台灣醒報

大型語言模型（LLM，Large Language Model）是生成式AI的核心技術，在進化的學習環境中，大型語言模型透過和人類對話，以及和其他生成式AI與各種應用程式、外部硬體互動，都會提升生成式AI的能力，更能幫助我們解決現實世界的課題。

本書作者岡瑞起（OKA Mizuki）和橋本康弘（HASHIMOTO Yasuhiro）是日本AI專家，兩人帶領讀者了解「精準提問、正確下指令」的基本知識，並且分析大型語言模型的機制，介紹指令模式、觸發指令，幫助我們掌握與AI對話的技巧和知識。作者也提醒，生成式AI有可能成為人類的AI代理人，我們必須加速了解AI代理人的自律性、社會性和嶄新的資訊生態系。

工作會隨著AI改變嗎？剛剛解說了三種引領AI風潮的核心技術。了解這些技術，應該就能明白ChatGPT是專為對話設計的模型，也是為了特定目的學習的模型才對，所以也能利用公司的業務資料訓練成專門處理業務的模型。比方說，可以訓練處理會計、法律、醫學、教育以及其他領域的模型。

如此說來，大部分與語言有關的工作都應該會受到大型語言模型的影響才對。其實OpenAI與賓州大學於2023年的研究指出，80%的美國勞工至少會受到10%的影響，每五個人就有一個人的日常工作會有一半受到影響。換句話說，許多工作會受到影響是肯定的。

如果工作肯定會受到影響，那麼AI會如何改變工作呢？

AI工作產值

最先被改變的莫過於工作產值。當生成式AI能於業務應用，產值會產生什麼變化呢？最早將生成式AI的技術引入業務之中的業界就是開發軟體的電腦業界。觀察AI對於這個業界與工作的影響，或許就能一窺AI將在其他領域造成多少影響。

讓我們以程式設計輔助工具GitHub Copilot為例，程式設計師在撰寫程式時，這套工具能夠即時提供提示詞建議，所以程式設計師能省去不少撰寫程式的麻煩，而且提示想撰寫的程式碼，Copilot還會提出程式碼的方案。只要正確地提示想撰寫的內容，有可能只需要輸入提示詞，就能寫出需要的程式碼。

Copilot撰寫程式

一如Copilot的意思為「副駕駛」，指的是Copilot可提供與AI一起撰寫程式的體驗。所謂的結對開發（Pair programming）是指兩位程式設計師於同一台電腦輪流寫程式，一邊審閱彼此的程式碼，一邊進行開發的手法。

如果使用Copilot，就等於與AI組隊寫程式。實際使用Copilot就會發現，Copilot真的是非常優秀的工具，會讓人覺得少了它就不想寫程式。

在過去，寫程式都必須不斷地在網路搜尋相關的文法與使用方法，但Copilot問世後，再也不需要這麼麻煩，只需要在編輯器就能完成相關的工作。此外，程式設計師只需要先輸入提示詞，再檢閱Copilot產生的程式碼，這等於是從第三者的角度檢視程式碼的正確性，這讓人不禁覺得，這樣應該不大會出現錯誤的程式碼，這也是結對開發的效果。

提升工作效率

到底使用Copilot可以提升多少工作效率呢？目前已有量化的評估方式。微軟研究院這類研究團隊曾透過實驗測量使用了Copilot的組別，以及未使用Copilot的組別各自花了多少時間完成工作，以及比較了兩者的工作完成度，結果發現，使用了Copilot的組別比未使用Copilot的組別快了40%的時間。

這兩個組別的工作是利用JavaScript這種程式語言撰寫HTTP伺服器，所以也評估了伺服器的性能。結果發現，使用Copilot撰寫的伺服器，不僅比沒有使用Copilot撰寫的伺服器來得更省時間，性能也差不多。

這項實驗找來了95位接案的程式設計師為實驗對象，而實驗結果指出，年資愈淺的程式設計師愈能感受使用Copilot的優點。年資尚淺的程式設計師常常花很多時間確認函數的內容，而且也得花不少時間思考該使用哪些函數，但是當Copilot提出建議，就大幅縮減了查詢函數的時間，而且還能像是使用Copilot Chat一樣，一邊與Copilot對話，一邊開發需要的功能。

如果這類功能變得更加實用，或許就能提升開發速度與開發品質。儘管這項實驗沒有出現統計的顯著差異，但使用Copilot的程式設計師都表示，使用這項工具可減少錯誤。

Copilot程式設計師

在困難的工作應用Copilot可提升資深程式設計師的能力。雖然Copilot的實驗結果指出，資淺的程式設計師的確受惠於Copilot的幫助，但是對資深的程式設計師又會造成什麼影響呢？

一般認為，工作愈是困難，生成式AI對於資深程式設計師的影響應該愈大。就建置HTTP伺服器這項工作而言，從開始建置到結束建置的規格相當明確，該完成的部分也十分清楚，所以只要依照規格細心地撰寫每一項功能，就能完成工作，不大需要執行複雜的除錯步驟。

一如下圍棋時，我們必須依照對手的棋路調整自己的下一步，如果是看不見終點的工作，應該連資深程式設計師也會感受到Copilot的威力才對。下圖是圍棋棋手利用AI學習之後，棋力提升多少的圖表。

AI輔助誕生天才。

從這張圖表可以得知，開始與AI對弈之後，棋手的棋路突然大增，下錯的次數也減少，下出好棋的機率也大幅提升。

這個傾向也會在資淺棋手或是年輕棋手身上看到，但是在經驗豐富的棋手或是年老的棋手身上更加顯著。這或許是因為愈是經驗豐富的棋手，愈明白AI提出的新棋路有多少價值，也能體會這些新棋路的用意。

圍棋名人曾說，利用AI學習之後，讓他跳脫了舊有的框架，學到新的手法與路數，也讓他擁有更多精湛的棋路。利用大量資料學習的AI的確擁有更多知識，而要從這些知識找出有用的知識，當然需要擁有更多該領域的知識。

愈了解該領域的知識，就愈能應用這類進階的工具，這就是大型語言模型這類生成式AI與古典的機械學習模型最明顯的差異，愈是懂得使用的人，愈能夠從模型引用更多不同的知識。

由此可知，不管是初學者還是專家，都能透過AI讓自己的能力出現明顯的成長。一如將棋的世界出現了藤井聰太這種天才棋手，任何領域或許都能在AI的輔助之下誕生天才。

態度與期待的變化

如果初學者與專家的能力都因為生成式AI大幅提升，那麼會發生什麼事情呢？人們有可能會對工作成果抱以不同的期待，也就是說，人們會希望在短時間之內得到高品質的工作成果。比方說，除了希望專案早點完成，而且還會希望軟體的錯誤更少，或是想要取得更詳細的資料分析報告。

其實過去也發生過新技術普及後，社會產生變化的情況。比方說，網路剛普及時，來不及適應的企業便失去了大部分的市場。

美國影視娛樂提供商百視達未能預測網路影片串流服務的崛起，尤其未能因應Netflix的成功而流失了大部分的市場。無獨有偶，銷售音樂的HMV也因為數位音樂的普及以及網路銷售模式的崛起失去了地位。

AI取代人類工作

至於日本，隨著數位相機的普及以及線上照片服務的崛起，相機專賣店KITAMURA以及其他的膠捲零售業的商業模式都受到威脅。從這些例子可以得知，未能適應新技術的風險有多大。

如今，生成式AI普及的速度比前例的新技術還快，影響範圍也更大，如果組織或個人未能妥善應用AI，恐怕將會失去競爭力。

以下圖表清楚地列出AI的進化速度。縱軸是正確完成文字辨識、語言處理、影像處理這類工作的分數，從中可以發現，AI的分數一年比一年更高。最值得注意的部分在於2016年之後，AI的效能超過了人腦的效能，在閱讀能力、常識、數學、撰寫程式碼這類新工作方面，分數也出現驚人的成長。

這些原本都是人類比較擅長的工作，沒想到AI瞬間就追上了人類，甚至超越了人類。原本由我們負責的工作，或許會在不久的將來由AI取代。(宇欽/輯)

《AI時代的提問力 Prompt Literacy》
作者：岡瑞起, 橋本康弘
出版社：經濟新潮社

其他書訊：
《冷戰與南洋：我的新聞人生》
作者：陳加昌
出版社：季風帶文化有限公司

本書是新加坡已故資深記者陳加昌七十年新聞人生的回顧。書名中的「冷戰」為時間維度，「南洋」為空間座標，將其記者生涯中最重大歷史節點與關鍵人物交織呈現，寫下冷戰裡的南洋視角。

從韓戰、越戰、萬隆亞非會議、華玲和談、新馬分家到泛亞通訊社的興衰轉型，陳加昌走過每一場新聞現場，書寫每一段地緣變局，不僅是記者的職涯自述，更是一部以南洋視角書寫的冷戰亞洲史。

《泛 PM 職能的百萬年薪破關術》
作者：李星玟（Rafeni）
出版社：博碩

為什麼越努力，卻越迷惘、越無力？你是否也曾經歷這樣的階段？開局不錯、意氣風發，但隨著趨勢與環境變化，一切開始變得模糊，甚至懷疑自己是否走錯方向。

不是你不夠好，而是局勢變了，而你還沒看見。也許只是，還沒有人教你怎麼破解現在的局面。這本書，是為現正卡關的你獻上的轉化地圖，陪你在職涯迷霧中釐清方向、找回主導權，重新出發。這本書，將陪你重新找回自己的力量。不是要你學更多工具，而是從看懂自己、看懂局勢開始，從本質出發，用屬於你的方式破關。

《走讀伊斯蘭》
作者：賈斯汀．馬羅吉
出版社：聯經出版公司

曾受世人欽羨、充滿無限可能的伊斯蘭世界，一千五百年來造就了許多名垂青史的重要王朝、領袖和城市。在極盛時期，於各方面締造了無可比擬的成就；在頹敗時期，變成封閉、殘酷而危險的文化荒地。從七世紀伊斯蘭誕生的麥加，到二十一世紀驚人崛起的朵哈，結合史料和實地報導，以創新角度探索伊斯蘭世界豐富多元的文明。

本書描寫了這些偉大的王朝和它們在伊斯蘭歷史中高峰時刻的首都，將伊斯蘭歷史上的決定性時刻精彩地串連起來，記錄了這個文明的盛世繁華，並關注伊斯蘭世界在今日的持續變化。