -> 59:56.000] 但我覺得道德規範問題一定會是

[59:56.000 -> 59:58.000] 一個最重要的問題

[59:58.000 -> 01:00:00.000] 像我丟那個什麼

[01:00:00.000 -> 01:00:02.000] 我自己在玩AI玩chattergpt的時候

[01:00:02.000 -> 01:00:04.000] 我就叫chattergpt上網

[01:00:04.000 -> 01:00:06.500] 我就跟他講說幫我去survey這個月

[01:00:06.500 -> 01:00:08.440] 最新的AI趨勢是什麼

[01:00:08.440 -> 01:00:09.840] 然後叫他列幾個給我

[01:00:09.840 -> 01:00:13.040] 那道德就是最重要的一項之一

[01:00:13.040 -> 01:00:16.900] 因為道德這個問題很嚴重

[01:00:16.900 -> 01:00:18.300] 是這裡牽涉到幾個點

[01:00:18.300 -> 01:00:22.080] 一個是他的訓練數據會不會有偏見

[01:00:22.080 -> 01:00:23.840] 那第二個問題是

[01:00:23.840 -> 01:00:25.000] 他你用他生成的東西譬如說他可能參考某個人的風格然後給你這個東西

[01:00:25.000 -> 01:00:27.000] 那你用他會不會有侵權法律的問題

[01:00:27.000 -> 01:00:30.000] 所以這個其實有很多要討論的問題

[01:00:30.000 -> 01:00:32.000] 那你這樣做對嗎

[01:00:32.000 -> 01:00:33.000] 那這反過來

[01:00:33.000 -> 01:00:35.000] 然後這個道德的問題

[01:00:35.000 -> 01:00:37.000] 譬如像他在學這個數據

[01:00:37.000 -> 01:00:39.000] 然後學出這樣的一個AI

[01:00:39.000 -> 01:00:40.000] 那你去使用他

[01:00:40.000 -> 01:00:42.000] 那你會不會又不小心

[01:00:42.000 -> 01:00:44.000] 就是他一開始就帶有偏見

[01:00:44.000 -> 01:00:45.660] 例如像他比較偏向於他比較偏向於他自己的方式他在學這個數據,然後學出這樣的AI那你去使用他,那你會不會又不小心

[01:00:45.660 -> 01:00:48.680] 就是他一開始帶有偏見

[01:00:48.680 -> 01:00:51.460] 例如像他比較偏向白人,比較偏向西方人

[01:00:51.460 -> 01:00:55.960] 那社會文化是比較偏向西方人的文化

[01:00:55.960 -> 01:00:58.600] 那我們是不是會有一些道德的議題

[01:00:58.600 -> 01:01:01.460] 因為不同的民族看法是不一樣的

[01:01:01.460 -> 01:01:06.000] 然後文本生成是用多少百分比的AI

[01:01:06.000 -> 01:01:08.000] 有,像有什麼確實GPT-Law之類的吧

[01:01:08.000 -> 01:01:10.000] 就是一些GPT-Law

[01:01:10.000 -> 01:01:12.000] 事實上一個參考啦

[01:01:12.000 -> 01:01:14.000] 因為那個文本生成

[01:01:14.000 -> 01:01:16.000] 要用AI去檢查

[01:01:16.000 -> 01:01:18.000] 它是不是用AI生成的

[01:01:18.000 -> 01:01:20.000] 這跟病毒和放毒亂體的概念是一樣的

[01:01:20.000 -> 01:01:22.000] 就是一個道高一尺魔高一丈的概念

[01:01:22.000 -> 01:01:24.000] 所以都有

[01:01:24.000 -> 01:01:27.480] 就是用AI去檢查你這個照片是不是AI生成的

[01:01:27.480 -> 01:01:31.980] 或者是用AI去檢查你這篇文章是不是AI生成的都有

[01:01:31.980 -> 01:01:34.480] 那準確度呢,不敢掛保證

[01:01:34.480 -> 01:01:37.480] 但是如果你直接生成給他,他一定抓得到

[01:01:37.480 -> 01:01:40.680] 因為他的技術原理是

[01:01:40.680 -> 01:01:42.680] 去抓Latent space上面的紋理

[01:01:42.680 -> 01:01:44.680] 就是確認GP生產出來以後

[01:01:44.680 -> 01:01:46.680] 他可能在高危的空間裡面,然後有一個特定的紋理就是確認GP生產出來以後他可能在高危的空間裡面

[01:01:46.680 -> 01:01:48.680] 然後有一個特定的紋理

[01:01:48.680 -> 01:01:50.680] 他是用這種方式去探究的

[01:01:50.680 -> 01:01:52.680] 所以確認GP寫出來之後你稍微改一下

[01:01:52.680 -> 01:01:54.680] 然後譬如像你把它丟到Google翻譯

[01:01:54.680 -> 01:01:56.680] 中翻譯然後再英翻中

[01:01:56.680 -> 01:01:58.680] 然後你再丟給剛剛的偵測工具

[01:01:58.680 -> 01:02:00.680] 然後就可以把它破解掉

[01:02:00.680 -> 01:02:02.680] 這是一個方法

[01:02:02.680 -> 01:02:04.680] 但是當然也會有更好的工具嘛

[01:02:04.680 -> 01:02:07.280] 所以這是一個病毒防毒的演進概念

[01:02:07.280 -> 01:02:08.120] OK好

[01:02:11.400 -> 01:02:11.960] 好

[01:02:11.960 -> 01:02:16.320] 在這個有一位觀眾有舉手

[01:02:16.320 -> 01:02:22.480] 桑敏晨不曉得有沒有什麼問題想要請教學長

[01:02:26.080 -> 01:02:52.320] 方便我們直接開麥克風嗎好

[01:02:52.320 -> 01:02:56.560] 或者是非常欢迎打字在问答区

[01:02:56.560 -> 01:02:58.480] 好

[01:02:58.480 -> 01:03:01.280] 在问答区也有另外一题

[01:03:01.280 -> 01:03:02.760] 海千学长有问

[01:03:02.760 -> 01:03:04.720] Chat GPT适应人的使用

[01:03:04.720 -> 01:03:07.100] 还是人适应�應人的使用還是人適應 Chet GPT 的使用

[01:03:07.100 -> 01:03:10.500] 目前都還是要知道

[01:03:10.500 -> 01:03:12.200] Chet GPT 什麼使用

[01:03:14.700 -> 01:03:15.900] 對呀

[01:03:15.900 -> 01:03:16.900] 我想應該是啦

[01:03:16.900 -> 01:03:17.900] 因為現在這個

[01:03:17.900 -> 01:03:19.400] 真的變化好大

[01:03:19.400 -> 01:03:21.300] 尤其是有在關注的

[01:03:21.300 -> 01:03:22.800] 可以看一下這兩天

[01:03:22.800 -> 01:03:24.300] OpenAI 發布的那個

[01:03:24.300 -> 01:03:25.880] 那個什麼GPT

[01:03:25.880 -> 01:03:28.320] Chair的GPT的那個Interpreter

[01:03:28.320 -> 01:03:30.120] 這個東西真的很可怕

[01:03:30.120 -> 01:03:36.880] 好 另外在觀眾這邊

[01:03:36.880 -> 01:03:50.560] 還有黃景復有舉手想要提问

[01:03:52.880 -> 01:03:58.920] 或者一位呃带红名

[01:04:01.840 -> 01:04:05.900] 如果没有办法就是开麦克风的话非常欢迎能够在在問答區用打字的方式提問

[01:04:10.900 -> 01:04:12.660] 這邊有朋友問

[01:04:12.660 -> 01:04:15.020] 怎麼樣調適AI帶來的焦慮感

[01:04:15.020 -> 01:04:17.020] 哈哈哈哈

[01:04:17.020 -> 01:04:19.020] 我誒

[01:04:19.020 -> 01:04:21.020] 我的調適方式就是

[01:04:21.020 -> 01:04:22.540] 用就對了

[01:04:22.540 -> 01:04:23.540] 沒有啦就是

[01:04:23.540 -> 01:04:25.000] 其實AI工具演進得太快

[01:04:25.000 -> 01:04:27.000] 就不要去盲目的追那麼多的AI工具

[01:04:27.000 -> 01:04:29.000] 那個一定追不完

[01:04:29.000 -> 01:04:32.000] 因為這些,我猜這些大廠一定在那邊每天用AI工具去生成AI工具

[01:04:32.000 -> 01:04:34.000] 所以不用去盲目的去追

[01:04:34.000 -> 01:04:36.000] 我覺得就是挑自己有關的

[01:04:36.000 -> 01:04:38.000] 那我剛剛有講,就挑自己有關的

[01:04:38.000 -> 01:04:41.000] 然後專心的把它用好,然後了解怎麼主動的去用就可以了

[01:04:41.000 -> 01:04:43.000] 然後也不用太過焦慮啦

[01:04:43.000 -> 01:04:46.000] 那只是說它的確會造成產業的變化

[01:04:46.000 -> 01:04:48.000] 既然知道他會造成變化

[01:04:48.000 -> 01:04:50.000] 我們就做好準備就好了

[01:04:50.000 -> 01:04:52.000] 至於AI工具越出越多

[01:04:52.000 -> 01:04:54.000] 就讓他越出越多吧

[01:04:54.000 -> 01:04:56.000] 像我自己的做法就是

[01:04:56.000 -> 01:04:58.000] 在玩這些AI工具的時候

[01:04:58.000 -> 01:05:00.000] 我會把他叫玩

[01:05:00.000 -> 01:05:02.000] 我會

[01:05:02.000 -> 01:05:04.000] 就是玩啦

[01:05:04.000 -> 01:05:05.000] 就是這個心態就是比較有趣的心態

[01:05:05.000 -> 01:05:06.000] 就可以忘記這個焦慮感

[01:05:06.000 -> 01:05:08.000] 就像我剛剛講的那個GPT

[01:05:08.000 -> 01:05:11.000] 新出的這個工具

[01:05:11.000 -> 01:05:12.000] 其實蠻可怕的

[01:05:12.000 -> 01:05:14.000] 但是可以反過來講蠻好玩的

[01:05:14.000 -> 01:05:15.000] 我的第一個時候

[01:05:15.000 -> 01:05:16.000] 我那個

[01:05:16.000 -> 01:05:18.000] 剛剛稍早一個小時前我就在測

[01:05:18.000 -> 01:05:19.000] 我就上傳一個哈士奇的照片

[01:05:19.000 -> 01:05:21.000] 應該說哈士奇的圖片

[01:05:21.000 -> 01:05:23.000] 然後問他說這個圖片是什麼圖片

[01:05:23.000 -> 01:05:24.000] 然後GPT很高興地回答我說

[01:05:24.000 -> 01:05:26.000] 這是一隻哈士奇的狗狗,他盯著鏡頭看

[01:05:26.000 -> 01:05:28.000] 然後我就跟GP講說

[01:05:28.000 -> 01:05:30.000] 你幫我把這個照片

[01:05:30.000 -> 01:05:32.000] 拆掉,幫我留下耳朵就好

[01:05:32.000 -> 01:05:34.000] 然後結果這個GP真的會幫我

[01:05:34.000 -> 01:05:36.000] 乖乖的幫我把這個做到

[01:05:36.000 -> 01:05:38.000] 而且給我這張照片,這張影像

[01:05:38.000 -> 01:05:40.000] 他就給我,那我覺得很好玩啊

[01:05:40.000 -> 01:05:42.000] 我是抱著這個心態啊

[01:05:42.000 -> 01:05:44.000] 雖然聽起來他很可怕,但是

[01:05:44.000 -> 01:05:46.000] 他很好玩

[01:05:46.000 -> 01:05:48.000] 因為接下來我會開始玩其他有的沒的

[01:05:48.000 -> 01:05:50.000] 然後發現他有些事情他還是做不到

[01:05:50.000 -> 01:05:52.000] 所以他沒有大家想像中的那麼厲害

[01:05:52.000 -> 01:05:54.000] 大家可能看那個youtube

[01:05:54.000 -> 01:05:56.000] 可能覺得他好厲害喔

[01:05:56.000 -> 01:05:58.000] 他可以幫我們把這個照片裁剪

[01:05:58.000 -> 01:06:00.000] 他也知道這個照片裡面講的是一隻狗

[01:06:00.000 -> 01:06:02.000] 他也可以這個照片留下耳朵

[01:06:02.000 -> 01:06:04.000] 然後我跟他講說幫我留下耳朵

[01:06:04.000 -> 01:06:06.000] 他就剪裁然後留下耳朵但是我就跟他講說你幫我去背

[01:06:06.000 -> 01:06:08.000] 然後他就跟我講說他做不到

[01:06:08.000 -> 01:06:10.000] 對 就是玩嘛

[01:06:10.000 -> 01:06:12.000] 就是放輕鬆然後跟他玩

[01:06:16.000 -> 01:06:18.000] 好的

[01:06:18.000 -> 01:06:20.000] 最後請問戴宏明

[01:06:20.000 -> 01:06:22.000] 他有問題想要問嗎

[01:06:27.520 -> 01:06:28.000] 好還有問題想要問嗎好

[01:06:28.000 -> 01:06:32.600] 最後增量有表達高中生大學學習歷程裡面

[01:06:32.600 -> 01:06:34.680] GPT的話應該可以賣很多錢

[01:06:36.400 -> 01:06:37.000] 好的

[01:06:37.000 -> 01:06:44.360] 那最後再再請教一下大家有沒有其他任何問題想要請問的

[01:06:45.000 -> 01:06:49.000] 好那我現在請教一下大家有沒有其他任何問題想要詢問的?

[01:06:56.000 -> 01:07:05.320] 好,沒有的話呢,那以上就是我們今天的活動那AI Innovation Talk其實我們也非常強力的正在徵求任何的講師主持人還有共辦的人員

[01:07:05.320 -> 01:07:09.520] 那反請各位大家在課後的問卷上

[01:07:09.520 -> 01:07:12.840] 可以提供像這樣子的資源

[01:07:12.840 -> 01:07:14.920] 自願的資源的協助

[01:07:14.920 -> 01:07:16.400] 離開研討會的時候

[01:07:16.400 -> 01:07:20.200] 非常希望能夠協助填寫問卷的回饋

[01:07:20.200 -> 01:07:22.920] 那在下一個禮拜

[01:07:22.920 -> 01:07:26.400] 我們在7月16號晚間同一時間

[01:07:26.400 -> 01:07:30.320] 會有地端大語言模型架設實踐

[01:07:30.320 -> 01:07:33.760] 主要的講師有林文斌講師

[01:07:33.760 -> 01:07:36.520] 那主持人是我們今天的樊斌學長

[01:07:36.520 -> 01:07:38.400] 那這也是日前

[01:07:38.400 -> 01:07:41.520] 目前非常非常夯的一個主題

[01:07:41.520 -> 01:07:44.080] 那接下來的幾個禮拜

[01:07:44.080 -> 01:07:53.000] 我們都已經有安排好非常受歡迎熱門的主題在八月還有九月非常歡迎大家共同參與

[01:07:53.000 -> None] 那以上是今天的AI Innovation Talk今天非常謝謝大家的光臨那我們下個禮拜再見 you