第1章 前言：站在震撼的時代的開端
你可能正在犯一個所有人都在犯的錯
讓我先問你一個問題。上一次你打開ChatGPT或任何一個AI工具，你是怎麼用它的？大多數人的答案是：叫它幫我寫、幫我整理、幫我生成。用完，複製貼上，發出去。
這沒有錯。但我想告訴你，這只是AI最淺層的用法，而且，如果你一直停留在這個層次，你會在不知不覺中，把自己最值錢的東西悄悄讓渡出去。
那個最值錢的東西，不是你的時間，也不是你的技能，而是你思考的能力。
這本書，就是為了防止這件事發生而寫的。
AI 簡史：從邏輯、學習到創造的三部曲
要理解今天AI為何如此震撼，你必須先看懂它走過的三個截然不同的時代。這不是一條平順的發展線，而是一部跨越近70年、充滿夢想、挫折與驚天逆轉的三部曲。
首部曲：邏輯的黎明（1950s－1990s）
AI 的故事，始於一群天才數學家的偉大夢想：能不能用機器，來模仿人類的思考？
1950年，英國數學家艾倫?圖靈提出「圖靈測試」，像一道哲學閃電劃開了序幕。1956年的達特茅斯會議，正式為這個夢想命名為「人工智慧」。
這個時代的AI，信奉「邏輯至上」。科學家試圖把人類的知識與規則，一條條寫進程式，打造所謂的「專家系統」。這條路的巔峰，是1997年IBM的深藍，當它擊敗世界棋王卡斯帕洛夫，全世界為之震驚。機器首次在純粹的邏輯計算上贏過了人類最強大腦。
但這也是邏輯AI的極限。「你教它一步、它才懂一步」的模式，成本高、彈性差，AI的發展隨後進入數十年的瓶頸，也就是所謂的「AI寒冬」。
二部曲：學習的覺醒（2000s－2020s）
當所有人以為AI只是曇花一現，兩股力量正悄悄添上燃料：網際網路帶來的海量數據，以及摩爾定律驅動的超強算力。
AI的核心思想，發生了根本性的轉變：與其教它規則，不如讓它自己從數據中學習。
2012年，一個名為AlexNet的神經網路，在影像辨識大賽中以強勢奪冠。它證明了，只要餵給AI足夠多的圖片，它就能自己學會分辨，而且比人類更準。深度學習的時代正式來臨。
2016年的AlphaGo，讓AI學會了「思考」。它透過自我對弈數百萬盤棋，演化出連創造者都無法解釋的策略，擊敗世界冠軍李世石。這場勝利的震撼遠超深藍，因為 AlphaGo 長出了自己的「直覺」。
隔年，Google的《Attention Is All You Need》論文提出Transformer架構，為 AI 的語言能力打下了核彈級的基礎，直接引爆了第三部曲的到來。
三部曲：創造的爆發（2022－至今）
2022年11月，OpenAI發布ChatGPT，世界從此不同。
這標誌著生成式 AI 時代的全面降臨。AI不再只是分析、預測、或在棋盤上擊敗人類。它第一次擁有了「創造」的能力：寫詩、作文、畫圖、寫程式、作曲，這些過去被視為人類專屬的創造性活動，AI 都能勝任，而且水準驚人。
AI 從專家書房裡的超級大腦，變成了人人都能在手機上使用的創意夥伴。
這股熱潮有多瘋狂？根據埃森哲（Accenture）的研究，自ChatGPT問世後短短一年多，全球頂尖企業在財報會議上提到AI的次數，飆漲了整整七倍。七倍，不是成長了一些，是原本每提一次、現在提七次。董事會的議程，已經被這個議題佔領了。
這三部曲的演進，不只是技術的飛躍，更是人類與機器關係的重新定義。而我們，正站在這個故事最精彩、也最激盪的開端。
AI 的雙面刃：「分析師」與「創造者」
很多人聊到 AI，腦中像一鍋大雜燴，Siri、自動駕駛、AlphaGo、ChatGPT 全都混在一起。要真正看懂 AI 的威力，你必須先分清楚它的兩種「人格」。
分析師 AI，處理已有的資訊，從中找出規律、做出判斷。Siri 聽懂你的指令、Spotify 推薦你的歌單、醫療影像系統協助判讀 X 光片，它們非常強大，但處理的都是「已經存在」的數據，幫你「看懂」世界。
創造者AI（也就是生成式 AI），則完全是另一種物種。你給它一個指令，它能無中生有，畫出一張全新的圖、寫出一篇文章、譜出一首樂曲。這是一個根本性的跳躍：從「理解世界」跨越到了「創造世界」，這是一個根本性的跳躍。
生成式 AI 的崛起並不是要取代分析型 AI，而是為它裝上更強大的引擎與更友善的介面。未來的致勝關鍵，在於如何讓這兩種 AI 協同作戰：用生成式 AI 的流暢對話，去挖掘並驅動數據背後更深層的洞見。
麥肯錫（McKinsey）估算，光是生成式 AI，每年就能為全球經濟多貢獻 2.6 兆到 4.4 兆美元的價值，這個數字幾乎相當於英國一年的 GDP，台灣 GDP 的三到六倍。這不是比喻，是試算。換句話說，能不能用好 AI，將決定你在這個市場上的位置。
AI 的真實面貌：天才學徒
在你決定要用AI、或讓AI取代你之前，你必須先搞清楚一件事：今天的AI，究竟有多強，又有多脆弱？
面貌一：在「標準答案」的領域，AI已是頂尖專家
在有明確規則和客觀標準的學術賽場上，2025 年的 AI 模型，表現只能用「恐怖」來形容。
（未完）
你可能正在犯一個所有人都在犯的錯
讓我先問你一個問題。上一次你打開ChatGPT或任何一個AI工具，你是怎麼用它的？大多數人的答案是：叫它幫我寫、幫我整理、幫我生成。用完，複製貼上，發出去。
這沒有錯。但我想告訴你，這只是AI最淺層的用法，而且，如果你一直停留在這個層次，你會在不知不覺中，把自己最值錢的東西悄悄讓渡出去。
那個最值錢的東西，不是你的時間，也不是你的技能，而是你思考的能力。
這本書，就是為了防止這件事發生而寫的。
AI 簡史：從邏輯、學習到創造的三部曲
要理解今天AI為何如此震撼，你必須先看懂它走過的三個截然不同的時代。這不是一條平順的發展線，而是一部跨越近70年、充滿夢想、挫折與驚天逆轉的三部曲。
首部曲：邏輯的黎明（1950s－1990s）
AI 的故事，始於一群天才數學家的偉大夢想：能不能用機器，來模仿人類的思考？
1950年，英國數學家艾倫?圖靈提出「圖靈測試」，像一道哲學閃電劃開了序幕。1956年的達特茅斯會議，正式為這個夢想命名為「人工智慧」。
這個時代的AI，信奉「邏輯至上」。科學家試圖把人類的知識與規則，一條條寫進程式，打造所謂的「專家系統」。這條路的巔峰，是1997年IBM的深藍，當它擊敗世界棋王卡斯帕洛夫，全世界為之震驚。機器首次在純粹的邏輯計算上贏過了人類最強大腦。
但這也是邏輯AI的極限。「你教它一步、它才懂一步」的模式，成本高、彈性差，AI的發展隨後進入數十年的瓶頸，也就是所謂的「AI寒冬」。
二部曲：學習的覺醒（2000s－2020s）
當所有人以為AI只是曇花一現，兩股力量正悄悄添上燃料：網際網路帶來的海量數據，以及摩爾定律驅動的超強算力。
AI的核心思想，發生了根本性的轉變：與其教它規則，不如讓它自己從數據中學習。
2012年，一個名為AlexNet的神經網路，在影像辨識大賽中以強勢奪冠。它證明了，只要餵給AI足夠多的圖片，它就能自己學會分辨，而且比人類更準。深度學習的時代正式來臨。
2016年的AlphaGo，讓AI學會了「思考」。它透過自我對弈數百萬盤棋，演化出連創造者都無法解釋的策略，擊敗世界冠軍李世石。這場勝利的震撼遠超深藍，因為 AlphaGo 長出了自己的「直覺」。
隔年，Google的《Attention Is All You Need》論文提出Transformer架構，為 AI 的語言能力打下了核彈級的基礎，直接引爆了第三部曲的到來。
三部曲：創造的爆發（2022－至今）
2022年11月，OpenAI發布ChatGPT，世界從此不同。
這標誌著生成式 AI 時代的全面降臨。AI不再只是分析、預測、或在棋盤上擊敗人類。它第一次擁有了「創造」的能力：寫詩、作文、畫圖、寫程式、作曲，這些過去被視為人類專屬的創造性活動，AI 都能勝任，而且水準驚人。
AI 從專家書房裡的超級大腦，變成了人人都能在手機上使用的創意夥伴。
這股熱潮有多瘋狂？根據埃森哲（Accenture）的研究，自ChatGPT問世後短短一年多，全球頂尖企業在財報會議上提到AI的次數，飆漲了整整七倍。七倍，不是成長了一些，是原本每提一次、現在提七次。董事會的議程，已經被這個議題佔領了。
這三部曲的演進，不只是技術的飛躍，更是人類與機器關係的重新定義。而我們，正站在這個故事最精彩、也最激盪的開端。
AI 的雙面刃：「分析師」與「創造者」
很多人聊到 AI，腦中像一鍋大雜燴，Siri、自動駕駛、AlphaGo、ChatGPT 全都混在一起。要真正看懂 AI 的威力，你必須先分清楚它的兩種「人格」。
分析師 AI，處理已有的資訊，從中找出規律、做出判斷。Siri 聽懂你的指令、Spotify 推薦你的歌單、醫療影像系統協助判讀 X 光片，它們非常強大，但處理的都是「已經存在」的數據，幫你「看懂」世界。
創造者AI（也就是生成式 AI），則完全是另一種物種。你給它一個指令，它能無中生有，畫出一張全新的圖、寫出一篇文章、譜出一首樂曲。這是一個根本性的跳躍：從「理解世界」跨越到了「創造世界」，這是一個根本性的跳躍。
生成式 AI 的崛起並不是要取代分析型 AI，而是為它裝上更強大的引擎與更友善的介面。未來的致勝關鍵，在於如何讓這兩種 AI 協同作戰：用生成式 AI 的流暢對話，去挖掘並驅動數據背後更深層的洞見。
麥肯錫（McKinsey）估算，光是生成式 AI，每年就能為全球經濟多貢獻 2.6 兆到 4.4 兆美元的價值，這個數字幾乎相當於英國一年的 GDP，台灣 GDP 的三到六倍。這不是比喻，是試算。換句話說，能不能用好 AI，將決定你在這個市場上的位置。
AI 的真實面貌：天才學徒
在你決定要用AI、或讓AI取代你之前，你必須先搞清楚一件事：今天的AI，究竟有多強，又有多脆弱？
面貌一：在「標準答案」的領域，AI已是頂尖專家
在有明確規則和客觀標準的學術賽場上，2025 年的 AI 模型，表現只能用「恐怖」來形容。
（未完）
