陳家聲/台大商研所兼任教授
大師吳恩達在斯坦福9月CS230A的開學演講時提到幾個有關AI的核心觀點，如強調AI技能已從『加分項』轉變為職場生存的『標配』！AI能力是進入職場與職涯發展的『生存必備』條件！他特別提到：不是『最懂AI的人最有競爭力』！而是要：具有電腦基礎知識能力，而且還要會用AI工具的人，才是當前職場的最受歡迎、也是最具核心競爭力的人群！學習AI相關技能讓人可以將無限的創意發想轉化為動手實踐產出結果，讓人將『想法』轉化為『現實』！
筆者以為：除了要有電腦數位技術的基本素養外，還要有使用AI系統與工具的能力素養外！大多數的技術人員對自己技術很專精，沉浸在技術遊戲中！但技術不是滿足個人好奇心或娛樂！而是要能解決企業、社會問題，提升生產力與人類社會福祉！因此，技術人員更要有業務運營、跨域的產業知識，具體而言，就是找到能讓技術落地的應用場景，透過融入企業經營與運營管理業務中，助益企業優化運營與經營創新的價值！這種：『既要…又要…還要…』的思維，顯示著當前知識及體驗經濟發展的趨勢，僅靠著傳統職能分工思維下的專業培訓，或是僅從技術層面考慮AI的可能應用，已不足以適應新時代組織應用AI的要求！亦即，技術必須融入業務運營與管理中，在具體應用場景解決問題、優化創新業務運營流程，提升生產力！這樣的趨勢也顯示企業在引進、推動AI時，面對未來嚴峻競爭時，對職場能力素質的要求與強化組織協同作業的文化！
特別要強調『協作（協同合作）』與『協調合作』不同，雖僅是一字的差別，但是背後的邏輯與價值存在很大的不同。在職能分工的階層組織下，組織內部的部門牆、部門本位主義嚴重！這是官僚組織的最典型、最常見的弊病！至今仍是如此！傳統職能分工，大家都僅強調善盡本身的職能，卻忽視職能是為企業經營服務的！為達成企業目標、為創造客戶價值所做的簡單分工方式而已！各職能如何協調合作共同達成企業目標才是分工的最終目的！
亦即，『協調合作』與『協作』最大的區別是：『協作』指所有與問題、專案相關的人員一起共同面對並解決問題，大家透過面對面方式直面問題，或是透過『協作系統平台』，大家可以在同一個虛擬空間裡，從各地加入為解決問題而共同努力！有必要還可以邀請外部專家的加入，參與討論！這已經超出了：只強調盡個人的專業能力，對涉及其他職能的部分則不表示意見！骨子裡還各掃門前雪，大家各自解決個別應該承擔的問題！因此，多數企業透過舉辦各種協調會議，大家都在談各自的責任，展現出『會而不議、議而不決、決而不行』，『以會養會』長期無法解決問題的循環！
吳恩達在課堂中還明確指出，『工具降低了門檻，但沒有降低對基礎知識的要求』！電腦數位技術的基本素養是人與AI溝通的『專業語言』，不具備程式邏輯與數據結構等的基本功，當然無法精准傳遞需求，發揮AI系統的效能！這只能讓用戶停留在表層的應用階段！作為生產力輔助的工具使用者！明確認知：『AI工具如何能實現需求』的底層邏輯，避免『只會提問模糊需求或簡單的陳述』（多數人所熟知的學習提問技巧，即prompt engineering），如你隨意問、隨便問，它就隨便答！但你若會採用具體、專業術語描述目標，或具體描述情境做提問（亦即一些專業人員強調的context engineering），如用XX演算法、XX數據結構設計介面、加入數據清洗過濾數據以確保數據品質…等，就較能夠獲得較佳品質的答案。
此外，筆者認為大家還可以採用斯坦福大學教授Jeremy Utley在一次訪談中談到的“如何正確使用AI”，所提出的逆向思考方式，指定AI為某領域專家，自己有興趣瞭解這個新領域，要求AI對自己提問，然後幫助自己發現、找出個人的興趣，釐清個人的目的等。各種提問的方式，絕不會讓自己把大腦外包給AI，而是讓AI幫助自己更活潑的探討各種可能的方向、激發創新創意。也就是對於GAI的使用，不在是：你問，GAI回答！優化提問詞而已！還要能學習不同的認知與思考模式，打破個人僵化的思維框架，探討並看見不一樣的世界！
相對於傳統演算法，吳恩達認為：舊一代演算法不知道怎麼處理越來越大的數據量；而『深度學習』是第一批能真正能處理越來越多大數據的演算法；他並強調：數據量越大，模型表現越好，幾乎沒有上限。也就是『深度學習』的規模法則。什麼規模法則？吳恩達解釋道：你給模型加一倍數據，訓練時花兩倍算力，性能就能穩穩提升一截。筆者對這樣的看法深表質疑！畢竟LLM是靠著大數據的訓練，但對於所使用的網路數據品質，一直是各界關心的議題！網路上數據的品質有多少是事實？是正確的？這部分的比率相當低，不會超過30％！而增加訓練數據的『一倍的量』就能使『性能提升一倍』是沒有根據的！需要佐以實證數據！同樣的，英偉達強調GPU數量、強調TOKENS數量，後者已經從百萬升級到千萬，最近有強調萬億級的TOKENS！這就是典型的線性思維模式，也是常見的工程師思維！是否真的需要萬億級的TOKENS？使用萬億級的TOKENS的模型性能就較佳嗎？一般企業是否需要這樣的投資？還是透過算法創新或優化方式，利用百萬級TOKENS就能達地萬億級的效果？更重要的是：花費更少，耗電更少，效果相當或更好！這樣的系統性思維、批判性思維是未來AI新時代非常重要的關鍵能力！
同樣是AI教父級大人物，對LLM、AI智能體的看法也存在著極大差異！不是誰對、誰錯的問題，而是新技術、新觀念提出，只是提出一些創新的思考方向或架構，並不是『真理』！也不等於『真實』！而科學與批判精神就是對理論、假說、人設等要有『質疑精神』！持續對理論、假說提出質疑並透過實證方法論證，這種科學與批判精神是人類知識與文明能夠不斷進步的核心動力！
※以上言論不代表梅花媒體集團立場※
