沒人再是科技「局外人」！OpenAI 科學傳播長：未來屬於充滿好奇心的人

魔術與人工智慧的交會點何在？現任 OpenAI 科學傳播長的魔術師梅恩（Andrew Mayne）如何以科技「局外人」身分，辨識既有專業經驗與尖端科技的交會處，並打造全新職涯？對個人、企業而言，想 AI 時代持續學習、適應新變化，又有哪些技巧？

人工智慧來勢洶洶，各行各業管理者皆對其影響力嚴正以待，不得不制訂因應對策。OpenAI首位「模型指令工程師」梅恩眼中，這是世代少見的龐大機運。

「因人工智慧與萬物都有交會處」，9日INSIDE Future Day，梅恩視訊說：「我相信，在座每人都有某些（對AI發展）極其有用的專業知識。」

52歲的梅恩在青少年時期便開始表演魔術，並執導電影、主持電視節目、開發以魔術訓練批判思考的學校課程。他也是多產的懸疑小說家，曾入圍愛倫坡獎。即便在AI公司上班，他仍保持一年寫兩本小說產能。

這般通才性的職涯經驗，背後是許多失敗嘗試的累積。梅恩承認花了許多年，進行許多探索，才找到自己有貢獻的有趣事物。「這並不容易，也不會自動發生」，他表示，「這需要不斷的好奇心」。

▲ 梅恩是多產的懸疑小說家，曾入圍愛倫坡獎。（Source：@AndrewMayne）

從自身專業思考AI意義，催生新職能

2019年GPT-2發表。生成文本雖遠不如目前縝密實用，卻引起小說家梅恩的注意。除了對文字、語感的敏銳度，梅恩已關注AI多年，甚至自己打造小語言模型。他在Twitter回覆OpenAI，戲稱自己就要失業。

一年後，梅恩竟成為OpenAI員工。不僅是所謂「指令工程師」先驅者，亦參與開發GPT-4。他說：「我在人工智慧與理解領域之間找到交集，也就是文字、語言及它們如何發揮影響力。」

與研發ChatGPT的工程師相較，梅恩語言寫作有更深廣經驗。他從專業領域出發，思考AI模型的能力、能力代表的意義，成為「AI指令工程師」。本質如他所述，就是「知道如何與AI溝通，讓它完成有用任務的人」。

如今前線基礎模型的能力早已超越文本生成，可處理圖像、語音、影片等多模態資料，執行程式撰寫、深度研究等任務。這也表示AI與更多領域產生關聯，賦能更多專業人士放大實力，探索更多可能性。

無論樂不樂見，沒人是真正的科技「局外人」。

與其討論工作「職位」，不如聚焦工作「內容」

AI能力不斷突破，對人力市場的衝擊成為大眾熱議的主題。但梅恩認為，與其說工作機會消失，不如說工作內容改變。

他以諾貝爾經濟學獎得主司馬賀（Herbert A. Simon）1960年預測為例。司馬賀說程式設計師消失的可能性，大於更無所不能的可能性。但到2025年，程式設計師依然存在，且在各種AI工具幫助下，變得更無所不能。

梅恩認為，程式設計師工作內容，數十年來有很大的變化。但即使未來程式設計師不需親手寫一行行程式碼，思考程式該如何設計執行依然在。

關鍵在人類會根據環境條件變化，適應性調整。梅恩認為，最好切入點，就是找到可連結專業與新變化的專案，並實際執行。這也是他的親身經驗。

2019年，梅恩在探索頻道（Discovery Channel）鯊魚週特別節目，打造一套能於鯊魚視線中「隱匿」的潛水衣。這是他從「用魔術欺瞞大眾」邁向「用科技欺瞞鯊魚」的轉向。基於AI模型與鯊魚辨識物體輪廓的類似之處，梅恩做出讓自己融入背景的潛水衣。

「結果成功了」，他說，「我沒有被吃掉」。

▲ 梅恩在探索頻道（Discovery Channel）鯊魚週特別節目，打造一套能於鯊魚視線中「隱匿」的潛水衣。（Source：@AndrewMayne）

這驅動往後更多跨界專案，更多實驗、更多探索科技工具的不同用法。身為最早結合人工智慧與鯊魚研究的實踐者，梅恩表示，這種早期嘗試的有趣之處在於，「身處前線，會自動成為專家，因為沒有其他人在做。」

AI發展「前線」何在？

初期就辨識有改革性的新技術，是許多投資者的目標。梅恩對如何找到「前線」，也有一套判準。

首先，前線技術引發好奇的程度勝過實用意義。如GPT-2實用性不強，也未引起企業注意。但若能看出潛力軌跡，就能推敲出要提升模型能力需要更多晶片。身兼投資者的梅恩也在2019年就買入些許輝達股票。

其次是技術員也無法肯定新技術是酷還是蠢。當有些人很興奮、有些人無法理解，就是投身的絕佳時刻。最後，目前專家都對新技術為何行不通有強烈意見。許多最後影響力龐大的事物，起初看起來都沒有太大用途。

梅恩認為，現在「前線」領域包括AI代理、連結數位與實體世界的努力，以及加速人工智慧發展的數據及能源，邊緣智慧系統也在他觀察雷達上。

適應AI時代關鍵：滋養持續學習的好奇心

梅恩也分享AI時代的學習技巧。他認為，學習新事物比過往任何時刻都容易，最大的挑戰是分心。他的解法是時常開啟「勿擾模式」擋掉通知，保護自己的專注力。

但如何辨識重要、值得學習的事物？梅恩建議個人、企業定期舉辦交流會，分享與AI協作的經驗與新知，擴大接觸新事物的範圍。很多最後成功的創新點子，都是從交流、一起打造工具演變而成。如OpenAI程式碼代理Codex，起初也是公司工具。

一大重點是不要將忙碌當成不學習新事物的藉口。持續使用效率較低的方法做事，只會耗費更多精力與時間，達成更有限的進展。「假設你過去一年，每週都花40分鐘學習新事物，現在會怎樣？」梅恩說，「答案永遠會是，比你現在位置更進一步。」

企業也應積極鼓勵員工嘗試新事物，不要懲罰員工的好奇心。或許可建立匿名管道，讓大家勇於提出「蠢問題」。

梅恩指出，OpenAI目前除了基礎模型研發，也積極布局產品應用。結合ChatGPT的瀏覽器Atlas、社群程式Sora App便是實例。更進一步說，最能釋放前線模型潛力的應用，不會只是提升既有任務的生產效率，而是形塑新工作流程。

如現在各職位員工都可善用深度研究這類功能，深入了解特定主題，不一定需要聘用外部專業顧問。愈是懂得提問的員工，愈可能與AI激盪出更多創新的點子。

「我認為，對充滿好奇心的人來說，未來相當美好。」自認充滿好奇心的梅恩下結論：「這對企業而言也相同。」

（本文由 遠見雜誌 授權轉載）