Deep Dive
Shownotes Transcript
升学路途漫长你是否正为理想科系全力以赴 TOEIC 证照不仅为甄选加分还能免修大学英语陪你一路过关斩将 2025 TOEIC 专案考高中职专场 2 月 16 号与 3 月 9 号限定场次取得关键证照千万别错过请立即上官网报名让 TOEIC 成为你升学路上的强力助攻
哈喽,我是阅读前哨站的站长瓦基欢迎收听下一本《读什么》
你会不会很好奇现在这个 AI 的发展会怎么样改变我们的生活未来又有哪些带来的挑战这个是我们要面对的嘛所以我就邀请到了这个领域的专家科技浪的哈利他是这个 Podcast 的主持人然后来跟我们聊聊这个 AI 未来的发展还有趋势以及呢他会推荐我们几本好书给大家可以带走那首先先请哈利跟大家打声招呼嗨大家好我是哈利好
那哈利我觉得很有趣的一点是因为我在 IG 上面会看的转引音其实很少那哈利是我常看的一个对象就是关于我要看 AI 的发展有哪些新的工具哪些新的技术新的公司又出现了
我會看哈利的這個短影音所以科技浪 podcast 也是常會收聽的一個這個頻道所以如果有在對於 AI 跟科技有興趣的大家都可以到 podcast 頻道科技浪來追蹤哈利的這個節目對好那今天呢我覺得想要先問一下哈利就是說我蠻好奇的就是說因為其實哈利應該還蠻年輕的對不對嗯
但是在这个领域我觉得已经做出了一定的名声而且我身边很多朋友都蛮推荐可以去看你的这个频道那我很好奇说你自己的一个求学啊工作背景跟你现在讲的这些科技啊 AI 它的关联性是怎么样你以前的学习经历怎么样影响到你现在在做这些事情其实我大学是念国贸系
这点我觉得很多人可能会听了觉得很惊讶因为我现在的 podcast 还是 IG 的内容都是在讲可能很多技术相关的东西但我大学是念国贸系我最后开始接触 AI 是在大二的暑假那其实从大一开始讲我大一就是先接触了城市设计然后就开始对 coding 感到非常有兴趣就觉得这个东西非常神奇
然后我大二暑假就去星展银行做了一份 coding 的实习那在那份 coding 的实习呢我就结束到了 AI 因为星展银行每年会跟 AWS 举办一个叫做 Deep Racer 的活动我不确定现在还有没有反正就是一个用 AI 去训练车子然后让他们去做赛车比赛的小活动这样子真实的车子吗对对对是真实的车子对
当然大家是在模拟的环境里面先训练那个时候我其实真的什么都不懂其实最后都是一些主管在搞这些事情但是从那一刻起我就了解到了 AI Machine Learning 这个东西应该说那个时候大家是在讲 Machine Learning 就还没有 AI 这个词还没有那么常用对
那是我第一次接到 Machine Learning,我就發現說,這真的是非常神奇的一個東西。竟然可以讓電腦去學會人類智能才可以做到的事情。然後我就從那一刻開始,我就自己去摸索 Machine Learning 的這整個領域。從 DeepRacer RL,
我再往回一步从这个 supervised learning, unsupervised learning,deep learning,然后传统的这个 statistic based model 也学,反正全部都学,然后后来也开始做一些自己的 side project,然后直到我开始工作的时候,我第一份工作也是做一个科技公司的 data scientist,那就是在分析数据,然后有时候会用到一些比较传统的 machine learning 的 model 来做分析这样子,
所以一直以来就是虽然说定着一个国贸系的背景但一直就对这些东西感到非常有兴趣我真的觉得自己入错科系听起来是发展蛮有趣的对我觉得高中的时候不懂就是乱选但是庆幸的是就是
AI 这个东西其实是没有那么难学啊就是在网路上所有东西你都可以学得到然后说真的它真正爆发也是最近的事情因为我很好奇是说我自己也有接触到以前也有接触到一些讲科技啊讲这些新的技术的有些东西讲得很深有些都讲公式讲理论什么的
就是很难下焉可是哈利的你会透过短影音或透过 podcast 的形式去把这些东西用很白话文的方式讲给我们听懂而且你还会就是你讲的够白话但是又会触及到一些有深度的有应用的甚至有些理论的东西我还是会知道说原来背后是有这样的理论
我很好奇的是這樣的能力其實不是每個人都有那你是在這樣的過程當中你是什麼時候發現自己有這樣的能力或者說你是透過什麼樣的過程你把這個能力好像開始培養出來展現出來
我觉得这个能力帮助我最大的应该是我大学做了一份实习我那时候是大三大四的时候那个时候去麦肯锡做了一年的 research intern 那如果观众不知道麦肯锡这间公司反正它是一间国际的顾问公司主要就是帮很多大型企业解决他们企业上的难题
那这间公司他有一个有在提倡的一个观念就是你沟通一定要用最有效率的方式非常简便的沟通要在最短的时间内做出最有效的沟通那
我觉得就是那个时候我开始接触到了一个沟通的方式嗯就是他们有一个算是一个麦克星的秘籍叫做金字塔原理 OK 那就是简单讲一下反正就是在你讲任何一件事情的时候你要先讲结论嗯然后再讲支持这个结论的论点嗯
然後最後再講知識論點的事實反正這樣子的訓練溝通的訓練都讓我對於怎麼把一個困難的知識化成一個大家可以理解的觀念是很有幫助所以是在麥肯錫做實習生的時候就開始接觸到這個東西而且你那時候大概有為期多久的時間你做實習的這個經驗包含學習包含應用一些
实习过程有一整年一整年的时间就说对非常长等于哇那你就很长时间的沉浸在这样子的一个顾问的一个世界里是我觉得那个就是训练我沟通能力对那科技这部分的知识就是另外一个 part 就刚刚也有讲然后我觉得科技量就是把这两者结合起来
嗯~這個讓我蠻意外的因為我沒有想到說哇~原來在顧問產業或者說你透過顧問的實習這個部分可以學到這麼有效的表達方式他好像不是說像我發現我們就算很多人平常在上班上班族科技業不然什麼業好像你說要做個簡報哇~
哇讲的零零落落的做个简报老板就说你在讲什么我听不懂这个是我们最灰心的每次听到哇听不懂哇糟糕就是那个印象分数就很差了对所以这是蛮特别的一个算是经验而且也算是蛮幸运的让你之后在 Podcast 这样的经营上面跟短音的经营上面感觉带来很多注意
对我觉得你真的研究过这个顾问的这些沟通的方式你了解了之后你再去跟你的家人朋友讲话就觉得他们怎么都不讲重点对就因为他们顾问沟通就是重点结论一定要摆在最前面然后之后再往下展开嘛然后当然就跟你的主管报告也一样就完全就是有用这种有效的沟通方式跟没有用
成效是差非常多的尽管你的内容一模一样主管对你的印象分数会差超级多你那时候是在顾问的期间我想问你的那个重叠的期间就是说你说你有在学 AI 的东西在学 Deep Learning 机械学习的东西那一个时间跟你在
学怎么做顾问的这个时间是重叠的吗是重叠的对 我觉得一直以来就是有这两条线在同时进行的所以感觉也蛮刚好的你刚好把这两条线交织在一起了对啊 我觉得这个 deep learning 这个 machine learning 这个 part 比较是我的兴趣啊
然后那时候进入顾问业就是刚好有这个就是面试友上有这个机会然后同时也想说可以探索一下这个职业适不适合我这样但最后我是没有走啊我就是回去往这个 data 往 machine learning 这边走
了解,那你後來會決定說要自己來經營這樣科技浪的一個 Podcast 頻道或者說 IG 的這個頁面你想要用很白話文的方式去把你學到的 AI 跟科技傳達給大眾人背後的你的理念是什麼?你想要達到一個什麼樣的目標?
我觉得我最一开始初中是觉得技术的东西没有必要这么困难就是我觉得很多你听这些专业的人讲技术
他可能讲一句话你有两三个字听不懂然后你立刻就觉得哇这个技术我看来我这辈子是完全不会懂这不是我的领域但其实这些困难的技术背后都是一些非常简单的这个底层逻辑这些底层逻辑是一般人也可以轻松理解的当然你一般人要理解到 100%就是包括底层说的数学什么东西那是真的蛮难的
但是其实一般人没有必要了解到这么深,因为其实你也没有,不是每个人都会需要去做 machine learning 的 research,会需要 build 这些 model 嘛,所以,
我那时候就觉得其实技术东西不用这么难然后市面上有在可能讲技术的真的都讲得非常深然后没有一个节目是在一个白话跟技术之间的这个甜蜜点然后我就想说市面上没有这个节目那就我来做吧
啊 OK 因为有时候你说的说诶几个字听不懂哦我觉得更严重每个字都听得懂结果听完是整个概念都听不懂这是更惨的也有这种对对对所以哈利等于是半年好的这个桥梁这样子那关于因为像我自己最终哈利看最近好多 AI 的新产品啊新的科技甚至新的公司一直跑出来嗯
很多有一些好像是顛覆性的又有一些好像是賣老藥這樣子那你覺得你有沒有觀察到最近你覺得很顛覆性你覺得大家特別值得關注或者說可能要追蹤你的話你現在最 focus 的點最專注的是在講哪幾個地方
我觉得这个问题问得很好这个时机非常对因为现在确实有一个非常颠覆性的技术刚要出现应该说刚出现但是我觉得大众还没有理解到这一点然后连媒体都还不知道媒体都没有在报这一点但其实你仔细去看那些矽谷的精英那些科技巨头的人 AI Lab 或是 VC 大家都在讲大家都已经在讲这件事情了什么事那这件事情就是
會思考的 AI
会思考的 AI 没错就是让 AI 开始会思考其实现在大家大部分用的这些 ChatGPT 啊可能 Gemini Cloud 这些聊天机器人呢他们都不会思考诶意思就是说你问他一个问题他是直接会回答你这个问题他不会没有一个思考的过程他如果看起来停顿了那就是你的网路问题或者是 Server 的问题对那我觉得更详细来说的话是
他不会做 system 2 的 thinking 我相信瓦基斯系统 2 是指系统 2 对你可能有看过一本书叫快思漫想快思漫想这本书里面就有提到人类的思考其实有分两种一种是 system 1 一种是 system 2 那 system 1 是直觉脑就是你根据一个问题你是不会多加思考你直觉的给出一个答案
然后 System 2 是一个理性脑或思考计划脑就是他会看到一个问题他会把这个步骤列出来然后一步一步把它拆解把它解决那现在的 AI 它只能做到 System 1 的 thinking 嗯然后 System 2 是没有的那你从人类的角度来看从人类的角度来想你就会发现 System 2 其实非常强大嗯
假设我们人类完全只使用四声万的话你会笨非常多做不了什么大事我觉得最简单最简单的一个例子就是一个数学题嘛就比如说随便一个 3456 乘以 6873 这个数学题你用四声万你不可能解出来没有任何一个人可以直觉给你讲出这个答案当然我相信有些人有但是
99.9%的人不行但是任何一個國中畢業的人國小甚至你用 System 2 就可以解決這個問題所以說 System 2 可以解放好多好多更強的解決問題的能力跟更高的智能然後現在我們就是要看到 AI 開始開發 System 2 了我簡單總結一下你說 2025 年以前
包含生成式 AI 都是停留在系统 1 现在 2025 开始之后有可能有系统 2 的 AI 要出现了严格来说是 2024 年的 9 月 OpenAI 他们是释出了一个新的模型叫做 O1 那 O1 这个模型呢就是有 System2 的 AI 它是有史以来第一个有 System2 的 AI
然後在那之後就是大家看到這個 O1 真的是非常厲害其實現在已經確認說這個就是未來的趨勢了我們 2025 年的大趨勢就是會思考的 AI 就是其中一個嚴格來說這個專有名詞是 Test Time Compute 的 AI 這個 Test Time Compute 就是這個 AI 背後的 System 2 的關鍵技術中文的話怎麼理解你說這個
目前还没有中文翻译这个观念就是这么新啊现在还是只有这个系股的一群人在炒作而已可能要等到慢慢外媒开始有在报道这件事情然后台媒也开始参考外媒的开始报道才会有这个中文出现
然后学术圈当然也是全部都是英文所以这个字没有中文那我想要问一下以你观察到目前的迹象来看你说这个 O1 或者说这个所谓的系统 2 的这个 AI 的会思考的 AI 对它在实际的展现或它回答出来的东西它能回答哪些问题它会怎么回答那些问题
它基本上是在会需要推理思考的这些问题上面的表现会比原本的 AI 好非常非常多像是在科学领域物理化学啊或者是数学领域这样子然后写程式也是那一个很好的例子就是有一个数学测验叫做 Frontier Math 这是给 AI 的数学测验那这个 Frontier Math 是超级难的数学题
就是它裡面最簡單的題目是數學奧林匹亞的等級然後這個中等的題目可能就是研究生的困難研究題目等級然後最困難的題目就是專業數學家的研究題目的這種等級所以非常非常難絕大多數人來寫應該是拿到直接零分這樣那這個 Frontier Math 給原本的這個只有 System 1 的 AI 寫儘管你是給現在最厲害最厲害的 AIOpenAI 最強的模型或者是 Google 最強的模型
他只能解到 2%他只能解决 2%的题目但是 OpenAI 他们训练出的现在最强的模型叫 O3 这是 O 系列模型的第二版他可以解决 25%的题目已经可以解决到 25%了这个他已经可以解决 25%就 2%跳到 25%就是这么大的一个力而且你要知道 O3
才剛開始我說這個 O1 剛出現是去年 9 月才 3、4 個月然後 3、4 個月內它就可以就是從 2%變到 25%所以大家都覺得 2025 年它做到 70%、80%是幾乎是絕對可能的而且在逼近後面的可能 99%也不是什麼時間上的問題很快了對啊 絕對啊那這樣子出現之後你覺得
這個 AI 現在我們都已經覺得這種系統一的已經幫助我們很多了舉例來說 包含我自己或是哈利可能在整理一些文稿啊摘錄重點啊或者是像一些竹子稿的調整這個已經透過系統一就很幫助了很大了那接下來要出現的這種系統二的 AI 你覺得它對我們的特別是工作上會有沒有什麼樣很顯著的影響
我觉得最一开始会被影响到的就是 STEM 的工作者 STEM 领域的研究员研究 Science,Technology,Engineering,Math 那这些领域能够得到帮助很明显就是他现在有一个超级强的研究助理他可以解决很困难的这些题目
那一般人的工作我觉得短期内不会受到太大的不会有太大的改变这是因为两点第一点就是现在目前这些初代的 System 2 的这种会思考的 AI 呢他们其实在一些日常的工作上还没有办法做到跟一般的 AI 一样搞不好还会更弱其实在有一些
就是非常单纯的事情上面就比如说你只是想要让他可能写一篇简单的 essay 啊什么东西的他其实不一定会写得比较好因为他多了这些思考的流程然后思考流程还没有被最佳化我们还在我们还在把它调整他嘛
还没有在最佳化这种状况下他搞不好反而是多想反而想多了另外一点就是现在这些会思考的 AI 非常的贵你要运行它成本超级超级无敌高那像是 OpenAI 最强的这个 O3 的这个模型它要解决一题简单的推理的问题就是透过这些图像的模式
判断说下一个图像应该长什么样反正就是那种类似智力测验的东西它解决一题要花三千四百多美金这么贵啊美金哦所以说它的成本是极高极高的状况但是我们可想而知的这个技术一定会越来越强
现在这是整个业界发展的重点所以说大家会把他们做得越来越好那我觉得过不了多久这些 AI 他们就可以我们就可以用非常低成本去运行他们了然后同时他们也会变得越来越强在解决各式各样问题中都会变得越来越好所以说很多人在说的一点就是这些 O 系列模型这种会思考的 AI 他们能够让 AI agents 这个东西变成事实变成可能可以让他们变得更强
最明显的一个领域就是在 coding 这一边写程式嘛对写程式这一边写程式这一边这个 O 系列模型能够做到的就是比原本不会思考的强非常非常多嗯
因为写程式是一个很有逻辑很有脉络顺序的一件事情对所以你说刚刚可以解决理工的问题那解决程式的问题也听起来很合理了这样没错那这样是不是说有点像以前系统一的 AI 有点像他只能算打杂小弟现在系统二的是真的一个行政助理或者是一个
不只是行政的可能是个专业助理甚至比很多普通人还厉害的助理可以这样子说吗我觉得可能可以这样子讲对啊我觉得虽然说原本的这些旧时代 AI 他要成为助理也是可以
但是他就是一个不会思考的助理对就是所有事情就是靠直觉乱做啊就是你给我什么东西我直接给你三秒钟给你三秒钟给你但是有系统二的 AI 嗯你给他一个题目他真的会仔细思考说要解决这个问题或是要做到这件事情我有哪几个步骤然后每个步骤我应该要怎么做比较好嗯
然后他甚至在想第一个步骤他有了一个大概的答案之后他还会再反思一遍还会再思考一下说这个做法真的是最好的就是一步步思考所以感觉他的这样到底是一个我想要问的是说
可靠度听起来到底是变高了呢还是会变低呢因为他思考的模式跟人一样吗会不会他想歪了有没有这样的观察当然他想歪绝对是会出现的绝对会发生但是他绝对会变得可靠非常非常多就是
回到人類對於 System 1、System 2 的運用很多問題你真的要用 System 2 來解那有 System 2 的 AI 就可以解決這些問題當然他在思考的過程中會走歪這是絕對的但是這個就是目前整個 AI 業界要去解決的問題要去持續改善的問題然後這個也是可以改善的
我们有一些就是专业术语是一些 reinforcement learning 的方式可以去让他们的思考变得越来越更缜密然后方向越来越对那因为听众朋友们很多可能是上班族或者说可能自己有自己自由业之业的那我想要问的是说大家可能会有一个疑问
这个系统 2 要出来了这个发展的这么快对于我们一般的职场的工作者来说我到底要用什么样的角度去例如说我要去试用它吗还是说我现在先不碰我等以后再说以你的角度你会觉得这样接触这个资讯跟去了解这个资讯的速度或者说这个节奏应该要怎么样去调整会比较好
了解 我觉得针对这个问题首先大家要知道我们会遇到的职场上的改变有哪一些吗会怎么样改变那先从这一点开始那基本上大家业界的人都有一个共识就是说 2025 年是 AI Agent 的年
OK 这一年会有很多所谓 AI agent 的出现那所谓的 AI agent 呢就是指真的能够帮你完成任务的一个 AI 嗯我们在今年之前大部分的 AI 不是 agent 它就是一个 chatbot 就你像 ChatGPT 你问他一个问题他就给你一个回答聊天室对聊天室的好
但是一个 AI Agent 是你不是问他一个问题你是给他一个任务然后直接把这个任务去解决掉那这个是 2025 年会出现非常非常多的一种 AI Agent
那我们会看到的 AI Agent,那从最高层次来看呢,我觉得直接说就是取代很多的知识工作者。但是我知道很多人不喜欢取代这个词,然后这个直接讲取代也感觉不是很精准,因为他其实真正在做的事情是提升部分人的生产力,让这部分人的生产力可以 cover 所有的工作,然后有一部分人就不需要了,所以应该是种间接式的取代。
但反正在各行各业我们都会看到有一个 AI agent 出现然后做掉很大一部分的知识工作那最早会受到影响的或者是最早会得利的看你怎么看就是软体工程这一边然后还有客服这一边这是我们很确定 205 年会看到很多很多 AI agent 出现的
那这个克博应该是不难理解啦对那写程式这边我相信大部分人就是如果有在关注的应该也知道就是大家已经喊说这个 software engineering is dead 很久很久了对然后就连这个祖克博最近在一次的访谈他也说 Meta 他们在 2025 年会取代很多中阶的工程师是然后直接用 AI 来做这些事情嗯
初阶跟中阶都已经可以直接交给 AI 了所以 coding agent 会来得很快但是各行各业都会有他自己的 agent 出现他们自己的这个法律事务所会有法律助理 agent 帮他们读 case 解决问题然后甚至医疗产业医院也会有协助诊断的 agent
好那这个反正各行各业都一定会有他们自己的 agent 出现然后解决掉很多的这些知识工作嗯那我延伸刚刚繁体工程师这个范围我想要有一顾问题想请教哈利我有看到一些报道跟一些数据直出
随着这些 AI 出现其实对软体工程师的需求反而增加原因是因为很多的产业原本根本想都不敢想我需要写程式我需要有程式写程式的人帮我现在由于这个技术
已經普及了有點像 AI 賦能、賦予能力賦予很多的企業或很多人能力你有城市的能力了反而變成是我需要有人的角色來去把這些 AI 所賺錢的東西可能要去修改它可能要去把它弄得更好因為這最後一關卡還是人即使有 agent 我還是要有人去 debug 還是要有人去除錯跟測試去做最後的 deliver 去上架之類的
所以好像这样的需求反而出现了就人的角色好像一夕之间他不是说我全部都可以不要人了而是大家都要这个东西大家都要写程式了结果发现这个角色反而更重要了有没有观察到现象或者说你对于这个现象的看法会是什么
我觉得任何一个职业你要看这个我觉得你在问的背后应该就是这个职业的前景是这个职业前景那你要看这个职业的前景任何一个职业一样都是看供给跟需求对一个劳工市场供给需求那我们从这个供给你刚刚讲的是需求这一段其实也会上升对但是
真正的关键问题就是这个需求的上升跟供给的上升哪一个比较大对吧那这个我们就基本的经济学都学过了就是如果供给上升太多大过这个需求上升的话那这个你的歪轴就是你这个工作的前景就是讲白了就是薪资了薪资待遇就会下降对不对
那我自己目前的看法是供给这边会上升非常非常多因为我觉得供给这边首先就是很多原本不会写程式的人可能只有对于 tech 有基本的认知的人没有真的去学过这些语法的人大家都可以写了连 PM 也可以来写程式原本只会 30 分的现在突然变 80 分了对
所以大家都可以写然后同时这些东西就算是 tech 的知识也变得越来越好学因为 Tragic BD 可以大幅提升这个学习效率所以大家都可以做这件事情然后同时要做这件事情每个人的生产力也提升非常多因为你不是真正要去写程式你是要去监督 AI 写程式所以说在供给这边真的是会提升非常非常非常多那
我覺得這個結果來看就是軟體工程師我覺得未來數量比現在多還是少我覺得蠻可能是變少還是蠻可能變少然後每個人他在做的事情就是管他底下的 AI 就這樣
会不会是大家变成是我可以管很多个 AI 的工程师的 agent 了对不对那个都 agent 化了这样子绝对可以你绝对一个人可以管非常多的 AI 然后其实像你刚刚说到的就是不只是写程式甚至到之后的这个 debug 然后侦错然后回去改 code 啊然后把这个修改的东西直接 push 到你的 GitHub 里面或甚至是 deploy 就是部署这个 AI 模型其实全部都可以有 AI 完成嗯
人類真的是監督而已你給他一個目標導向他就去完成這個目標無論他過程到底要思考要做哪些事情他會去把它完成就這樣沒錯基本上你給他一個寫 code 的要求你可以給他說目前我們的 codebase 長這樣就是我們的程式碼是這些然後我看到的問題是什麼然後請幫我解決就這樣
然后他会做的事情就是根据这两个东西先列出要解决这个问题的一些计划一步一步的计划然后一步一步下去执行执行过程中他会用到所有的工具他都可以包括就是平时软体工程师会用的 IDE 包括 Command Line 包括 Browser 他就查 Documentation 什么他全部软体工程师会用的工具他都可以用然后在这过程中他会写 code 然后
试跑甚至还会写测试然后就是要看到这个问题解决我们可能要这几个测试要通过连测试都写出来然后试跑跑完之后有测试出错他再去看一下是哪里出错这样不断的 run run run 可能几个小时甚至一两天他就直接传一个通知给你说这件事情已经完成了
你直接去最后的 GitHub 看结果就 OK 了我搞定了你看一下结果这样子对所以这个 Agent 的时代已经即将要到来对 2025 年是关键的一年那这个 AI 的这个发展包含这个 AI 助手的出现我觉得会对未来真的会改变会非常的大那现在应该是说大家可能要保持关注这个状态了就不能很被动的我觉得太被动变成说哇哪一天被主管通知哇你的
不保了这个就太迟了提前就要去注意到在我的领域在我身边的领域这个 AI agent 的出现或者说这个 AI 技术带来的影响会是什么我可以怎么应对可能这个时候就已经开始保持这个嗅觉跟开始要做这件事对那关于这个科技跟 AI 这部分因为
听众朋友们其实很多都很喜欢看书啊因为我常常分享书给大家常常要聊这样子那我蛮好奇说你在科技的领域你有没有看过哪一些好书然后你觉得哇是真的非常值得推荐给大家要阅读的想跟你挖一下宝有没有哪几本好书这样子
我覺得我可以推薦我去年看過最喜歡的三本那第一本是,我先大概講一下這三本哪三本第一本是晶片戰爭,Chris Miller 的第二本是馬斯克傳,是 Walter Isaacson 的
然后第三本是贾伯斯传也是 Walter Isaacson 的第三本比较旧那前面两本是最近这几年的那我会推荐第一本晶片战争呢是因为我觉得半导体这个产业我觉得这个技术真的是近代人的历史中最重要的一个技术好
我相信这个瓦基你之前在台积电应该是很理解这一点我们现在生活中所有用的这些 3C 产品手机电脑甚至到麦克风车子都是需要靠着晶片离不开它都是离不开半导体
然後這個產業也非常的迷人因為它真的是一個極度複雜的一個產業就是整個世界上人類整個文明之中最複雜的一個產品就是這個晶片這個技術大家以前可能以為是太空啊什麼的其實不是完全不是你真的是在一個就是晶片晶圓上面刻著比病毒還小的一些 pattern
然後每個機器隨著變成就幾十萬個不同的 component 是全世界最複雜的供應鏈之一然後一個晶圓是這麼小小的手機裡面小小一個晶片上面有
几千亿个电晶体然后不断地在翻着零跟一这真的是我觉得是非常迷人的一项技术然后当然它也很重要嘛就我们日常生活中的这些所有然后同时也会影响到国际政治啊地缘政治
然后就是它的影响是非常广的甚至现在这波 AI 它背后也是靠着晶片对我的频道在讲 AI 这个讲很多模型但也会常常讲到它背后的这些伺服器 NVIDIA GPUASIC 他们未来的走向所以我觉得了解一下这个半导体这个产业不只是重要也是一件非常有趣的事情
你会真的知道就是看到人类文明的巅峰啊就我们竟然可以做出这种东西这是太夸张了那《金片战争》这本书听起来我怕有些听众会不会觉得哇 有点硬 有点陌生有些人可能没有接触这个产业你觉得读起来怎么样我觉得读起来很有趣耶
就是他是從就是以前講到現在所以也有一點故事性在裡面有一點故事成分然後你可以在裡面看到說像是台積電是怎麼樣被創立起來的那時候的時代背景是怎麼樣然後以及這個 Intel 啊 AMD 他們一步一步走來過程中是出現了什麼事所以我覺得是很有趣而且應該是蠻容易閱讀因為我自己讀過我覺得我是覺得他把它寫成了一種
我们喜欢看故事的形式有点像是很专业的记者然后用一个很平铺直叙也不是平铺直叙就是一个很平易近人的方式就是每个人其实大街小巷无论你是什么样的专业背景看这本书都可以有所收获的没错那接下来你提的第二本是马斯克传没错这个人物很有争议形象你怎么看这本书首先我必须说我知道很多人就是不喜欢马斯克什么的
但我觉得必须要给他 credits 的一件事就是我真的觉得他是近代人类史上又是近代人类史上但反正他真的就是近代人类史上最伟大的一个创业家我觉得这样想好了就假设今天人类文明是过了到一千年之后未来的这些人他们回忆起我们现在这个时代他们会记得谁我觉得真的是记得马斯克而已很多人他们都不会记得为什么你看马斯克现在在做什么
SpaceX 的最終目的是想要讓人類變成一個多星球物種他們短期計劃是明年就會開始他有個叫做星艦的飛船要帶人類到火星要殖民火星然後甚至明年就要開始無人飛行到火星了他們最近就是昨天才進行了第七次的試飛結果也是挺不錯的然後他還有做什麼
特斯拉在做什么他已经达成了这个电动车的革命但是在这之外特斯拉是一间 AI 公司他要做人型机器人通用人型机器人就是一个可以基本上任何人类的体力活他都可以做长得跟我们一样有手有脚的有手有脚然后你要让他做任何事情都可以你把他放到小七他会泡咖啡他会结账他会用隐隐的机器他会泡那个茶叶蛋他什么东西都会做嗯
人型机器人会颠覆世界的一项技术
然后还有什么这个特斯拉还有在做自驾车嘛对就是他们的特斯拉里面有一个叫做 FSD 的自动驾驶软体未来这个自驾车如果成真了真的就是大家都不用拥有车了嗯就是因为现在大家要拥有车是因为叫 Uber 很贵嘛你不可能到时候叫 Uber 但自驾车里面省去了 Uber 最大的一项成本就是人力嘛对所以说自驾车到时候大家都会叫自驾车然后城市里面也不需要 Parking lot 嗯
Parking lot 全部可以拿来当做绿地啊就是公共建设啊最重要的是死亡率会降低很多意外会降低很多自驾车是比人类更安全然后马斯克还要做什么人机界面他有间公司叫做 Neuralink 在做脑内晶片让人类植入这个脑内晶片
可以去做到瘫痪的脚重新获得这个走路的能力然后眼盲的人可以重新获得视觉甚至是他出生就眼盲也可以获得视觉
他可以做到这些事情最后就是更 Sci-Fi 的就是最基本已经可以做到是控制电脑但未来更 Sci-Fi 就是你就是跟 AI 进行直接的沟通把人脑直接跟 AI 进行沟通对对对这些全部我相信都是未来会成真的科技对然后这也都是未来会改变世界驱动整个世界的最主要的技术
所以说未来的那些人类已经成为多星球物种了他们度蜜月就是去火星度啊然后平时就去坐自驾车啊每个人脑中都有个晶片啊这些人他们想起现在他们会记得谁就是马斯克啊对啊
所以我觉得当然他有些争议的地方他可能讲话有冒犯到一群人然后大家对于他就是接管 Twitter 这个褒贬不一管理风格对管理风格褒贬不一然后有些人觉得他是俄男
之类的但是我觉得你不可否认他在做的事情就是格局很大嗯所以我觉得马斯克传这本书非常推荐大家去了解一下这样这么伟大的一个创业家嗯他脑中究竟在想什么嗯为什么他可以想出这些东西然后他究竟是怎么做到的嗯
因为这些都是未来的技术但他都已经做到很多了所以说这些可以透过马斯克传去了解那我觉得回到这本书这本书特别迷人的地方就是 Walter Isaacson 这个人他的笔法真的是太厉害了他真的是在讲故事一样讲马斯克这个人的故事
然后他也是非常客观中立的马斯克黑暗的面他会写然后他就是光荣的一面当然也会写该给他的 credits 就给他但是他待人不好的地方也会写到然后你真的他真的是会钻进马斯克的脑袋中
去就是重现他那时候到底为什么会做这个决定因为他写这个传记其实都是跟马斯克会进行长期的访谈他好像是有授权说我可以跟你就是一对一的给你这些资讯授予你的访谈这样
沒錯而且他是長期的就是可能好幾年那是好幾年的時間就每過一陣子就會跟馬斯克有一個 session 然後最直接的跟他聊所以說他真的是參與到了馬斯克像是他收購推特那段時間 Walter Isaacs 是完全參與到所以他那時候做的所有決定怎麼想全部可以就是一一的在書中寫給大家
我讲到这里大家应该就是理解为什么会推荐这本书感觉我像个脑粉一样已经是脑粉了但就真的非常推荐我觉得他很像把马斯克这个人很立体他不会只赞扬他也不会说完全的就是骂他他很立体的一个角度全部都写出来你可以从各个方面的角度去认识这个人以及他做背后刚刚哈利说的那所有的那些事情没错嗯
OK 那第三本刚刚听你讲的是贾伯斯传这个是蛮久以前的书了是那你觉得诶
这个特别的地方或者说你觉得现在你拿它出来读的原因是什么其实就是因为马斯克传你之前读了马斯克传对 马斯克传去年出来的然后就是因为我真的是太喜欢了然后我就想说 Walter Isaacson 还写过哪些那这个贾伯斯传也是他写的那以前我有看过但那个时候我什么都不懂但是我这次重看一次我觉得真的是我真的可以全部理解然后也真的觉得哇 收获非常多
你指的在看就是你年轻的时候有看过吗对对小时候啦那时候我年纪比较小那时候什么时候看的就可能国中吗那真的很早的那个时候对啊那个这真的是什么都不懂但现在就是接触科技这么久就完全可以理解对那我觉得贾伯斯这个人也真的是一个非常有趣非常厉害的人嗯
那当然他的伟大我已经不需要特别再说了大家知道的就是他做这个 iPhone 就是进行了这波整个智慧型手机的革命就是他开始的但他除了这件事以外他其实还有做其他的事就包括其实整个这个音乐产业广播产业都被他颠覆了哦 怎么说像大家在听的这个 Podcast 就是贾伯斯创就是他这个名词对不对对 他这个名词是他创的而且这个概念也是他创的
音樂串流、購買音樂、iTunes 這些都是他那個時候音樂串流可能沒有,但 iTunes 的整個概念是從他開始然後除此之外他還有做 3D 動畫我不知道大家是不是知道皮克斯像是 Toy Story、Finding Nemo 就是他做的然後在皮克斯之前 3D 動畫真的不是長這樣所以說他其實是顛覆了很多不同的產業
然后我觉得他最厉害的最不一样的一点就是大家不要把它想象成一个就是一般的这种科技巨头的 CEO 我们现在科技巨头 CEO 很多这个微软 Satya NadellaGoogle Sundar Pichai 或是 Founder CEO 像 Mark Zuckerberg 他们当然各自有各自的特色各自厉害的地方但贾伯斯跟他们都非常不一样的地方就在于他是
他有 taste 他自己是这样说其他人也是这样讲就是他真的有 taste 他有很好的品味那像一般的 CEO 在做决定的时候可能是像是
我们做一个市场调查啊然后做用户的深度访谈啊了解他们的需求究竟是什么 OK 了解了之后我们再填补这个需求我们去做出产品这是比较正常的一个 business 的这个决策但贾博士不是这样贾博士是说这个客户不知道他们要什么消费者都不知道要什么我才知道他们要什么然后我做给他们嗯
你問他們沒有用,因為他們不知道但是就是因為他有這樣子的 taste 他才做出了蘋果的這個 Macintosh 然後 iPod 對不對他那個時候就是因為他這樣子然後也不只是他對於產品的 taste 他對於整個科技像是整個幣源系統
就是我們知道蘋果是超級閉元的封閉的對它是封閉的系統那像是跟它相對的 Windows 就是比較開放但是然後在那之前其實開放是一個大家最常科技裡面最常的做法
但為什麼他要封閉?其實我覺得這些都是你可以從賈伯斯傳可以去了解的這本書其實我覺得前陣子或是像我以前很年輕的時候就像你說的年輕看過就大概是這樣可是我覺得就像你說的現在科技發展到這個程度了再回去看會覺得哇!真不可思議你說他的品味怎麼前瞻性這麼遠或是說他怎麼會
有这样的一个审美也好判断也好对于科技的这个执着也好他怎么知道呢他怎么会做出这样的判断现在想起来还是很不可思议没错就很少人可以把这个人文社会艺术跟科技做结合他是真的把这件事情做到非常完美的一个人在他之前我们可能会觉得科技很冷
3C 就是 3C 没错但是他怎么可以把它融合得这么好所以这本书我们可以去品味到这里所以听众朋友们如果还没有看过的或者说你以前只是稍微看过我觉得重看一次会有他的乐趣所以是阿力最近得到一个很棒的一个收获者对而且最赞的地方就是这两本书真的就跟小说一样你就是很容易让人成瘾太好看了太好看了
然后你不用怕你说你课不完它你一定就是绝对会把它看完然后你在做事情的时候听啊通勤的时候听啊其实都还蛮不错用听的方式也不错他也喜欢听书对不对对其实我都是用听的这些书因为我就有买那个亚马逊的 audible 然后就每天晚上睡觉前会听然后有时候运动的时候会听对就大概是这样 OK 也是一个很棒的方式好
那再來的話我們剛聊了這三本好書大家可以參考一下我把它列在資訊欄就是晶片戰爭馬斯克傳還有賈伯斯傳三本非常好的書也推薦給大家好那最後一個問題我想請問哈利一個問題我們來做個收尾就是因為現在你知道科技發展這麼快剛剛你講到的真的讓我們很震驚什麼系統一系統二的 AI 一直發展
听众朋友可能会觉得说哇这个这么快我会不会错过我会不会跟不上被抛在后面我如果想要跟得上我如果想要在这个趋势应该说我们希望跟着趋势走嘛我们希望活在趋势当中嘛我该怎么做或者说你会建议大家用什么样的心态去面对跟吸收这些资讯
我建议大家去听我的 podcast 科技浪怎么说听着好像是业配但是我是我是真心推荐应该说我如果不推荐的话才奇怪是因为我一开始创办科技浪我的初衷就是为了要帮大家解决这个问题 OK 我就是想要用一个轻松白话的方式但是又不失深度把这个科技的这个技术的知识带给大家然后每一周都会聊当周最新的时事然后最重要的趋势
像我剛剛講到的 O2 的技術,我就有非常詳細的討論到它的運作原理,還有它未來的怎麼樣發展,然後大家要關注的點是那些。這些全部都有講到。我覺得我做科技大學還有另外一個初衷,就是我希望可以帶給大家最好的 Signal-to-noise ratio,意思就是說,Signal-to-noise ratio 就是,中文是什麼?
我觉得可能造性比还是性造比讯号跟杂讯的比例因为我觉得在 AI 这个时代现在这一波 AI 真的很多噪音噪音太多了哪一个公司又有什么重大突破那其实根本就没什么很多这种噪音然后真正的讯息讯号很可能就被这些噪音给埋没了
所以我觉得科技浪想带给大家的就是帮大家做筛选的这个步骤把这个杂音筛掉哪些事情你不需要在意我就跟你讲你不需要 care 它尽管很多人在讲它但它不是重要的真正重要的是什么每周这样子带给大家所以我觉得你真的想要轻松了解科技就去听科技浪嗯
或者是你如果真的没有想要跟这一波跟得那么紧你只是想要大概知道一下你也可以去看我的 IG 或者是这个短影音的频道 IG 是比较短影音的内容对对对我还有在做短影音那短影音的话一样是希望带给大家一样的白话了解科技跟最好的 signal to noise ratio 但是短影音的话就没办法了解到那么深入是是是
我自己的吸收方式我也分享給大家我會看一下哈利的 IG 的短影音有興趣的就會點那個技術進去如果我聽短影音覺得這個好像跟我比較無關或者我對這個技術沒有這麼有興趣就可以略過所以我覺得也是一個篩選的方式就是短影音我們去認識很多的東西再來深入的來聽聽看哈利在這個科技量裡面是怎麼樣講的沒錯
那我觉得如果听众想要去更深入的了解科技然后真的很紧跟这个科技的话
我也可以推荐一些其他的 source 首先第一个就是 X 就是前身是推特的这个 app 那这是因为所有的最新资讯都是从 X 先出现的然后也就是说所有这些新资讯从 X 出现了之后这个媒体才会 pick up 然后去开始写报道然后最后台湾的媒体才会参考国外的媒体去出他们自己的报道
所以 X 是最一开始的这个资讯来源 primary source 大家可以真的要紧跟的话就从 X 开始那这边可能没有办法给大家说可能最终哪几个账号这样子因为你要做的事情是调教你的演算法你不知道接下来新的资讯是由谁出现由谁来然后你单纯靠几个账号也不一定可以就是做到这件事所以你就是要好好的训练你的演算法让他认为是你真的是这个圈子的人
你想知道这些东西他就会真的给你这些东西可不可以具体一点什么叫做训练演算法我们该怎么做具体来说就是你觉得你看到对于你想了解 AI 没有帮助的你就直接按不感兴趣然后那个一样就是看到有帮助的就是多跟他互动一下多按赞按赞啊点进去啊然后转发没错那你如果觉得就是啊
我不想要我演算法这样我其实也是想要一些其他内容你就开两个账号像我现在就是这样其实我在 X 就一个账号因为这些东西都是我有兴趣然后我想一直看但我在 YouTube 上我就有两个账号一个是娱乐用一个是工作就是说知识
AI 科技用对学习用那学习用的那个 YouTube 他就整天推给我 Mark Zuckerberg 的 interview 啊 Jensen Huang 的 interview 啊这些业界人士的一些访谈然后我的娱乐的就各种啊就是打游戏的啊什么旅游的啊对
所以這個方法我猜有些人可能還沒這麼做我猜大部分的人的做法是我就一個帳號去接受這些演算法結果就發現了噪音超級多一下是廢文一下是娛樂一下吃一下學習搞得自己焦頭爛額根本不知道自己在看什麼東西所以哈利推薦我們的是
哪一个账号你就把那个账号训练好没错不感兴趣的忽略叫演算法不要推荐给你对感兴趣的就多互动让他都推荐给你那些内容没错 OK 所以这是一个很好的学习那也推荐给大家可以参考这个好像也是对付未来 AI 或者是演算法一直取得我们注意力的一个很好的方式这个对自己很有帮助对因为演算法我相信绝大多数人就是被动接受然后他怎么样就是
你自己想看什么你就是有这些举动出来然后演算法是去学你然后就是推资讯给你但其实我们也是可以主动去利用他主动去让他
教他给你更好的资讯了解在这个例子里面哈利就是很有意识的去使用演算法这个时候演算法反而变成是哈利的一个很特别的秘密武器对你的帮助很大因为我觉得演算法有时候被污名化很多人会觉得说哎呀演算法就是不好就是会乱推就是会推一些无关的干嘛干嘛的嗯
重点在于如果你没有训练他你没有去做这些互动或者是不互动的选择的时候当然演算法是一个很糟糕的东西对你如果觉得演算法真的很糟糕那可能是你糟糕对他是在学你的喜好所以他不是工具的问题是我们自己的问题对就像有些人说钱不好不是啊不是钱不好是我们怎么用它我们怎么看待它就是工具它是很中性的事情 OK
OK OK 非常感谢哈利可以来跟我们分享这么多关于这个 AI 跟科技我觉得这个要再聊是聊不完的所以说大家如果想要再追踪到更新的再了解更新的一些 AI 最前端的科技最前端的知识的话就是追踪哈利的这个科技浪的 podcast 相关的资讯跟 IG 的连结我都把它整理在资讯栏大家可以直接去前往追踪
好,對,我再多問一個,因為你有做一個 Podcast,你有做 Plus 跟 Pro 的服務,可不可以簡單介紹一下,如果這個部分的話,有什麼差別?OK,我們科技漾還有做科技漾 Plus 跟 Pro 的訂閱服務,那這邊就是付費訂閱的部分,就是想要讓那些,想要真的非常認真的把這些 Podcast 資訊給帶回家,真的學到這些知識的人,去訂閱。
因為我們的訂閱我們有提供筆記的就是你的 Podcast 是原本只有聲音但是你如果訂閱之後我是可以多獲得筆記的整理嗎還是重點的整理對你可以多獲得我的筆記重點整理那裡面就是包括這一集的可能大概的摘要然後這一集的我精修的竹字稿這集的重點是哪些然後還有一個我自己的列聯式筆記
這個列寧式筆記就是我在做這個主題的研究的過程之中我寫下來的筆記就是我整個思路的全部的過程然後我用到的這些參考資訊當然全部都會整理到一個非常有結構有架構然後非常簡便閱讀的方式給大家
这个就是让大家说你听完了当周科技浪的这些知识你不是听了大概知道这些知识而已你是真的把这个知识带回家那这是笔记但是同时我们科技浪 pro 还有一个额外的一个服务就是我们有出专属集数 OK 因为我每周一集科技浪其实很多遗珠之汉就没有聊到的话题
但他們其實也都是很有料的這個科技新聞所以我這些就是放到會員專屬集數跟他聊這樣 OKOK 他會是有一些比較深的東西或者是比較不一樣的比較沒有那麼最大眾喜歡的他可能是再小眾一點點是嗎是這個意思嗎我覺得也不一定其實都有然後通常其實也是有一些是跟科技並沒有最直接相關的可以這樣說就像是這個我最近也有講這個 TikTok
他在美国要被 BAM 现在我们录音的此时此刻还是在这个关键的悬而未决快要出来了没错是非常关键的再过两天就会出来结果那所以说其实这边 Plus 就会有 OK 那就是也很邀请或者说欢迎大家也可以到节目资讯栏前往阿力的这个科技浪可以参考看看
好的那真的非常开心那节目到这边也进到尾声那如果大家喜欢今天的节目欢迎订阅下一本读什么那也可以订阅我的免费电子报每周收到最新的读书心得还有好书金句那我跟哈利就和大家说声拜拜咯拜拜