人腦 vs. AI：人與 AI 協作的藝術
讓我們從自動化抓新聞的角度切入，來看人與 AI 協作的那個邊界在哪。
卷首語
最近在規劃自動化的課程，在此偷偷放上我的試錄跟簡報，如果你對數位工具自動化感興趣，可以填個表單先讓我知道，第一手消息報你知。
現在越來越能感受 LLM 帶來的能力差異了，不管如何推薦我的讀者，開始將 AI 用在生活的方方面面，習慣 AI、感受 AI，與 AI 共同協作。
最近感覺特別累，晚上也都有會議，然後開始規劃課程，希望今年可以有不一樣的改變，也希望大家都能抓住這一波機會讓自己更加成長。
👇🏻 友情推薦：慕約 AI 365訂閱計畫 👇🏻
每天被報表淹沒？會議討論卻總是繞圈子？同事已經用 AI 完成一半工作量，而你還在手動複製貼上？
在 AI 工具爆炸性成長的 2024 年，「知道 AI 很強大」和「實際運用 AI 提升工作效率」之間，存在著一道無形的鴻溝。
為什麼大多數人學不會真正應用 AI？
許多專業人士一樣，下載了各種 AI 工具，卻發現：
不知從何開始，只會用最基本功能
找不到適合自己工作情境的實用案例
學了基礎卻無法整合到日常工作流程
但慕約的「365 AI 訂閱計劃」，這套被譽為「文組工作者的 AI 救星」的系統化課程，將會徹底改變了你與 AI 共事的方式。
一套真正為實戰設計的 AI 學習系統，三大核心內容，全方位提升你的 AI 實力
1️⃣ AI 新知速報：走在趨勢最前端
每月更新的 AI 技術動態與產業趨勢，從 GPTs 到各種生成式 AI 工具的最新應用解析。不必再花時間爬文，一次掌握關鍵發展。
2️⃣ 實戰案例庫：即學即用的 AI 工作流
超過 100 組涵蓋各行各業的 AI 應用案例：
自動化資料搜集與視覺化報表
無程式基礎也能建立的工作流程
企業級 AI 導入案例
3️⃣ 社群互動：集體智慧的加速器
每月直播與 Office Hour：直接向李慕約提問
超過 2000 人規模的生成式 AI 社群：分享最新心得與技巧
定期小聚與年會：線下交流與人脈建立
適合誰參加？
想提升工作效率的文組專業人士
需要導入 AI 的企業團隊與管理者
希望快速掌握 AI 工具的自由工作者
對 AI 有興趣但不知從何開始的初學者
手刀加入 👉🏻 https://live.gaiconf.com/plans/muyuehai365
300 元折扣碼（只到 3/14）：CIRCLEGHOST
正文開始
以下文章提及的 AI 泛指 LLM
如何解決問題才是自動化的王道
延續上一篇的話題，讓我們用一個場景來說明自動化的核心到底是什麼：
獲取特定領域的知識 & 新聞。
夠簡單了吧，無論在什麼領域，只要是數位工作者一定都會有獲取資訊的需求，但獲取資訊這件事遠遠沒有這麼簡單。
有人利用 ChatGPT 新推出的 Task 功能，讓它每天定時整理並發送重要的財經、AI 等領域的新聞。
但對於 ChatGPT 來說，它可能就是去搜尋關鍵字『金融新聞』然後把返回結果整理給你，可想而知這個資訊品質可能參差不齊，也很難從中獲得什麼洞察。
對我來說資訊來源需要從拆解成以下幾個面向。
1. 資訊來源
看一個人平常閱讀的資訊來源可以反應一部分他的思考狀況。資訊來源五花八門，有書籍、電子報、社群、雜誌、影片、課程、講座等，再加入國內外這個維度，就知道光是一個資訊來源，就可以有二三十種以上的組合。
而 ChatGPT 選擇的只是最偷懶的方式，它可能只是上網搜尋『OO 新聞』。
選擇資訊來源應該如同挑選私藏美食一樣，需要個人主動且慎重地選擇。沒有人能替你決定什麼是『好的內容』，只有你能判斷什麼對於你是好的內容。
網路上一定會有很多推薦，但就像在 Google 搜尋『台南美食』、『台中美食』一樣，只要會做 SEO 的就知道怎麼寫到第一頁，結果導致當我們在 Google 進行搜尋時，發現怎麼第一頁的內容都長的一樣。
資料也有分第一手、第二手、第三手…等資料，非英文內容通常已經轉了好幾手，可能拿到某一個人寫的內容時已經翻了好幾個版本，這也是為什麼我在選題分享時，盡可能挑選英文期刊雜誌來分享，盡量讓資訊保持第一手。
所以有時候會找像 The New Yorker、The Economist，或是一些科技分析師、行業專家等人的內容來閱讀，不然就是會看像《VK 科技閱讀時間》這樣的深度刊物來閱讀。
訂閱知識倉鼠的讀者一定都會收到的第一封信，告訴各位我對資訊來源非常挑剔，因為這些資訊就像我們的日常飲食，關乎我們的大腦健康及發展。
2. 人與 AI 的差異：可教育性（融會貫通）
先跳離蒐集資訊這個主題，來了解人跟 AI 的核心差異，這樣才能更好的知道人如何與 AI 進行更好的協作。
最近 The New Yorker 上有一篇文章《什麼才是真正的學習意義？》，作者是曾得過圖靈獎的電腦科學家 Leslie Valiant，他提出了一個人與 AI 的根本核心差異：可教育性（educability）。
他認為，一個具有高度『可教育性』的人，能夠從書籍、對話、經歷等生活中汲取養分，然後在意想不到的時刻，將這些看似無關的知識聯絡起來。
讓我來解讀就是『融會貫通』，並且意會出新的想法。
生活中的問題是複雜多變的，很多時候並非單一領域的解決方案能夠解決，需要有足夠的觀察力跟洞察力抓出問題本質，然後再用不同的知識綜合來想出解決方法。
有個很著名的腦力激盪案例：『某個機場在冬天常因為跑道上積雪太厚，影響飛機起降。傳統的除雪方式都不夠高效，導致航班延誤，造成重大損失。』
傳統的解決方案可能如下：
加強鏟雪車數量和效率
利用地面加熱裝置融雪（成本高昂）
用強力風扇吹走積雪（效果有限）
使用爆炸物震落積雪（安全問題）
但是最後用上的是一個看似不切實際但非常實用的方法：『用直升機的螺旋槳氣流吹走積雪』。
直升機產生的強大氣流可以快速將跑道上的積雪吹離，甚至比傳統方式更有效率。
很多人會覺得這不就是創意嗎？
但『創意』是只有在累積足夠的見識後，才能越來越豐富能力，創造是想法的連結，擁有越豐富的見識、涉略越多樣的領域，在想法的連接上才能更加多樣，這也才是 Valiant 所強調的『可教育性』。
但我更傾向用『將所學所見融會貫通』的能力來形容。
對 AI 來說他擁有通識知識，知道非常多東西，但對於（目前的）語言模型來說，當它遇到特定問題時，它更傾向用那個領域的知識來解答問題，它所選擇的依據大多都跟問題有高度相關性。
對我來說目前 AI 還缺乏的能力有三：
看懂表面問題及本質（深度）問題。
用不同領域的知識，連結出特別的解決方法。
沒有『生活經歷』，缺乏特定的立場及價值觀。
為什麼第三點重要，因為這正是生而為人的寶貴，我們經歷數十年的事件，這些事件塑造了我們的選擇與價值觀。
簡單來說就是我們所做的一切選擇都有自己的偏好，這偏好放在 AI 裡就叫選擇的權重，沒有經歷風雨磨練的價值觀，思考就會少了一層深度。
一路做上領導人的獨裁型領導者 Steven Jobs ，跟以溝通、包容為核心的 Microsoft 領導者 Satya Nadella，兩者本身就是極端的領導風格。
但當你問 AI 如何成為一名好的領導者時，它可能不知道你今天遇到的問題本質是什麼，有可能：
你不知道如何領導他人；
它不知道你的環境是傳產還是新創；
你是老闆，但你是希望提升員工工作效率，卻以為這跟領導力有關。
解決方案就很難幫上忙。
這也是為什麼不斷學習非常重要，並且不一定要太功利的學習，莊子云『無用之用，必為大用』，現在幫不上忙的知識，很可能哪天變成救命稻草。
順便推一下友人 Sunny 的 Substack
，內容非常讚。3. 人做什麼，AI 做什麼
我們的主軸是從『自動化抓新聞簡單嗎？』出發，一開始提及資訊來源的用意在於『現有世界的資訊量過於龐大』。
而人需要根據自己的經驗跟判斷，決定『什麼是好的/有價值的內容』，然後用自己認知來決定要食用什麼樣的資訊來源。
但是這些來源可能散落在網路世界的各地，可能是電子報、LinkedIn、X、Reddit、PTT 等等，如何透過自動化軟體抓這些資訊就是我們會遇到的第一個問題。
怎麼運用我們融會貫通的能力（或者說可教育性）來解決問題就非常重要。
我相信隨著 AI 越來越強大，解決這類問題一定會越來越容易，但現實世界的複雜困難問題仍是無窮無盡的，拆解問題、解決問題永遠會是最強大的競爭力。
所以雖然說我是從新聞自動化的角度切入，但我想表達的是人的獨特性跟不能交給 AI 做的事有哪些，有釐清這個差異後，當我們使用工具時才不會混淆了自己與工具的定位，將本該是自己的工作交給 AI，卻怪罪了 AI 能力不足。
感謝魁大推薦!!!
喜歡！！！通篇都很同意～
感覺元魁也融會貫通了 SEO 理解世界的方式，所以去掉了雜質。
感謝推薦無用之用～