EP-6 2025 年我們應該具備的新思維
根據目前的趨勢， 2025 年即將迎來 AI Agent 爆發，各種能夠進行跨平台複雜操作的 AI 工具即將誕生。我們的生活會充斥著各種 AI 產品。因此我建議主動將 AI 納入工作或學習流程，而非等待 AI 產品的到來。。
我相信即使是不懂 AI 技術的文組，就算在 2023 年還沒聽過 AI ，在 2024 年應該也反覆聽到耳朵長繭了吧？
不過我觀察了網友的討論，我猜測可能還有許多人，即便聽過 AI ，甚至用過幾次 ChatGPT ，都尚未把 AI 融入工作與生活的一環。
當然你可能會想，唉唷，反正我就等 AI 工具成熟了，大家都用了，我再去用也可以。我又不急。
這樣想自然也可以啦，可是如果你想要增長你的收入，那麼搶在起跑點的思維就非常重要。
因為資訊差、認知差是可以賺錢的，而我們永遠都賺不到認知以外的錢。
從這個思維角度出發，我認為在 2025 年，會有許多能夠實際應用在工作與生活上的 AI Agent 應用，我們必須使用這些工具，改變我們的工作流程，讓我們的工作更有效率、產值。
AI 是一種新的智慧體
早期開發人工智慧的方式，是採用專家系統，由專家寫出規則，模仿專家的決策規則。有點類似程式語言的 if-else 。例如，如果你發燒且咳嗽了，則可能是感冒，所以服用退燒藥。
可是這個世界上的規則數以萬計，不，甚至是億萬以上，窮盡人力也很難書寫完畢，更別說規則如果變動，還得用人力修改。
因此 AI 的發展很快就遇到了瓶頸，被稱為 AI 寒冬。在這段期間科學家也沒閒著，試過幾次嘗試，例如機器翻譯、打贏棋王的深藍電腦等。但是這些嘗試要嘛失敗，要嘛只能侷限在特定領域。
在1990年代到2010年，有不少科學家都是在聚焦在機器學習與深度學習，讓電腦學會辨識，例如車牌辨識、金融保險業者的風險評估、垃圾郵件過濾等等。
一直到了2017年，事情有了改變。
OpenAI 的一位工程師，利用亞馬遜使用者評論進行模型訓練，目的是讓模型預測評論中的下一個字元，這是一種基於無監督學習的語言建模方法。
當訓練結束後，工程師同時也測試模型能否分析使用者的評論是否正面或負面，結果居然可以，而且準確率很高。
這類的事被稱為湧現（Emergence），也就是當複雜系統複雜到一定程度時，就會發生超越原本設計的能力。例如單隻螞蟻很笨，但是蟻群卻有一定的智力。
OpenAI 的研究者也發現，一開始也沒有期待語言模型具有多強大的能力，但是他們發現只要給模型的參數到一定的量以上，例如一千億，就可能產生特殊的能力，例如分類、寫程式、寫公文等等。
這是典型的量變產生質變。
語言模型具備的能力不是人類主動賦予的，是人類在訓練過程中，模型自己長出來的。
AI 是神經網路架構，模仿人腦的神經網路，有輸入層、中間層、輸出層。沒有任何一個人能夠知道AI 的神經元結構，太複雜了。對於人類而言， AI 的大腦就是個黑盒子。
我相信這對大部分人來說，一開始可能難以接受。
就像是一台洗衣機，當我輸入水量、洗清次數、運轉力道等，我就會期待它會如我預期的運作。
可是 AI 不是這樣的，它每次的產出都不盡相同，而且我們不知道它是怎麼運作的，只能不斷地去微調（Fine-tune），或者測試它到底能做什麼。
OpenAI 首席科學家伊爾亞·蘇茨克維（Ilya Sutskever）曾經一次在與輝達 CEO 黃仁勳對談中，提到雖然 ChatGPT 只是神經網路語言模型，它的能力就是文字接龍，用來預測下一個單字。但是只要訓練得更好，它就能掌握事物之間的統計相關性，意味著神經網路真正學習的其實是世界的一個投影（a projection of the world）。
你大可以自己測試看看。雖然 ChatGPT 等主流語言模型，大部分用來訓練的語料都是英文，但是你不管是用英文或中文詢問，只要你問的問題是國際共通的知識，它的表現都一樣好。當然如果你的問題比較侷限於特定地區，由於文化及語義的不同，採用特定語言可能會得到更好的效果。
這意味著語言模型是真正地理解語言，並不只是單純的文字接龍而已。
所以我才說 AI 是新的智慧體，雖然目前沒有意識，至少現今觀察還沒有。但是它有一定的智能，能夠完成指定的任務。
這個智慧體，將會改變世界。
AI Agent 可望在各領域發芽
AI 如何改變世界，關鍵字是 AI Agent 。
AI Agent 最好的例子就是我在上一期提到的 Windsurf IDE，一款使用 AI 驅動的程式編輯器，可以讓 AI 閱讀程式碼上下文，進行改寫、編譯。經過使用者的授權，AI 還可以操作電腦內的終端機。
目前這類的產品還不多見，主要的原因是語言模型有機率出錯。雖然出錯的機率不高，但是如果操作 10 次，就會發生 1 次狀況，應該任誰也受不了。不過，許多企業正在努力解決這些問題，例如引入容錯機制，讓 AI 在遇到錯誤時能嘗試不同方法，或透過使用者確認降低風險。
現在有許多廠商都在研發 AI Agent 的相關應用，直接讓語言模型操作手機或電腦：
iPhone 的 Siri 導入 ChatGPT，提升自然語言理解能力。
Google 推出的 Gemini，在 Android 手機上運行，可以用於交談、修改文字或生成圖片。
Anthropic 的 MCP 協議，允許語言模型操作電腦內的資料，讓 AI 更靈活地執行複雜任務。
此外，還有像 Microsoft Copilot 等產品，結合 Office 軟體，我們辦公室已經開始在使用了。應該已經有不少同事開始使用 AI 在寫報告或者進行資料分析。
因此在今年，我們有可能看到 AI 能夠從事稍微複雜一點的操作，例如請它搜尋方圓 5 公里的壽司店，並進行電話訂餐；或能夠跨 App 操作 Uber Eats，從下訂單到確認送達，提供全程自動化服務。這類應用不僅將提高日常效率，還會改變我們的生活方式。
我們在 2025 年應該有的思維
未來 AI 對於人類生活的改變，我認為會比智慧手機更具侵略性。但是目前正是青黃不接的階段，要搶佔先機，賺取資訊差，最好盡早投入。
因此我建議即便你不是資訊相關背景的，也要多關注 AI 。我的建議是這樣的，
現在就將 AI 工具整合進工作流程
不要等到 AI 成為普及技能後才開始學習，應該嘗試在工作中使用 AI 工具提升效率。例如：
使用 AI 協助文字編輯（如 Grammarly 或 ChatGPT）
利用簡單的數據分析工具（如 Tableau 或 Google Sheets）強化資料處理能力。如果你不知道怎麼操作，就問 ChatGPT 。
學習自動化流程，如使用 Zapier 、 n8n 、 Make 連結多個平台，減少重複性任務。
建立問題導向思維
AI 的價值在於幫助解決具體問題，而不是追求技術本身。所以我們應該檢視目前的工作流程，思考如何利用 AI 來解決麻煩的問題。尤其是工作上如果有重複性的工作，更應該利用 AI 或自動化工具來節省人力。
先做再學，而不是先學再做
不要過度準備，先嘗試使用 AI 工具，例如最近我需要查詢某個特定網址，取得裡頭的 JSON 格式資料，再依據資料內容，修改 Excel 內的資料。這件事最好的方式是使用 Excel 的 VBA 工具，但是我又不懂 VBA ，難道我要為了這件事特地去學嗎？所以我直接讓 Claude 幫我寫 VBA 語法，還請它教我如何在 Excel 上操作。原本手工修改可能需要花上一天，我在一小時內就搞定了。
AI 結合專業知識，創造更多可能性
AI 不會取代誰，而是會改變整個環境架構，所以如果我們具備特殊領域的專業知識，反而需要與 AI 結合，才能創造更大價值。例如，歷史背景者可以利用 AI 進行文本挖掘，分析大規模歷史資料的趨勢等等。
今天就是隨意聊聊一些我自己的觀察與心得。未來我會每週二、五出刊兩篇，週二會聊一些較為軟性的 AI 議題，週五則是討論 AI 應用的技術性細節，尤其著重在我正在執行的專案。