AI 學習的悖論

「AI 讓你看起來更聰明，實質卻有可能學得更少。」

剛剛看到一篇文章談論 AI 對學習的可能傷害，他的參考資料是來自一篇文章《The Myth of Automated Learning》。這篇文章提到一個蠻重要的概念。

當人們使用機器自動執行他們本來可以自己完成的任務時，會發生以下三種情況之一：

1. 他們的技能不斷提高。
2. 他們的技能退化了。
3. 他們永遠學不會這項技能。

這三種狀況分別容易發生在三類人身上：

1. 如果使用者已經是專家，AI 工具可以進一步增強他們的技能。
2. 如果使用者尚未成為專家，而這項技能需要不斷練習，那麼 AI 自動化可能會導致技能退步。
3. 如果使用者是新手，而 AI 從一開始就執行任務，那麼這個人就可能永遠不會真正掌握這項技能。

作者舉的案例是工業時代，那些工匠等級的人，他們的工作被產線工人+自動化機器給大量取代，但這些生產線的工人離開自動化機器後其實什麼都不會。

對這個觀點我一半認同一半存疑，認同的點在於，產線工人熟悉的是機器操作，而工匠擅長的則是不靠機器來完成任務。哪個難度更高？通常是工匠。但從商業角度來思考價值，它本來就不在難度，而在於品質、效率、可持續性。

如果趨勢已經朝向自動化，那 99% 的情境下我們本就不必要掌握那麼多細節，我們只要把工具學好就能解決絕大多數的問題了。長期來說，懂得用工具的工人，價值並不見得會輸給工匠。

在軟體開發領域，大家常常說「不要重複造輪子」，也就是要能建立可以 reuse 的元件、類別、介面、API 等等，而不要每次都重寫一次。

但我也經常提到「不要重複造輪子，但一個可靠的工程師應該了解輪子怎麼造出來的」。

簡單的說，你應該知道這個程式是怎麼被寫出來的，又是如何運作的。唯有搞懂，你才知道你在維護些什麼，出錯時你也才知道可以怎麼改。

回過頭來談開頭的問題：「AI 讓你看起來更聰明，實質卻有可能學得更少。」

我個人認為這問題是存在的，以前我提到一種員工叫「體系員工」。在大公司，很多人之所以能做好事，並不是因為他能力特別優秀，而是因為公司的管理制度、品牌、產品先天就能讓一個人有超出能力的表現。可這個人一旦離開了這個環境會立刻打回原形，因為新環境中再也沒有體系讓他倚靠。

很多人離開大公司後去到小公司格格不入，很多是小公司還沒形成體系，他必須要面對很多工作能力上的短板。而小公司的人去到大公司也不適應，因為大公司會逼你要去融入體系，而不是自幹。

AI 也成了一種體系，但好處是這體系你是能帶著走的，你可以在各種地方繼續用 AI 來協助你，被逼著脫離體系的機率沒那麼高。但你無法避免的是日常隨機發生的對話與問題，你總不好要對方等等你，讓你查一下 AI 吧？

除此之外，我認為 AI 確實會讓部分人減少思考，因為我們將思考也外包給 AI 了。在很多腦科學的文獻中都有提到，人的記憶與智慧都是靠著大腦中的神經元做連結的，而創造連結的方法是思考。少了思考，這些神經元不會產生連結，大腦就不會發展。

有些研究支持 AI 會傷害大腦發展，但也有研究支持 AI 不會有負面影響。我認為，如果你本身就是個習慣思考的人，那問題應該不大，但如果平常就很少思考，那大腦的發展本來就比較少，自然就變成前者了。

很有趣的議題。

如果你覺得我內容寫得還不錯，歡迎訂閱我的電子報，我每雙週會發送一封電子報到你的信箱。訂閱連結在這，過往的電子報也在這：Gipi電子報

也鼓勵你可以將我的電子報分享給你認為有需要的朋友們，也許你的舉手之勞，將會改變另一個人的思維與習慣。