去年底 ChatGPT 發表後，世界再度陷入 AI 狂潮。我覺得有趣的是，科技議題多如牛毛，大多數議題只會打到極少極少的群眾，但人類集體卻對 AI 情有獨鍾。每當 AI 有新的突破，即使是完全外行的普通人，也都會饒富興味地看著。
比較極端的 statement 總是穿透力度比較強，例如上次 AlphaGO 打敗圍棋大師李世乭，人們發現數千年的圍棋歷史之牆依然無法抵擋 AI 之矛，於是有人又再次重提 AI 統治人類之說。
在這種時候，科學家和工程師們常常都是比較冷靜的一群。AlexNet 在物體辨識任務上擊敗人類時，我們知道，即使這個 AI 再再強，也只能拿來辨識這 1000 種物件；在 AlphaGO 擊敗圍棋大師時，我們也知道這個 AI 需要先讀過歷史上幾乎所有殘局，雖然它吸收了所有圍棋知識，但它完全沒辦法將這些知識，哪怕是只有一點，拿來運用在其它遊戲的運籌帷幄中。
但是這次不一樣。
GPT 的發展讓我真的有點擔心自己未來會飯碗不保。GPT 目前在複雜任務上還常常出錯，或是看似一派正經地胡謅，但是如果搭配經驗豐富的工程師，把複雜任務拆解成數個小步驟，工作效率可能真的可以提升 10X。大家在談論「被取代」時，想像的是電腦直接把你的工作做完了，但實際上並不是這樣。我認為，自動化取代人類的方式其實是讓「一個會用工具的人取代十個不會的人」。
努力穩住焦慮的心情，思考一陣子之後，我得出的結論是：要學會利用 AI 學習。
DeepMind 的創辦人說過一句話： Solve intelligence, and then use that to solve everything else.
我也有一個類似的信念：學會利用 AI 學習，然後去學得更快更多。
我也還在探索要怎麼利用 AI 學習的，目前想到的有兩個方法：
1. 堅持多用，學會和 AI 相處
剛開始用 ChatGPT 或 GitHub Copilot 的人可能會有類似的經驗。AI 可能沒辦法立刻正確回答, 或是寫出一堆看不懂的東西、又或是寫出看起來很像真的，其實完全胡謅的東西。但是，我發現這就跟任何工具一樣，只要堅持多用，同時思考怎麼用得更好，真的就可以越來越好。在這個過程中，會學到和 AI 相處的方分：怎麼把複雜任務拆解成更小的任務，以及怎麼寫 prompt 可以寫得更好。參考 Prompt Engineering 的文章會很有幫助
2. 讓 AI 幫你爬文，自己學會問問題
GPT 的強項是大量閱讀和統整，因此，善用像 ChatPDF 這樣的應用，讓 GPT 發揮它的強項，自己則是要學會一層一層地問更深入的問題，透過提問和討論學習
希望這篇文章對你有幫助，我也會持續思考如何使用 AI 更有效率地學習，以及關注新的學習工具
