每天一篇，
最輕鬆的 AI 新聞

台灣數位發展部長上週在一場語言教育年會上，把大家拿來安慰自己和學生的三句話，換成了三個問號。 離電腦越近越安全？越年輕越好？靠近教室、做知識工作最穩？ 這三句話，教育界說了很多年。AI 來了之後，每一句都需要重新想一遍。 電腦變成 AI 之後，能操作電腦不再是優勢，因為 AI 會的東西不只是操作。年輕人快、適應力強，但 AI 先把入門工作、助理工作、學徒工作接走，年輕人還沒開始練功，新手村已經被自動化占了。知識工作最穩？AI 連課本知識、題目解析、作文批改都可以做，課堂裡的「內容」那一塊，它全部能接。 但有一件事，AI 接不走。 微軟執行長 Satya Nadella 最近說了一句大白話：你可以外包一項任務，甚至是一份工作，但你永遠無法外包你的學習。 AI 拿走了知識的傳遞，但學習本身（過程裡的挫折、修正、判斷和理解），沒辦法外包。讓 AI 幫你寫作業，成果可以交出去，但學會的那個過程如果沒有發生在你身上，它就不在任何地方。 所以這件事落到老師身上，出現了一個很具體的問題：我現在設計的課，學生有沒有辦法把內容交給 AI 做完、然後拿一個看起來過得去的成果出來？如果有，這堂課教的是知識，但學習沒有發生。 台上的部長說，AI 真正還沒辦法取代的，不是老師的愛和溫度，是三件事：提供有效的學習方法（AI 已被大量無效學習方法污染）、用真人互動讓學生留在學習過程裡、設計出一件學生沒辦法直接用 AI 完成的學習任務。 這個問題不只有老師要面對。任何讓 AI 幫你做事的人，工程師、設計師、做財務的、寫文章的，早晚都會碰到同一個問題：你在把事情交給 AI 做的過程裡，自己還在學嗎？ 任務可以外包，學習外包不了。

Gartner 上週發了一份報告：到 2027 年，四成的 AI 代理人專案會被公司取消。數字本身不算太意外，但另一個更讓人停一下：在那些還沒被砍的案子裡，89% 從來就沒有真正上線運作過。 連開始都沒開始。 Gartner 的解釋相當直接：AI 技術不是問題，是任務邊界沒劃清楚、背景說明給得不夠完整。工具買好了，人也排好了，卻說不出「這個 AI 具體要做什麼，做到哪裡叫完成」。旗令沒下，大軍就這樣站著沒動。 GitHub Copilot 的招募方式最近被分享出來，有一個細節值得看一下：他們在面試工程師時，仍然要求手寫程式碼。公司的核心產品是讓 AI 幫你寫程式的工具，但面試偏偏考這個。他們要看的，是在沒有任何 AI 工具的情況下，你能不能從第一步把一個問題的設計想清楚。用他們的話說，AI 是品味的放大器：你越清楚自己要的是什麼，AI 幫你快；你越模糊，它也幫你更快做出一個模糊的東西。 AI 的能力現在夠了，越來越多的任務它都能做。卡住的地方，是人能不能先說清楚「我要的是什麼、做完長什麼樣子」。 這個能力以前不太需要說出口。很多工作靠的是跟著前人做、感覺到了就懂，問題定義是隱在過程裡的，不需要講出來。現在要講了。要告訴 AI，也要先告訴自己，在動手之前先說一遍。這個能力跟學歷無關，跟技術背景無關，但要練。 你今天讓 AI 幫你做的那件事，事前你說了幾句話描述你要的結果？

台灣有個工程師，昨天下午還在用 Fable 5 分析一段程式碼，跟它像搭夥一樣在工作。隔天早上打開電腦，模型的入口不見了。他以為是帳號問題，去搜尋新聞之後才知道：是美國政府下了一道命令，禁止所有美國境外的人使用這個 AI。理由是國家安全。 沒有預先通知，沒有過渡期。一個命令，一個工具消失。 這件事這幾天才發生。Anthropic 宣布，旗下的 Fable 5 已依美國政府要求，對外國用戶關閉存取。AI 還在，公司還在，只是使用權被另一個國家的政府決定了，哪些人可以用，哪些人不行。 AI 工具對很多人來說，已經像 Word 或搜尋引擎一樣日常。查資料、整理筆記、寫報告、做計劃，習慣一旦建立，就很難意識到底層是什麼在支撐。伺服器在哪個國家、法律管轄誰、公司的政策受哪個政府約束，這些事情平常不需要知道，但它們決定了這個工具明天還在不在。 台灣這兩年有一批研究者，一直在做一件不太被注意的事。有個叫 SiliconMind 的計畫，一批學生在算力嚴重不足的情況下，訓練出一個晶片設計專用的 AI 模型，今年初已發佈開源版本。他們說的目的很簡單：確保當有人按下開關，手上還有自己的東西。 不一定要自己造，但知道用的是誰的工具、開關在哪裡、誰有權按它，這件事值得多想一下。 你不用是工程師才需要清楚這個。如果你已經習慣用 AI 輔助工作，整理資料、寫報告、做計劃，這些習慣是建立在某個服務穩定存取上的。而那個服務，哪天早上可能就不在了，原因跟你完全無關。 用任何工具都好，只是最好清楚：你對這個工具的依賴，要和你對這份依賴的了解一起長大。電是別人供的也沒關係，心裡最好知道發電廠在哪裡。