個人認知體系升級
當兵的經驗告訴我，人與人之間最大的距離其實就在於認知，成天鬼吼鬼叫是沒有用的。you don’t know what you don’t know，這是最大的問題。從網際網絡時代以來我們走了幾十年，從沒有任何一刻像今天一樣這麼令人興奮。這是一個用對方法就能大幅提升能力的時代，無關乎地區、性別、年紀，只要你能夠清楚的表達自己的想法，ChatGPT, Bard, Claude, Gork, 基本上能教會你任何事情。
尤其是畢業以後，這樣的感受尤其深刻。學習從來不應該止於畢業，也不應該期待工作成為100%的個人成長來源，事實是大部分的工作很可能只會讓人停止思考、慢慢變笨。
過時的教育體系
線性學習的時代已經過去了，學校教育教我們背誦、默寫，其實就是工業化時代的遺毒。我們通過考試和分數衡量一個人的知識水平，就和我們衡量機器的產出還有良率類似。教育體制並沒有教我們如何思考、如何回應並且解決真實世界裡的問題，更遑論要去質疑權威者講述的觀點。在ABC豬拼湊起來的四選項裡，我們不得不挑出一個符合閱卷老師期待的標準答案，但這無疑是非常狹隘的。離開校園以後，我們的工作不會是默寫、更不會是從有限的選項中挑選出正確答案，沒有人會告訴我們選項與標準，必須自己去應對與創造。
讓我們面對現實吧，能夠到真實世界一年領個十萬美金，有多少人願意在學校一年領幾十萬台幣？你可以說教育的熱忱是金錢無法衡量的，但如果能選擇，有多少人會去做功德？
Is it true?
前陣子讀馬斯克傳，下面這段話讓我印象深刻
馬斯克年幼時，梅伊曾帶他去當地聖公會教堂上主日學，她也是那裡的老師。沒想到，這孩子提出了一大堆問題。當她講述《聖經》故事給小朋友聽時，馬斯克總會提出質疑。「海水分開？這是什麼意思？」他說，「那是不可能的。」當她說到，耶穌用五餅二魚餵養幾千人時，他又反駁說，這根本是無中生有。受洗後，領聖餐時，他又有疑問了。「我吃下基督的身體，喝他的血。對一個孩子來說，這真是太奇怪了。這到底是什麼？會是吃人的一種隱喻嗎？』
或許傳記帶有幾分誇大的性質，但我想說的是有獨立思考能力的人太少，而能獨立思考又有勇氣表達的人，更是鳳毛麟角。我們從小就被教育要服從權威，要穿上一樣的制服、要在一個標準化的框架裡被打分、要聽從管教學會低頭，從事和機器一樣的重複性工作。這些我想都扼殺了很多獨立思考的能力，還有自由表達的本能。寫到這裡，不由得想說一句，阿密陀佛，罪過罪過。
學歷套利的時代已經結束了
畢業以後，一度覺得這世界離我想像中的好遠。大家都覺得你應該要找一份看起來像樣的工作，要有盡可能多的年假，要買車買房，有個響亮的title，然後繼續重複性的上班下班，帶著狗牌、穿著西裝做著一個看似體面的工作，然後每個月被扣一個很貴的勞健保。只要孜孜不倦，有一天會財富自由。
彷彿只要我們認真工作，40年以後，就能夠有一個很幸福的退休生活，好像一切問題到那時候就會迎刃而解。其實不然，我們一直活在一個名義通膨2%、租屋補貼領得到、政府很棒的假象當中。也許幾十年後的我們回頭看會發現，原來現在的社會體系和中世紀的教會並無二致，一樣是由一群既得利益者制定的遊戲規則，一樣是由一些虛偽的競選口號，堆砌而成的愚民政策，到底還有什麼是真實的。
或許在以前教育確實可以提升認知，於是有一批人通過通過思維程度的提升，成功實現了降為打擊，而現在的教育仍和數十年前一樣，對我們的真實人生其實沒有太多幫助。工作至今也五年了，面試了應該不下一百個人，真的發現學歷真的不代表一切，一個好的學校，只能說明18歲的你獲得很好的資源，拿到的體制的肯定，好棒棒。但也僅此而已。世界變化的速度遠超教科書改版速度，更好的學歷從不代表更高的生產力，或更多的財富，財富的水平更多還是跟認知還有命運有關。
講完我心中的教育體制，接著談談AI
如果有學校老師禁止使用AI，在我看來這就是個笑話，這樣的思維模式和教會認定哥白尼是異端一樣，早晚要被時代嘲笑。靠頭腦的搜索最後就是會變成傳統手工藝，精巧但無法規模化，或者我們可以說，喔，你真很可愛。
如果每個人都是一個LLM
LLM (Large Language Model)的原理，就是運用神經網絡去算出下一個最可能出現的詞彙，從而給出一個看起來有智慧的回應。我們可以把自己想成一個語言模型，唯有通過大量的學習，來形成我們自己的認知體系，從而向這個世界提出我們的底層問題與真實回應。
我們不可能靠著監督式學習（背誦、特定的文本訓練）來實現高階智慧，那只會形成一個認知盲區，還是要通過大量的閱讀、理解，觸類旁通，來形成自己應對世界的方式。就和語言模型訓練的過程一樣，input無疑是關鍵。
於是下一個我在思考問題就是，如何高效地獲得有價值的資訊來源？
首先就是要承認自己的不足，然後無視別人的目光。有人說，你身邊最親近的五個人平均，大概就反映了你的水平。此話不假，人是一個社會動物，需要同溫層。但當你想擺脫現狀的時候，也意味著你的同溫層必須相應的提升。如果馬斯克當年仍停留在南非，我不確定他今天是否還會想登陸火星。
運用AI輔助，大量獲得高質量的信息來源
訊息渠道有很多，但我想大多信息是無用的。這時候首先要篩選高質量的信息來源，於是我訂閱了東西方的主流媒體，包括經濟學人、紐約時報等，然後把這些內容通過代碼送給chatGPT。
一段時間後，我發現別人篩選過的二手資料多半帶了特定觀點甚至會有些偏頗，主流媒體更是如此。於是，我開始轉向更初級的信息來源，比如RSS，這個古老的訊息推送協議。另外，我也用ChatGPT的API閱讀原始的書籍，讓他針對每個章節總結，為我讀完一本書。(但我最近開始嘗試完整地讀完一本書，重建思考過程）
最後，我發現很多有價值的信息來源其實在人與人的交談與對話當中，所以我開始在搜集podcast, Twitter space, youtube上高知識密度的創作者，在本地的電腦上安裝了文字轉語音的LLM，再串接chatGPT的API，幾分鐘就能吸收一個小時的知識。學習速度的邊界大概是電腦的運算速度，還有我自己願意花在這上面的時間。
當然，這麼做的成本也是不少，但我認為非常值得，可以說是2024年最有價值的一種投資。過去幾個月也是令我感到learning curve無比陡峭的一段時間。工具的使用大幅提升了生產力，這絕對遠遠超過OpenAI的收費。
會表達自己的需求，比會寫代碼還要重要
常有人說要學python, C++, R, 好像不學就會失業，學了人生從此一凡風順。其實我覺得在Co-pilot出現以後，這樣的紅利也早就結束。去年下半年，我第一次接觸make.com，這是一個通過滑鼠拖拽，就可以實現流程自動化的工具，不用寫任何一行代碼，唯一需要的就是給他應用程式的授權。他可以在設定的情境下，自動執行指令。
比如我最近在寫電子報，我就訂閱了全球主流媒體，然後給予機器人我的郵箱權限，之後每當我收到電子報，bot就會幫我總結每一封郵件的內容，然後生成hash tag。我唯一要做的就是快速瀏覽，找到我感興趣的話題，每天相當於用幾分鐘，就用我舒服的語言，讀完了全球主流媒體報導的重點新聞。
比如你可以讓機器人讀取你的gmail信箱，每當有客戶寄信來，就在excel sheet上紀錄用戶的姓名、寄信時間、郵件內容，基本相當於一個CRＭ系統。甚至可以串接上chatGPT的API，把郵件內容餵給chatGPT，讓AI幫你總結郵件，自動去調查客戶的痛點與需求。
類似的應用場景有非常多，比如當有用戶在臉書留言，你就可以請AI撰寫回應，或是如果競爭對手發布了一封電子郵件，你就可以及時的得到追蹤競爭者的動態，產生的價值足以令很多人失業。當然，會從昂貴的人開始，比如諮詢顧問。
Autogen的多agent 框架將會重新定義所有的研究領域
這也是令我去年無比興奮的工具。在ChatGPT出現以後，我們能通過多個AI機器人，來做研究工作。比如，我想要研究3家AI公司的產品、定價模式以及公司估值，此時我就建立好一個表格，然後把他發包給我的AI機器團隊。
首先，我的director會負責定義研究範圍，把工作委派給manager，manager則會把任務具體化，指派給assistant，而assistant則會調用google搜索的API進行搜尋，並且把結果會報給manager，研究經理則會做QA的工作，並且提示不同的搜索思路。最後如果QA通過，rmanager會向director報告，如果director對於結果滿意，則會把數據填到我的表格當中。就是這麼簡單，是不是像極了目前組織裡面的工作模式。
有了生成式AI 寫代碼從來沒有如此簡單 大概花一天，就可以執行python指令，再過一天，就可以上手GCP或AWS，再一天就能把程式碼跑在虛擬機上，用flask做代理，申請好網站的SSL證書，做出一個能用的軟體。也難怪近期google裁撤了python團隊，因爲真的重要性低了很多。科技公司都變了，諮詢公司的、投行這些古老而尊貴的行業還會遠嗎？
最後，人類活著還有什麼價值
突然間我也能理解OPEN AI創辦人的World Coin願景，那麼就是你只要證明自己是個人，就能獲得基本收入。屆時人的價值會是什麼？情緒價值？跟賣萌的小貓咪一樣，大多數人根本不需要無謂的工作。
