Anna个策略轉譯視界
3 位追蹤者
Anna个策略轉譯視界
3 位追蹤者
法律系與哲學所、非營利組織管理所背景，專注發展ESG、動物福利、永續策略與社會創新
結合理性思辨與實務經驗，書寫觀點、策略與日常觀察，探索價值如何轉化為影響力與可持續行動
不打造善良人設，也不製造對立，只留下清晰、耐用的思考框架與實踐路徑
擅長解構與建立系統性商模策略，規劃落地方案
專注於行銷、管理、動物福利、ESG、社會創新
唸過法律系／哲學所／非營利管理所
這裡紀錄我對世界的觀察方式
-----------
嘿！我不是來替你解題的
我是來重新描繪題目的人
全部內容
由新到舊
為什麼公司有了錢與人，反而長不大了？
許多企業真正卡住的時刻，是在已活下來、開始有資源的「成長期探索階段」。此時常出現三種狀態：過度追求完美導致決策停滯、同時推進多方向卻無法收斂、以及捨不得放手而受限於過去成功經驗。企業需要的往往不是更努力，而是調整決策方式，學會在探索與收斂之間找到節奏。
資料科學、機器學習與監督式學習，不只是 AI 技術，而是三種不同的思考模式：
資料科學像整理者，先把混亂世界排出秩序；機器學習像實驗者，先做再調整；監督式學習則是兩者的協作，先定義答案，再透過不斷嘗試逼近結果。理解這三種模式，有助於辨識自己的工作習慣與決策方式。
多數企業不是不想轉型，而是不知道該從哪裡開始。
特別是製造業與代理商，面對 ESG 的第一反應通常是：「那就先算吧。」
但「算」只是起點。
真正決定成敗的，是那個起點能不能被延展。
<轉引本文／改編本文請標註作者（Hsiao-Hsuan Chang, 2025）以及附上本文連結>
一、
在研究 AI 的過程裡，我常會思考一個問題：
「如果 AI 真的能學會思考，那它學到的，是人類的知識，還是人類的價值？」
LLM 負責「知道」；監督微調讓 AI 學會「模仿」；RLHF ，教它「選擇」
這三層結構反映人類從「知識」到「判斷」的過程，
也是 AI 學習成為「懂人」的發展路徑。
這篇專欄以黑客松比賽經驗為引，對照 AI 的兩種思維：垂直（Vertical AI） 專注深耕；水平（Horizontal AI） 強調跨界擴展。這兩種模式同時也映照人格傾向與策略選擇：垂直帶來深度優勢；水平帶來靈活連結。真正的關鍵不在於選邊，而是依情境靈活切換，讓深度與廣度互補，推動創新與競爭力。
黑客松並不只是「創意比賽」，而是一個壓縮版的現實縮影。
它讓我看見了什麼東西容易被快速理解、什麼東西需要時間才能被看見；也讓我重新思考，當我們在推動永續商業模式或 ESG 時，該如何把「不可見的價值」轉化為「可理解的語言」。
這是AI 無法理解人類核心概念與語意差異、語意預測盲區的具體案例、AI 對語境創新與語場稀有性的不適應。這個概念從未在我過去的專欄中被清楚拆解過，故我在此也重新強調了「人類主體意識」的重要性。
現代社會對於「獨立思考」的能力重視，似乎已轉變為一種無形的道德壓力。當我們習慣讓 AI 回答問題時，我們真的還有思考嗎？這篇從語意鏡像和自我認知切入，提出一個核心見解。
當對話中不再有「他者」，
和語言模型溝通不同於與人類進行對話，
從我們開始與 AI 頻繁互動之際，一場結構性的語言模式轉變就已經開始。
在AI高速發展的這個時代，人類即將被迫正視這個問題「追求自我的時代， 讓人類更容易墜入AI模型幻覺」。
本文將說明如何辨識AI模型幻覺與自我認知之間的關係，並且藉此打破語意結構盲點，達到凌駕於AI之上，讓AI真正成為人類使用者的工具而非替代品。
