Table of Contents
本書裡,萬維剛從 AI 的運作、科技發展對人類社會的變革、以及我們該用什麼心態與方法去使用AI都有所著墨。
萬維鋼以一貫清晰簡明的文字,不提太多技術細節,著重在讓讀者了解三件事:
- AI 為什麼重要?
- AI 究竟能做什麼?
- 你該如何運用 AI?
這本書,可說是 AI 新手的敲門磚,老手的指南針,讓你通盤了解「AI 到底在瘋什麼?」
以下就來看看精選讀書筆記吧!
AI 為什麼重要?
萬維鋼在書中把 AI 稱作「第四次工業革命」,認為這是一個全新大時代的來臨,並透過歷史的演進說明「為何這種革命性的科技改變,終將造成全體產業的顛覆」。
書中把創新科技顛覆產業拆分成三階段:點改變、應用改變、系統改變。

以「電」為例,剛開始,有些廠商可能因為用電比起蒸汽動力噪音小或廢氣少,所以選擇嘗試用電。這是點改變。
接著業主發現:電不像蒸汽動力,開關比燒煤炭好控制多了,我可以只打開需要生產的機器,不必讓整個工廠都同時運轉,節省了大量成本。這就是應用改變。
再來,他們又發現:改用電力,我不需要為了蒸汽通氣與齒輪傳動把所有生產設備放在同一區了!現在每台機器都是一個獨立生產單位,工廠佈局與生產動線更加靈活,流水線與專業分工變得可能,效率有了根本上的質變,這就是系統改變。
而這種科技改變的過程更會引發「長鞭效應」,即:如果你的下游廠商使用新科技,你只好也用,否則他的產量提升了,需求上升,而你無法滿足,就會流失訂單。
如果你的對手用了,你只好也用,否則當其產能提升或者商品升級,你終究會因為市場份額縮小或是價格失去競爭力,被時代自然淘汰。
相對地,只要能夠搶先洞察科技帶來的改變,就能在生產效率上比競爭對手領先一大步。
個人觀察,目前對於 AI 多數人仍然停留在「點」改變,把 AI 當成是更快速的搜尋引擎,少部分人已經嘗試將 AI 融入自己平常的 work flow,讓 AI 成為他的專屬助手。也就是說,這項新科技還有極大的發展空間,足以讓你彎道超車!
AI 究竟能做什麼?
可以做任何日常工作(畫圖、對話、判斷)也可以做頂尖的研究(新藥開發、控制核融合電漿、破解幾千年前的楔形文字),這些以前人類學者要花數十數百年才有一點進展的工作,這幾年在AI輔助下已經有重大突破。
一般人或許不一定對對付超級抗藥細菌有興趣,但 AI 最厲害的地方之一就是程式語言與自然語言的轉換。把你說不會,但其實是介面問題的事,變成只需要自然語言就可以解決的事。
想像一下現在有一款訂房助理,你只要傳訊息「幫我找7/25在巴黎 Le bon marché 附近的住宿」
很快地它就提供你幾個選項,而如果你不滿意,或是還有其他要求,只要透過訊息「價格2000以內」「有浴缸的房間」等等,它馬上幫你重新搜尋,甚至比價、訂房。你再也不用花心力去搞懂訂房網各種參數要到哪裡去按了,因為只要用說的就好。這難道不比自己做功課搜尋半天還快速輕鬆嗎?
以往我們想要跟電腦溝通或是用它去做什麼事,就得要有個懂程式的人(軟體工程師)先寫好一套指令,然後設計其他不懂程式的人也看得懂的介面,讓他們去操作。
但現在如果需要電腦幫忙分析,你根本不用會寫程式。你只要告訴AI你要做什麼,請他把程式碼寫出來,然後丟下去運行,看看有沒有問題就好,這是以前根本無法想像的!
舉我自己當例子:我幾乎可說完全沒學過程式設計,高中電腦課那些基本中的基本,在我的腦袋裡已經只剩下 if else 等隻言片語。
但是使用 AI 工具,我完成了一個線上抽考機器人來輔助皮膚科考試,還製作了一個交換資訊網供同學、學弟妹參考。以前可能需要幾百小時熟練程式語言與網頁架設的工作,現在都轉換成「靠聊天就可以完成」,簡直就像有個 24 小時免費程式學霸在旁邊輔助!
你該如何運用 AI?
對於聊天型 AI 最直接的使用,萬維鋼提出了三個方向

- 資訊槓桿:可以用極快的速度得到問題的答案
- 資訊過濾:透過跟 AI 一問一答,更了解自己到底在找什麼
- 輔助產出:在 AI 的資訊或是提案之上加強篩選與調整
舉例而言:
資訊槓桿:請 AI 幫你快速爬梳資訊
有些問題在搜尋引擎上不太容易找到你想要的資訊,比如「河兩岸的岩層」,但透過 AI ,可以很快幫你整理出大略的方向。
更棒的是,你可以用母語跟 AI 互動,讓你的語言不會成為查找資料的偏見或限制!


資訊過濾:一個私密的討論對象
比如你可能有個煩惱:「最近老是要加班,很煩!」所以你就問 AI「要怎樣才可以減少老闆給我的工作量呢?」
但是實際聊天後,總覺得好像沒有打到你的痛點,你又想了想,再多問幾句。原來,重點不是加班或者額外的工作,是你不想要讓工作影響了家庭的既定安排!
不知道大家有沒有這樣的經驗:如果自己鑽研,常常會陷入死胡同,如果有一個能好好討論的對象,「旁觀者清」,問題有時就迎刃而解了。但有時候在日常生活,我們不一定有這麼多「良師益友」,有些問題,或許也讓你覺得難以啟齒。這時候不妨讓 AI 「角色扮演」,或許在一問一答之間,不知不覺就找到了自己真正在意的核心問題喔!
(以下模擬了一個最近為了老闆加派工作困擾的上班族與 AI 討論)








輔助產出:儘管 AI 能快速產出資訊,但仍然無法避免「幻想」不時發生。
從生產的角度來看,比起直接仰賴 AI 做創作、輸出,更好的辦法其實是讓 AI 幫我們做快速的訊息整理,自己再去蕪存菁,或是自己寫作,讓 AI 幫你做校對、潤飾。加入獨到的思考,才不會像是掛了你的名字的網路資訊農場文。
而從學習的角度來看,美國麻省理工大學(MIT)最近才做了一個研究,研究找了 54 位波士頓地區的名校大學生,分配到三個組別,發布一系列寫作任務給他們,分別是:
LLM 組:單純使用 OpenAI 的 GPT-4o 作為資訊來源
搜尋引擎組:可使用任何網站但禁止使用LLM工具
純腦力組:禁止使用任何外部工具或網站
同時使用 EEG 紀錄這些人的大腦電訊號活動度,並比較答案的品質。
你猜猜結果如何?
或許不會讓你很意外,全靠 AI 的組別不管在大腦活動度,或者是產出的文章上,都是最差的!
研究發現:純手動組的大腦有 79 條強力連結,相比之下 LLM 組只有 42 條。
83.3% 的 ChatGPT 使用者無法正確引用自己「剛剛寫完」的東西,而其他組別裡只有約 11.1% 出現這個狀況。
更驚人的還在後面,研究者將組別工具交換,原本的純腦力組現在可以用 LLM 輔助,而 LLM 組被限制只能純靠人腦。沒想到,即使這樣做,LLM 組的神經連結也沒有恢復,就像「變笨了」!
研究人員將這個現象稱為 “Neural Dimmer Effect”,如同顯示器在暗處把光線調暗一樣,因為不再需要高強度的思考,大腦把能量調低,進入節能模式,結果就像長期依賴輪椅的人肌肉萎縮一般,腦功能也萎縮了!
小結:別把 AI 當大腦,讓它當你的「第二大腦」
所以說,難道使用 AI,終究是飲鴆止渴,長期有害嗎?也不是的。研究發現,原本的純腦力組,獲得 LLM 輔助後,不只沒有變笨,表現還更好了。也就印證了在知識學習與產出上,終究還是要「人腦為主,機腦為輔」才是王道。
回想當年 2022 年底,OpenAI 剛推出自家的聊天機器人「chatgpt」,轟動世界。人工智慧頓時從可愛但還有些笨拙的服務生或者掃地機器人,搖身一變成為人類的科技北極星,各大國競相發展的目標。到了今天 Google 推出 Gemini 3,幾乎有一舉改變市場分布之勢。
這本書中的資訊也許已經不全然跟得上現在日新月異的發展,不過對於 AI 的可能造成的產業變革,或者是對於實際運用 AI 為自己的生產加速,仍有很大的幫助。
推薦想要更了解 AI、更會用 AI 的人不妨讀讀本書!
