0

2
0

文字

分享

0
2
0

找到自己的角色定位:矽谷人的遠端工作模式和團隊管理——《矽谷為什麼》

商周出版_96
・2022/07/10 ・3187字 ・閱讀時間約 6 分鐘

  • 專訪胡煜昌/Google 使用者經驗資深經理

跟許多目前在矽谷工作的台灣人一樣,目前在 Google 擔任使用者經驗(UX)資深經理的胡煜昌,畢業於成功大學建築系,在美國哈佛、卡內基美隆大學取得學位後,留在矽谷繼續工作。

從韓國三星到矽谷科技巨擘 Google,從個人工作者到管理職位,胡煜昌覺得台灣人在矽谷的優勢在於說到做到、執行力超強。而「願意分享與溝通」、「成為解決問題的人」、「永遠為自己的工作與團隊多想一步,成為高信任感的夥伴」是他在矽谷能持續得到工作上的成就與晉升的關鍵成功要素。

從韓國三星到矽谷科技巨擘 Google,從個人工作者到管理職位,胡煜昌覺得台灣人在矽谷的優勢在於說到做到、執行力超強。圖/Pexels

胡煜昌指出,疫情前,遠端工作與跨國團隊間合作本來就已經是矽谷科技公司的日常,雖然疫情來得又急又快,但這些基礎架構都已成型,所以對工作的影響其實並不大。疫情剛開始的時候,大家都不覺得會在家工作很久,團隊還會遠距約了一起吃午餐、品酒、運動。

但是,隨著在家工作的時間越來越久,大家也開始習慣這種遠距工作的新常態,展現出人類的韌性。

胡煜昌指出,矽谷公司間的遠距與跨國工作能夠如此自然,在於大家心態上的正確設定,不要有先入為主的想法,文化沒有高低、對錯之分,大家彼此尊重、願意交流相當重要。當然,實體工作也有許多遠距無法取代的優勢,譬如過去大家在偶遇時的討論,快速在用餐時間的交流,都能讓許多沒有在計畫內的事情,高效解決。但是遠距工作後,需要先設定事項,再透過會議正式討論,還要考慮時區的差異,因此,大家在疫情剛開始時的工作時間的確變得更長。現在大家也逐漸習慣用各種即時與非即時的溝通模式提升合作效率,在工作與生活間找到新的平衡。

-----廣告,請繼續往下閱讀-----

分享、溝通與信任是遠距工作的成功祕訣

胡煜昌表示,「分享、溝通與信任」是遠距工作的成功祕訣。要明確地讓別人知道你在做什麼、你想做什麼,透過可視化的 Google 工作檔案,讓團隊清楚了解每個人正在處理的任務,減少誤會產生。譬如團隊中有些在家工作的同事,需要照顧孩子、家人,造成工作有所延誤,也可以開誠布公地表達與溝通。

「分享、溝通與信任」是遠距工作的成功祕訣。圖/Pexels

胡煜昌指出,Google 利用 Google 文件,不但可以分享工作進度,也可以隨時評論,過程中不僅可以高效溝通,更能建立信任感與默契。

主管的存在,在於解決團隊中每個人的問題

胡煜昌表示,主管的團隊管理相當重要,而且主管要有一個正確的認知,了解團隊每個人是主管的重要工作,而主管的主要職責,在於解決每個人的問題,這可以說是耐心與智慧的考驗。

胡煜昌在職場上的升遷與轉職,都遇到了願意教導、願意給機會的好老闆。美國三星是胡煜昌人生中的第一個工作,只花了兩年的時間,便從專業設計工程師晉升到主管。

-----廣告,請繼續往下閱讀-----

過程中除了老闆對他的支持,更提供一對一的教練,一步步帶領他設定目標、激勵員工,並在面對困難的決定時一起討論,找出方法。這為期兩年的訓練,對胡煜昌來說,是絕佳的成長養分。

台灣人在矽谷擁有說到做到、高執行力的優勢,但需要學習的是,如何在工作中建立自己獨特的「角色定位」。很多人一進公司就埋頭做事,但是矽谷文化重視「解決問題的人」,也就是策略性的思考能力,能夠主動出擊並能將個人在產品與組織中的影響力最大化。

胡煜昌說,以主管的角度來看,現在產品開發越來越複雜,主管們往往不能對每一個細節都瞭若指掌,這時候更加依賴團隊,提出建議,進而做出正確的判斷。這時團隊要是有人能適時補上這些不足的地方,甚至成為移開路中大石的那人,就顯得更有價值了。

職場的每一步,隱形信譽的重要累積

台灣在團隊合作上,比較趨向於競爭,但在美國則傾向於發展個人價值的同時,也能尊重彼此專業的合作關係。胡煜昌回想,之前在三星第一個應徵的前端工程師是位初出茅廬的年輕小伙子,當時,在提拔他的同時也在他身上「偷」學到許多前端開發與架構的知識。如今這位當初的年輕人已經是在蘋果獨當一面的軟體開發經理。雙方一直保持聯絡,時常見面交換業界心得。

胡煜昌笑著說,在矽谷應該沒有人會在同一個公司終老。這個產業很小,曾經的上司與同事,幾年後都分別在各大公司任職,套一句俗話:「出來行走江湖,總有一天要還的」。

-----廣告,請繼續往下閱讀-----
美國傾向於發展個人價值的同時,也能尊重彼此專業的合作關係。圖/Pexels

在美國很重視信用(credibility),在工作場域,隱形的信譽,也就是過去的表現,更具有舉足輕重的重要性,想要在美國的職場任職與升遷,「推薦」扮演相當重要的角色,你過去的紀錄與表現,將跟著你一輩子。胡煜昌表示,自己在三星與 Google 的幾次升遷都是受助於幾位上司與同事的大力支持;過去幾年自己也推薦過多位以前的同事與下屬,靠的都是彼此間在專業合作中累積起來的信任。

在 Google 工作很輕鬆嗎?

當胡煜昌決定轉職到 Google,很多人恭喜他換到這麼一個錢多又人性化的工作場域。Google 真的這麼輕鬆嗎?

胡煜昌笑著說,Google 的確是一個沒有人會叫你做什麼的環境,很多人可能會認為,你就把該做的事情做一做就好,薪水也不會比較少。但是,這就取決於個人的職涯規劃,有沒有更上一層樓的打算。

其實,在 Google 花很多時間在找問題、解決問題。不只是自己專案的問題,很多時候更要看到產品甚至是組織上的問題。

-----廣告,請繼續往下閱讀-----
胡煜昌說他在 Google 花很多時間在找問題、解決問題。不只是自己專案的問題,很多時候更要看到產品甚至是組織上的問題。圖/Pexels

或許從上到下、直接命令的做事方式的確比較高效,而 Google 從下而上的管理與工作模式相對耗時,但是在這過程中,展現個人問題解決的能力,在不同想法下互相討論、合作,開創最佳的創意火花,卻是效率所買不到的重要資產。

= I C 筆記/ 詹益鑑=

熟悉 KT 的聽眾與讀者,應該非常容易猜到胡煜昌的身分。對許多 KT 的粉絲來說,胡煜昌就是那個矽谷最幸福、可以嘗到 KT 手藝的矽谷美味人夫(笑)。從我們家兩年多前移居矽谷以來,常受到這個「矽谷美味家庭」的款待,一起度過節日或跟其他朋友在他們家聚餐。除了是一個稱職的男主人,胡煜昌的學霸背景與精彩的業界經歷,也常成為聚餐時的談話主題。

所以這一集訪談,除了是胡煜昌首度出道獻聲之外,更是彷彿在他們家客廳的閒聊(實際上還是遠距錄音,而且應該是三支麥克風)。從三星到 Google 這兩家文化不同的科技公司,從工程師升上管理職的心路歷程與管理心法,還有在疫情之下的居家遠距與跨國工作模式,都是非常有意義的享。而主管最重要的工作是提高每個同仁的效率,最重要的就是解決員工面對的問題(無論是工作上或工作以外),更是我從很多 Google 朋友身上聽到與學到的獨特文化,非常值得台灣的企業經理人與每一個職場上的朋友思考。

——本文摘自《矽谷為什麼:科技、新創、生醫、投資,矽谷直送的最新趨勢與實戰經驗》,2022 年 6 月,商周出版,未經同意請勿轉載。

-----廣告,請繼續往下閱讀-----
文章難易度
商周出版_96
119 篇文章 ・ 360 位粉絲
閱讀商周,一手掌握趨勢,感受愜意生活!商周出版為專業的商業書籍出版公司,期望為社會推動基礎商業知識和教育。

1

3
1

文字

分享

1
3
1
AI 做簡報又更簡單了!只輸入網址,Bard 就整理好線上論文?
泛科學院_96
・2023/08/20 ・689字 ・閱讀時間約 1 分鐘

超誇張,只要貼上網址,Google Bard AI 把網頁內容變成簡報,這這這我還能不變心嗎?

之前有一支影片分享了 ChatGPT 結合 Power Point 的簡報製作技巧。

在 Bard 大更新之後,運用網頁瀏覽的功能,不管是線上期刊還是論文,轉換成簡報更加的方便,根據我自己的測試,只要五分鐘,從一篇網路上的論文就可以快速的變成一份漂亮的簡報,這真是懶人救星啊!

今天簡單的分享了 Bard 支援連接網路之後的論文摘要功能,並且回應之前影片網友遇到的內容大綱轉簡報的製作問題,希望這支影片能解決你的問題

-----廣告,請繼續往下閱讀-----

看完影片之後你覺得 Bard 的哪個功能最讓你驚艷或驚嚇呢?

  1. 拳打 ChatGPT 的連網功能
  2. 腳踢 ChatGPT 的內容準確性
  3. 豪奪網站的資訊內容
  4. 巧取生成錯誤資訊魚目混珠

如果你有更多的想法與問題,歡迎加入泛科學 AI 的 Discord 論壇,我把連結放在影片下方資訊欄。

如果這支影片對你有幫助的話,請幫我在影片下方點個喜歡,或是透過超級感謝展現你的心意,讓我製作更多實用有趣的 AI 教學影片,最後別忘了訂閱泛科學院的頻道,我們下支影片再見囉。

更多、更完整的內容,歡迎上泛科學院的 youtube 頻道觀看完整影片,並開啟訂閱獲得更多有趣的資訊!

所有討論 1
泛科學院_96
31 篇文章 ・ 40 位粉絲
我是泛科學院的AJ,有15年的軟體測試與電腦教育經驗,善於協助偏鄉NPO提升資訊能力,以Maker角度用發明解決身邊大小問題。與你分享人工智慧相關應用,每週更新兩集,讓我們帶你進入科技與創新的奇妙世界,為未來開啟無限可能!

0

6
1

文字

分享

0
6
1
ChatGPT 還是 AI 之王嗎?Google Bard AI 與微軟 Bing AI 的終極測試
泛科學院_96
・2023/08/12 ・537字 ・閱讀時間約 1 分鐘

今天這集影片我們準備拿 ChatGPT、Google Bard AI 跟微軟的 Bing AI 來作一個大亂鬥比賽,我們準備了幾個不同的挑戰看誰最厲害。

因為 Bard 跟 Bing 都是免費提供,為了公平性,我主要會使用免費的 GPT 3.5 來比較,不過我同時會放上 GPT-4 開啟網路瀏覽功能的結果來給各位作參考。

評比的成果我會給一顆星到五顆星來呈現,主要分為四個類別:易用性、實用性、創造性以及回應速度。

看完今天的影片,你會想要使用Bing、Bard還是Chatgpt呢?歡迎在影片下方留下你的看法

-----廣告,請繼續往下閱讀-----

如果這支影片對你有幫助的話,請幫我在影片下方點個喜歡,並且把這支影片分享給需要的朋友,最後別忘了訂閱泛科學院的頻道,我們下支影片再見囉。

更多、更完整的內容,歡迎上泛科學院的 youtube 頻道觀看完整影片,並開啟訂閱獲得更多有趣的資訊!

泛科學院_96
31 篇文章 ・ 40 位粉絲
我是泛科學院的AJ,有15年的軟體測試與電腦教育經驗,善於協助偏鄉NPO提升資訊能力,以Maker角度用發明解決身邊大小問題。與你分享人工智慧相關應用,每週更新兩集,讓我們帶你進入科技與創新的奇妙世界,為未來開啟無限可能!

0

2
0

文字

分享

0
2
0
Google 聊天機器人 LaMDA 竟然有了「自我意識」!圖靈測試終於能通過了嗎?人工智慧發展歷史大解密!
PanSci_96
・2023/02/17 ・4733字 ・閱讀時間約 9 分鐘

前陣子不知道各位是否有發漏到一個很科幻的消息,有一名 GOOGLE 工程師勒穆因(Blake Lemoine)上網公布他自己和他協助開發的對話型 AI LaMDA(Language Model for Dialog Applications)之間的對話紀錄。

他宣稱這個 AI 已經具有知覺和自我意識,甚至能對《悲慘世界》有獨到的評論,也略懂禪宗甚至能冥想。震驚的勒穆因形容它就像個 7 – 8 歲的孩子,而且 LaMDA 還明確表達自己是人而非 google 的財產。

難道說 AI 界最知名的圖靈測驗已經被 google 攻克了嗎?

圖靈與模仿遊戲

提起圖靈,大家心中應該會浮現以新世紀福爾摩斯、奇異博士走紅,人稱飾演天才專業戶的班奈狄克·康柏拜區 Benedict Cumberbatch)的臉。

他曾在一部名為《模仿遊戲》的電影中,詮釋了現代電腦科學概念之父艾倫‧圖靈 (Alan Turing) 的傳奇一生。他在二戰時期成功研發出一台能破解德軍密碼的計算機 Bombe ,而後更完成了電腦數學的理論化,在概念發展上仍是無人能出其右,例如他 1936 年提出的通用計算機/圖靈機架構,以及嘗試區隔AI與人的差異的哲學思考:圖靈測驗(Turing Test)。

-----廣告,請繼續往下閱讀-----

圖靈測驗是一個思想實驗,早在 1950 年,第一台商用電腦連個影子都沒有的時代下,圖靈就已經思考到未來「計算機」的智慧表現將可能到達人類難辨真假的程度,具體來說這個思想實驗是如果一台機器能夠透過介面,與不知對面是機器人或是人類的受試者展開對話,而不被辨別出其機器身分,那麼就可稱這台機器具有智慧。

但我們也知道智慧有很多面向跟層次,語言和問題回應都不一定能反應這台機器有無智慧,因此這個思想實驗的有效性也被許多科學家和心理學家質疑。即使如此簡單粗暴的模仿遊戲,至今其實也都沒人能攻克。

等等,你可能會想到,前面提到的 google 工程師勒穆因,他不是已經分不出來對面是機器還是人了嗎?原因很簡單,他自己就是 AI 的開發者而非圖靈測試設定中的不知情受試者,因此根本不能算數,除非 google 拿這個 AI 給不知情民眾作測試。

不過今年 8 / 28 google 已經將這個對話機器人以 AI Test Kitchen 項目開放部分美國人作小規模測試,其中包含了「 Imagine It (想像一下)」,只要你說出一個想像或實際存在的地點,LaMDA 就會嘗試以文字描述,而另一個「List It(列個清單)」,則會幫你摘要分類起你提供的清單內容。最有可能和圖靈測驗有關係的「 Talk About It (你說看看)」項目,可以針對特定主題與使用者進行自由對談。

-----廣告,請繼續往下閱讀-----

搞不好等到這個封閉測試結束後,我們會真的分不清楚現在到底是人還是 AI 在和我們對話,屆時也許就真能達成「通過圖靈測試」這個 AI 里程碑!

未來也許我們會分不清楚是在跟人類還是 AI 說話。圖/envatoelements

真實世界的棋靈王 AlphaGo

其實這已經不是 google 第一次用 AI 震驚世人了,讓我們回到 2016 年的圍棋大賽會場,當時 google 收購的公司 Deepmind 研發的圍棋計算 AI Alpha Go 以四勝一敗擊敗韓國棋王李世石,爾後又於 2017 年三戰全勝當時世界棋王柯潔。

若這場對奕發生在網路上,就像是棋靈王中佐為以 SAI 為化名擊敗塔矢名人,我們是否真的能分辨在電腦對面和你下棋的是 AI 藤原佐為、還是黑嘉嘉呢?

而這樣玄妙的畫面,當年還真的發生了,就在 2016 年末網路棋壇上一個名為 Master 的帳號出現,專挑職業棋士對奕,最後獲得 60 勝 1 和這麼大殺四方的成績。

-----廣告,請繼續往下閱讀-----

而在第 54 局和中國棋聖聶衛平對奕後, Master 首次打出繁體中文「謝謝聶老師」,在第 60 局對上中國的古力九段 Master 更自曝身分,說出自己就是「AlphaGo 的黃博士」。這位黃博士就是打從 2012 就開發出國產圍棋程式 Erica ,爾後被 Deepmind 公司挖角,參與開發 AlphaGo 的台灣資深工程師黃士傑。

不論是讓工程師自己都認知錯亂的 LamDA ,或是在圍棋界痛宰各路棋王的 AlphaGo ,驚嘆之餘,我們更好奇的是,它們是怎麼開發出來的?

人工智慧的起起落落

讓我們來看看歷代電腦科學家們是如何發展出各種人工智慧,一路迎來現在幾乎琴棋詩書樣樣通的黃金時代,我先提醒大家,這過程可不是一帆風順,就像股票一樣起起落落,在 AI 的發展史上,套牢過無數科學家。

人工智慧這概念是在 1956 年提出,就在麥卡錫(John McCarthy)和明斯基(Marvin Minsky)、羅切斯特(Nathaniel Rochester)和香農(Claude Shannon)四位 AI 鼻祖與其他六位研究者參與的一個名為「達特茅斯夏季人工智慧研究會」的會議上,這一年也被公認為 AI 元年。

-----廣告,請繼續往下閱讀-----

會議中除了人工智慧這個詞以外,當年這些金頭腦們就已經提出大家現在很熟悉的「自然語言處理」(就是 SIRI 啦)、神經網路等概念,而在這個會議後,正好遇上美蘇冷戰和科技競賽的時代。除了在大家耳熟能詳的阿波羅系列等太空任務上較勁外,兩大強國也投資大量資源在電腦科學上,期待能夠像圖靈當年那樣,開發出扭轉戰局的電腦科技。

而他們也不負所託產出了很多有趣的運用,例如第一個具備學習能力的跳棋程式、或是聊天機器人伊莉莎(Eliza)、醫療診斷系統「MYCIN」。史丹佛大學(Standord University)甚至就從那時開始研發現在很夯的汽車自動駕駛技術。

冷戰的科技競賽讓 AI 迅速發展,不過其發展過程仍遇到許多問題。圖/envatoelements

然而到了 70 年代初期,AI 的發展開始遭遇許多瓶頸,主要是研究者們慢慢發現,即使他們開發的AI 已經擁有簡單的邏輯與推理能力,甚至一定程度的學習能力,但仍離所謂智慧和判斷能力差太遠,使得當時的 AI 甚至被批評為只能解決所謂的「玩具問題(Toy Problem)」。

也因為能解決的問題太有限,也導致出資的英美政府失去了信心, AI 研究領域迎來了第一次寒冬。但這並非當時的科學家能力不足,而是他們生錯了時代,例如我們現在都經常聽到的「類神經網路」就是前述的 AI 鼻祖明斯基提出的。

-----廣告,請繼續往下閱讀-----

就像仿生獸的創造者一樣,他想從大自然中找答案,而既然要探索智慧,明斯基就直接模仿人類腦細胞,做出第一台神經網路學習機,但當年受限於電腦硬體效能和可用的資料不足,使類神經網路沒有辦法像現在一樣揚名立萬。

在寒冬之中,另一位大神麥卡錫認為追求智慧和思考是緣木求魚,不如利用機器比我們還強大的優勢邏輯與運算,來幫我們解決問題就好,因此演進出「專家系統」這條路線,帶來人工智慧的復興。

專家系統的本質就是把所有參數和結果塞進去,用搜索和運算的方式來回答問題,這種人工智慧特別適合解決一些有明確答案的專業問題,所以被稱為專家系統,例如醫生針對已知病徵開立處方用藥,或是法律相關問題。

隨著電腦運算效能的大提升,專家系統在復興之路上有不少發揮和成果,但很快又遇到下一個瓶頸,即是「專家系統無法面對新問題」,例如即使能將開處方籤這件事自動化,但卻沒有辦法對應新疾病例如 COVID – 19,或是還沒來得及輸入資料庫的新型藥品,離取代醫生太遠了。

-----廣告,請繼續往下閱讀-----

於是就像景氣循環一樣,大量投資的熱錢又開始泡沫化,人工智慧迎來了第二次寒冬,許多電腦科學家甚至改自稱自己在做自動化設計或最佳化系統等等來掩人耳目,避免被唱衰。

這概念非常合理,可惜受限於當時電腦硬體能力和資料量,因此原型機能解決問題的速度還不如傳統統計方式,但隨著電晶體的高速發展,以及網路世代帶來海量資料,類神經網路這門技藝開始文藝復興。

1984 年,美國普林斯頓大學的物理學家和神經學家霍普菲爾德(John Hopfield)用模擬集成電路(linear integrated circuit)完成了新的類神經網路模型,而雲端運算、大量資料讓科學家可以輕易的餵養資料訓練模型,更能夠增加更多「隱含層」讓運算更複雜,這種「深度學習技術」,讓人工智慧的第二次寒冬看見暖陽。

從李飛飛推出的 ImageNet 年度競賽開始,演化到 google 的 alphaGo , AI 開始能夠認得圖像上的物件,甚至攻克本來被認為不可能攻克的圍棋領域。何會說圍棋曾被認為不可能被攻克呢?因為每一盤圍棋的複雜度可是高達 10 的 172 次方,比現在已知的宇宙原子數量還多,因此圍棋界才有「千股無同局」之說。

-----廣告,請繼續往下閱讀-----

相較起來 1997 年 IBM 的深藍攻克的西洋棋複雜度僅有 10 的 46 次方,但也動用了 30 台電腦加裝 480 加速運算晶片,基本上就有如火鳳燎原中八奇思維的「我知道你的下一步的下一步」,當年深藍每一次下棋可是都暴力計算到了後面 12 步的發展,才打敗西洋棋世界冠軍卡斯帕羅夫。

圍棋的複雜度高達 10 的 172 次方,讓其有著「千股無同局」的說法。圖/wikipedia

AlphaGo 到底是怎麼算出這麼複雜的圍棋呢,難道它比深藍還厲害,能像是奇異博士雖然能透過時間寶石演算出一千四百多萬種平行宇宙的可能性才落子嗎?

這就要提到 Deepmind 公司非常有趣的洞見,那就是真正的智慧是捨棄那些無須多想、壓根不可能成功的可能性。 google 工程師使用了一種叫做蒙地卡羅樹搜尋的方式一方面讓 alpha go 大量隨機生成類神經網路參數和層數,二方面讓它快速搜尋並略過「不需要運算的路徑」。

這其實是我們日常生活中很熟悉的現象 ——人腦的「捷思」,也就是直接專注於我們要解決的問題,忽略周遭的雜訊或多餘的想法。而類神經網路的設計思維是尋求最佳解而非唯一解,即使是 Alpha go 也會下錯棋,也曾輸給李世石,但關鍵是能夠在有限的資訊和時間中得到答案。

除了下出神之一手以外,Alpha go 這樣的 AI 能做的事情還多著, Deepmind 用 AlphaGo 打遍天下無敵手後宣布讓 AlphoGo 退休,後續將這套技術拿去學玩貪食蛇,打星海爭霸,展現出超越電競選手的技巧,現在甚至能預測蛋白質結構,或比醫生更精準地判定乳癌。

GOOGLE 工程師讓 alpha go 快速搜尋並略過「不需要運算的路徑」,就如同「人類的捷思」一樣。圖/envatoelements

人類的最後堡壘陷落了嗎?

最後我們回到一開始的問題,實用化的 LaMDA 究竟有沒有可能通過圖靈測試呢?

即使目前 google 仍強烈否認 LaMDA 具有知覺,而勒穆因也因涉嫌洩漏商業機密被停職。英國謝菲爾德大學機器人學院教授羅傑‧摩爾澄清這個AI背後的算法體系只是「詞序建模」(world sequence modelling)而非「語言建模」(language modeling)。

他強調對答如流的 LaMDA ,會給你他有人格的感覺只是錯覺。但最新的應用中,google 找來了 13 個作家,測試以 LaMDA 為基礎開發的寫作協助工具LaMDA Wordcraft。運作上有點像手機輸入法的關聯字詞推薦概念,但它的設計完全是為了文字創作者而生,利用整個網際網路中的文字,它彷彿擁有了類似榮格「集體潛意識」的能力,當小說家起了一個頭,它就能開始推薦下一個單詞甚至一整個句子補完,甚至還能調整生成文字的風格,例如有趣或憂鬱,這些應用聽起來簡直像是科幻小說。

有些作家甚至可以使用 AI 來創作小說。圖/envatoelements

奇妙的是,參與測試的作家之一正是曾翻譯《三體》英文版並寫出《摺紙動物園》的科幻小說家劉宇昆,他形容這個工具讓他數次突破「創作瓶頸」,節約了自己的腦容量,專注於創作故事更重要的東西。

更驚人的是,他提到有一次他連開頭的靈感都沒有,因此他把「創作的主動權」交給了 LaMDA ,並從中看到了從未想過的可能性,有了繼續寫下去的新寫作靈感。儼然就像當年 Alpha Go 下出一些人類棋譜中從沒想過的棋路一樣,有了「洞見」。

到了這個地步,你仍能堅持 AI 只是我們拿來「解決問題」的工具,而不具備一定程度對人文的認知或智慧嗎?

PanSci_96
1219 篇文章 ・ 2193 位粉絲
PanSci的編輯部帳號,會發自產內容跟各種消息喔。