💭 #17 想做好 AI 產品嗎? 或許你該學習哲學

嗨大家好，歡迎閱讀 ExplainAI 電子報。

在開始之前，想跟大家分享去年 ExplainThis 與完食線上學習平台共同籌劃了一門 ChatGPT 求職與工作應用類線上課程。這門課是給想要入門使用 ChatGPT 與生成式 AI ，來幫助自己在求職與工作上更高效的人。目前完食平台有課程優惠折扣，推薦給有相關需求的讀者。

目前已經有破百位讀者報名課程了，課程將在農曆年後正式開始，推薦年後想換工作，或者想透過 AI 來更高效工作的讀者 [課程連結在此]

講完開頭想跟大家分享的，接著讓我們進到本期的主題吧～

📍 想做好 AI 產品嗎? 或許你該學習哲學

有關注 OpenAI 或有看 OpenAI 去年 DevDay 直播的人，應該對 Joanne Jang 這個人不陌生。她是 OpenAI 的模型行為相關產品經理 (包含 ChatGPT 與 API)，在加入 OpenAI 前分別在 Dropbox 與 Google 當過 ML 相關的產品經理。

先前看到她發一則推文，說在她大學時期修的所有課程中，對她做 AI 產品經理最相關的 (most relevant)，是哲學相關的課程，同時她也推薦大家去修哲學課程。

Joanne 大學是讀史丹佛的數學與運算科學系 (Mathematical and Computational Science)，研究所則是史丹佛的電腦科學系 (Computer Science) 畢業。但她卻說對她現在工作最相關的是哲學課程，為什麼呢?

她舉的一個例子是，當再討論 AI 相關的安全議題時，當知道某個人出發的觀點是義務主義或功利主義，她就能夠有相關的詞彙來理解，而不需用從零開始重建某個論述，這時就可以讓焦點專注在這些不同角度之間在實務上的取捨。

這讓人想到幾年前讀 Bloomberg 專訪前 Yahoo 執行長 Marissa Mayer 的故事。Marissa Mayer 為人所知的是她是早期幫 Google 打出天下的重要功臣，除了是 Google 第一位女性工程師，也是建立起 Google APM 計畫的人 (後來帶起了矽谷各公司都有類似 APM 計畫的風潮)。

事實上，Marissa Mayer 剛進史丹佛讀大學時，是預醫 (pre-med) 主修。當年在 Bloomberg 的專訪中，她提到大一在讀預醫主修 (pre-med) 時，每天都在背誦各種知識，而她背誦的這些知識，跟她那些選擇州立大學的高中同學都一樣。她想說史丹佛的學費這麼貴，但自己來了是在背這些州立大學相同的內容，實在很浪費。

她思考要如何從史丹佛獲得最多，於是大二轉系到一個很特別的符號系統學系 (Symbolic Systems)。相信多數讀者可能沒聽過符號系統學系，以台灣為例，查了一下，只有清華大學幾年前有開符號系統培訓培訓方案，找不到其他學校相關的培訓課程或學系。

這符號系統學系在學什麼呢? 在史丹佛大學的介紹頁面上，可以看到這個學系是個結合電腦科學、語言學、數學、哲學、心理學、統計學等領域，來研究人文與科技、人類與人工智慧。

Marissa Mayer 先前在專訪用更簡白的方式，講解系統符號學在學什麼，她說「你去觀察人如何學習、如何推理，然後要電腦去做到一樣的事 You look at how people learn, how people reason, and ask a computer to do the same things」

LinkedIn 共同創辦人，同時也是 OpenAI 早期投資人 Reid Hoffman，當年在史丹佛也是在主修符號系統學的過程中，接觸到 AI (見下方影片)。

哲學探究不同的思想，其本意是指對智慧的熱愛 (Love of wisdom)；不管是電腦科學或者語言學，多數的博士學位是 PhD (Doctor of Philosophy)，即是探究智慧的博學之士。而 AI 是人工智慧，在探究如何把智慧由機器來實現前，我們需要先探究智慧本身。從這角度看，學習哲學能加速探索的過程，因為我們得以用更簡單的符號，來理解過去已被探究過的複雜概念。

回過頭來說，想做好 AI 產品，該有的技術能力還是不能少，只是在技術之餘，要做好 AI 產品還有非常多面向需要考量。因此，如果你是對 AI 發展、做 AI 產品感興趣的人，不妨在鑽研技術之餘，也去讀一些哲學相關的內容。

📚 其他 AI 相關觀點

從 Duolingo 外語學習平台的案例，淺談 AI 對於工作的轉變

去年的 12 月 15 號，在 Reddit 的論壇上，有位帳號為 No_Comb_4582 的用戶，說作為 Duolingo 約聘員工的自己被解雇了，並附上 Duolingo 寄給他的 Email 截圖。

No_Comb_4582 說因為現在 Duolingo 開始大量使用 AI 進行內容翻譯，所以過去翻譯人員的角色被替代，現在只留下 Duolingo 稱之為策展人 (curator) 的角色，這些角色負責驗證 GPT 翻譯後的內容，是否到達 CEFR 的標準。

這個論壇討論被 Bloomberg 報導，在報導中，Duolingo 表示這不是解雇，而是在約聘的項目結束後，由於優化了內容生成流程，現在不需用這麼多人力，所以沒有續聘。

Duolingo 在聘僱上的調整，並沒有讓人感到特別意外。不只是在翻譯領域，我們在去年寫《後 ChatGPT 時代，寫程式這件事將要滅絕了嗎?》有討論到，假如過去做的是複製貼上類的重複工作，即使職稱是軟體工程師，也極可能在未來組織架構調整後被 AI 替代掉。

但在去年寫的文章也談到，所謂的寫程式滅絕，是傳統定義的寫程式滅絕，人的角色在這過程中會轉換，當時引用了前哈佛大學電腦科學教授 Matt Welsh 提到的「人的角色會轉變，變成給予機器產出的程式反饋，進而生出更高品質成果」，換句話說，未來的工程師要有當 AI 的老師的能力。

相信不只是翻譯與寫程式，未來應該會有越來越多產業會漸漸往這趨勢走。從這個角度來看，專業能力的養成變更加重要，沒有培養出相當程度的專業能力，將難以勝任去校驗 AI 產出的工作。󠀠

究竟 AI 是在胡謅亂道，還是講得正確? 即使 AI 回覆是對的，品質是高還是低? 缺乏對專業領域的深度掌握、缺乏獨立思考，將會沒辦法判斷。舉例來說，如果缺乏醫學專業知識，很可能 AI 回答中有難以被常人辨別的問題，很可能就誤信為真。

󠀠同樣地，可能 AI 生成的程式多數情況正確，但沒辦法處理某些極端情景；這種情況下，如果缺乏紮實的程式能力與邏輯思考，將會導致沒辦法順利解 bug。

反過來說，有能力去判斷，甚至有能力去給回饋說哪邊能做更好，在 AI 時代顯得更加重要。那你可能會問，那學習使用 AI 工具，會是重要的嗎?

這件事當然重要，但比起培養深度專業與判斷力，學用 AI 工具是相對簡單的事，因為在市場競爭下，AI 產品會做得越來越易用，畢竟做的難用，大家就會改去用其他競爭者做的產品。

因此，雖然現在用 AI 很方便，但如果因此讓 AI 代勞而不去精進專業與思考，將會是有風險的。

為什麼我們最近退訂閱 ChatGPT Plus 了？

最近我們退訂閱 ChatGPT Plus 了。雖然過去分享了許多 ChatGPT 的內容，甚至出了教人用 ChatGPT 的書、線上課程，但是最近我們真的越來越少用 ChatGPT

當然這不是因為我們不再用 AI 輔助工具，而是跟 ChatGPT 對標的工具，我們越來越常改用 Google 推出的 Bard。直接用範例來說明為什麼，或許是最能說服人的。以最近我們要分享的一份 SEO 指南，把英文的原文分別請 Bard 跟 GPT-4 摘要改寫成中文短文。

可以看到附圖，同樣的提示詞、內容，上面是 Bard，下面是 GPT-4 的成果。不能說 GPT-4 成果不好，但我們毫不猶豫直接選用 Bard 的成果。現在真的沒有什麼絕對的王者，推薦大家每隔一段時間可以去試一些之前沒選的工具，說不定現在變得比你正在用的還好用。

這邊附上我們在 2024 最常用的其他 AI 工具

• AI 聊天助手：Bard

• 內建 AI 的瀏覽器： Arc

• AI 驅動的搜尋引擎：Perplexity

• AI 驅動的寫程式 IDE：Cursor

• AI 輔助圖片製作工具： Canva

當然，先前我們出的書、以及電子報開頭提到的線上課內容都還適用，畢竟 ChatGPT 與 Bard 在使用上沒什麼區別。

如果你覺得我們的內容有幫助，也請幫我們分享電子報給身邊的人，讓更多人能在快速變動的 AI 時代，持續走在最前沿！