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。

圖

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。
● 數學：2025 年的美國數學邀請賽（AIME），這種極高難度的競賽，OpenAI 的 o3 模型解題準確率高達 88.9%。

● 程式設計：在頂尖高手雲集的 Codeforces 競賽平台，o3 拿下了 2706 ELO 積分的「國際大師」等級，遠甩前代 o1 的最高值 1891。

● 跨學科科學：在衡量博士水準的 GPQA Diamond 指標，o3 的準確率從 o1 的 78% 躍升至 83.3%。

這些數字說明了一件事：在處理有標準答案、以邏輯和知識為核心的封閉問題上，AI 已具備與頂尖人類專家一較高下的實力。

面貌二：在「沒有標準答案」的現實中，AI 還是個實習醫生
然而，當場景從學術殿堂轉移到充滿模糊與複雜的現實時，AI的另一張臉孔出現了。
在撰寫本章節前不久，微軟研究團隊建立的 MEDEC（醫療錯誤偵測與修正）公開基準測試，包含 3,848 份真實臨床筆記，讓 Claude 3.5 Sonnet、o1-preview、GPT-4o 等頂尖模型「應考」，並請來兩位醫學博士作為對照組。
結果非常發人深省：
● 判斷一份病歷有沒有錯：表現最好的 Claude 3.5 Sonnet 準確率約 70.16%，但兩位人類醫生分別是 71.6% 與 79.6%。AI 輸了。差距看起來不大，但在醫療場景，每一個百分點背後都是真實的病患。
● 精準圈出哪句話寫錯：Claude 3.5 Sonnet 最高達 65.6%，人類醫生是 65.9% 與 66.8%。AI 還是輸了。AI 非常接近，但「非常接近」在真實決策中往往還不夠。
● 修正錯誤內容的綜合評分：最強的 o1-preview 拿到 0.698，仍低於人類醫生的 0.712 及 0.774。
表


這份研究揭示了一個關鍵現實：儘管 AI 進步神速，但在需要高度經驗、情境理解、以及對細微末節進行常識判斷的複雜任務上，它依然無法取代訓練有素的人類專家。AI 看得懂數據，但還看不懂「人」與真實世界的複雜互動。
這兩種面貌，共同構成了我們理解 AI 的基礎：它是一個潛力無限的天才，也是一個需要謹慎對待、持續學習的學徒。正因為如此，我把它稱為「天才學徒」。
天才學徒的存在，帶出了這本書最核心的問題：如果 AI 在標準化任務上越來越強，人類的優勢要往哪裡找？我的答案是分工。人腦負責判斷、脈絡、價值取捨；AI 腦負責處理、生成、快速迭代。我把這套協作邏輯叫做「雙腦思考術」。
（未完）

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...

第一部 讀懂這個時代
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
AI 簡史：從邏輯、學習到創造的三部曲
AI 的雙面刃：「分析師」與「創造者」
AI 的真實面貌：天才學徒
雙腦革命：這本書真正想說的事
從助理到 AI 團隊：工作模式的根本轉變
最危險的陷阱：認知卸載，還是認知懶惰？
雙腦思考術：你的 10 個思考模型
第2章　AI經濟的崛起：從算力到行動力
AI 經濟的定義：從「擁有資產」到「指揮勞動力」
AI 經濟的核心特徵 34
企業現場：88% 導入，61% 財報沒動靜
在 AI 經濟裡，你的不可替代性在哪裡？
AI 經濟的現在進行式：從「代理人革命」到「軍火庫台灣」
讀懂地圖，然後呢？
第3章　涉浪之前，讀懂AI時代的十個訊號
趨勢一：自主協作系統
趨勢二：智慧職場轉型
趨勢三：非對稱競爭優勢
趨勢四：數位與實體整合應用
趨勢五：跨域知識整合
趨勢六：AI 輔助學習
趨勢七：超個人化服務
趨勢八：雙腦協作
趨勢九：AI 治理與信任
趨勢十：永續與責任 AI
第4章　代理人時代：從「幫你想」到「替你做」
從「助理」到「代理人」
代理人 AI 能做到什麼？
代理人時代的五個主趨勢
你不是在學一個 App，你是在學一種新的工作系統
第二部 重新定義自己
第5章　工作大拆解：職位不消失，任務與技能會重組
一個你可能認識的人
這不是預測，這是現在正在發生的事
問錯問題，就找不到答案
AI工作者
三條升級曲線
一個團隊的半年
曝光面變大，價值往哪裡集中
給讀者的自我診斷
第6章　頂尖 AI 工作者的四個步驟：從「會用工具」
到「能設計人機系統」
超級平均時代正在到來
頂尖與一般的差距，不在工具，在這裡
四個步驟之前：你必須先是這樣的人
第一步驟　知識注入：把 AI 打造成你的隨身情報局
第二步驟　即時學習：讓 AI 與世界同步更新
第三步驟　思考模型：讓 AI 內建你的思考方式
第四步驟　輸出優化：把輸出當作品打磨
最大的陷阱：認知負債
從對抗平均，到定義卓越
第7章　雙腦協作：人腦與 AI 腦的新夥伴關係
你現在在哪個象限？
一張地圖，四種協作場景
四個象限，你在哪裡？
從「主僕關係」到「夥伴共創」
頂尖 AI 工作者，懂得移動
10 個讓 AI 以你的方式思考的模型
第三部 建立你的雙腦工作系統
第8章　構建 AI 雙腦思考模型
模型 1 — 黃金比例 AI 加值螺旋
模型 2 — A+B 碰撞 18 招
模型 3 — 多元思考漏斗
模型 4 — 跨界思考之基礎三招
模型 5 — 跨界思考之進階混搭
模型 6 — 知識管理／標竿學習矩陣
模型 7 — 6D 思考 VIP 教室
模型 8 — 名人大腦
模型 9 — 跨界創新開腦羅盤
模型 10 — 殿堂級 AI 專家
第9章　教育篇：AI 時代，學什麼、怎麼學
全球頂尖大學對 AI 教育的觀點演進
引入思考模型的價值
效率的再造：當每個學生都有一位專屬 AI 家教
動機的燃燒：讓學習者從「被教」到「主動探索」
創新的源頭：達文西、賈伯斯與張忠謀同坐一桌
思辨的核心：在資訊爆炸的時代，如何不被數據淹沒
體驗的革命：當學習變成一場身歷其境的冒險
實踐的路徑：從一個想法，走到真實的市場
智慧的升華：駕馭知識爆炸，而不是被它淹沒
AI 時代的學習藍圖
第10章　職場篇：AI 時代，做什麼、怎麼做
從六大核心職能領域分析
案例 1：產品行銷卡關，如何為老字號品牌注入新活力？
案例 2：新人培訓大改造，從離職率高到歸屬感滿滿
案例 3：生成式 AI 在市場研究的應用
案例 4：杯墊與滑鼠的創新產品設計
案例 5：雞與鞋子的創新產品設計對比
第11章　AI+X：任何領域都能用的跨界思維
AI+X 百搭應用測試概述
案例 1：知識管理與流體力學的跨域融合
案例 2：微波陶瓷通訊與量子材料科學的尖端探索
案例 3：元宇宙心理諮詢平台的設計
案例 4：台灣面對美國加徵關稅的三重思考
模型通用無邊界，思考判斷您決定
第12章　No-X是偽命題，「你」才是真命題
技術簡化，從來不等於專業消亡
No-X 為什麼不可能？
那麼，你現在在哪裡？
雙腦工作術：從工具使用者，到思考設計者
品味、觀點、倫理：最後的護城河
從個體到集體：我們共同在塑造什麼樣的未來
未來不是失業，是一場你可以參與的文藝復興
給你的行動邀請
第13 章　把這本書裝進你的AI 大腦
為什麼是 Spaces，而不是普通對話視窗？
步驟 1：準備並上傳模型文件
步驟 2：寫入你的自訂指令
步驟 3：建立你的 Prompt 模板庫
步驟 4：整合驗收
一個空間，無限可能
附錄一　雙腦思考模型的學術根基
附錄二　AI 作為同行評審者，真實場景下的驗證

第一部 讀懂這個時代
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
AI 簡史：從邏輯、學習到創造的三部曲
AI 的雙面刃：「分析師」與「創造者」
AI 的真實面貌：天才學徒
雙腦革命：這本書真正想說的事
從助理到 AI 團隊：工作模式的根本轉變
最危險的陷阱：認知卸載，還是認知懶惰？
雙腦思考術：你的 10 個思考模型
第2章　AI經濟的崛起：從算力到行動力
AI 經濟的定義：從「擁有資產」到「指揮勞動力」
AI 經濟的核心特徵 34
企業現場：88% 導入，61% 財報沒動靜
在 AI 經濟裡，你...