Co-Intelligence: Living and Working with AI

全書精華

主要主題、論點、核心訊息

• 主要主題：探討生成式AI（特別是大語言模型）作為一種全新形態的「協同智能（Co-intelligence）」，將如何徹底改變我們的工作、學習與生活方式，以及人類該如何與這個宛如「外星心智」的技術共處。
• 核心論點：AI不是傳統且可預測的軟體，而是表現得像人類卻又非人類的「外星心智」。面對 AI，我們不應被動等待或抗拒，而必須主動將其視為協作夥伴，透過持續的實驗來摸索其能力邊界（崎嶇邊界），將其融入日常任務中並與之共創。
• 核心訊息：我們正處於 AI 時代的早期，每個人都必須親身參與並掌握與 AI共事的基本法則。AI 是一把雙面刃，既可能引發教育與工作領域的混亂，也具備釋放人類潛能的強大力量。未來的發展不會由機器決定，而是取決於我們現在如何引導與應用它，以創造出好的結果（eucatastrophe）。

掌握作者思路必懂的關鍵要點

• 外星心智與協同智能：AI不像按程式碼運作的傳統軟體，它會產生幻覺、具有不可預測性，且表現得極具人性。我們必須將其視為一種全新的「協同智能」，理解它既非真正具備意識，卻能高度模仿人類思維並與我們協作。
• 與 AI 共事的四項基本法則：1) 永遠邀請 AI 參與：盡可能在所有事務上測試AI；2) 成為迴圈中的人類（Human in the loop）：保持人類的判斷力與監督，防範 AI 的幻覺與錯誤；3) 把 AI 當人看（並賦予其角色）：透過設定明確的「人設」與情境來引導 AI 產出更好的結果；4) 假設這是你用過「最差」的 AI：認知到 AI 技術正以極快的速度進步，未來的 AI 軟體只會比現在更強大。
• 崎嶇的技術邊界（The Jagged Frontier）：AI的能力邊界像是一道隱形且崎嶇的城牆。在某些看似困難的創意或分析任務上它表現極佳，卻可能在看似簡單的邏輯或數學問題上犯錯。唯有透過個人不斷的試錯與實驗，才能摸清這條隱形邊界，發掘 AI 在自身專業領域中的最佳用途。
• 半人馬與賽博格的工作模式（Centaurs and Cyborgs）：這是人類與 AI協作的兩種最佳模式。「半人馬」模式是將任務明確分工，人類做擅長的事，把 AI 邊界內的任務交給 AI；「賽博格」模式則是人機深度融合，在任務執行的每個微小步驟中與 AI 來回互動、共同創造。
• 作業末日與個人化導師（The Homework Apocalypse and AI Tutors）：AI能輕易完成傳統的報告與申論題，引發了作弊氾濫的「作業末日」，迫使教育界必須重新思考評量方式。但同時，AI 也解決了教育界長久以來的「兩標準差問題（2 Sigma Problem）」，有望成為每個學生專屬的超級家教，推動「翻轉教室」與主動學習的真正普及。
• 任務拆解與技能平權效應（Task Division and Equalizing Effect）：AI不會立刻取代整個職位，但會接管特定的「任務」。我們應將任務劃分為「僅限人類（Just Me）」、「委託給 AI（Delegated）」與「全自動化（Automated）」。此外，多項研究顯示，AI 具有強大的平權效應，能大幅提升低績效者的表現，縮小頂尖與普通工作者之間的實力差距。

反主流洞見

軟體不該像傳統軟體，要把 AI 當作「人」來對待

• 差異點：主流觀點認為 AI是由程式碼寫成的軟體，理應具備高度可預測性、可靠性，且會有明確的操作手冊與規則。
• 作者論證：大語言模型（LLM）的運作方式更像一個「外星心智」，它充滿不可預測性、會犯錯、甚至會編造事實。它擅長人類拿手的任務（如寫作、創意），卻不擅長傳統機器的強項（如完美重複、複雜計算）。因此，我們必須放棄把 AI 當作傳統軟體，而是應該把它當作人，賦予它「人設（Persona）」並提供上下文，以引導它產出更好的結果。
• 相關案例：在經濟學的「獨裁者賽局」實驗中，AI會根據被賦予的道德指令（追求公平或自利）展現出宛如人類的決策行為。當作者賦予AI 不同的角色（如挑釁的對手或理性的學者）來評論一篇文章時，AI 會給出語氣與觀點截然不同、甚至充滿「情感」防衛的逼真回應。

AI 是終極的「實力均富卡」，對低績效者的幫助遠大於頂尖高手

• 差異點：傳統觀念認為，新科技往往會拉大技術落差，讓頂尖高手如虎添翼（例如知識工作領域推崇的「10倍工程師」），並拉開與底層勞工的差距。
• 作者論證：多項研究表明，生成式 AI 具有強大的「平權效應（Equalizingeffect）」。它能大幅提升表現最差的員工的能力，將他們拉抬至平均甚至優秀的水準，但對於原本就是頂尖專家的幫助卻相對有限，從而大幅縮小了員工之間的實力差距。
• 相關案例：在波士頓顧問集團（BCG）的實驗中，顧問內部表現最好與最差的差距原本為 22%，但使用 GPT-4 後，差距驟降至僅剩 4%。另有研究指出，法學院中成績墊底的學生使用 AI 後，其表現甚至能與頂尖學生齊平，而頂尖學生使用 AI 後的表現反而略微下滑。

AI 品質越好，人類越容易「方向盤打瞌睡」導致表現變差

• 差異點：主流觀點認為，軟體工具越強大、準確率越高，人類與之協作的最終產出與工作品質就會越好。
• 作者論證：當 AI表現得太過優秀時，人類會過度信任它，產生「在方向盤前打瞌睡（Falling asleep at the wheel）」的懈怠心態。人類會停止批判性思考，盲目接受 AI 的建議，這導致當任務剛好落在 AI 能力的「崎嶇邊界（Jagged Frontier）」之外時，人類會跟著犯下嚴重的錯誤。
• 相關案例：學者 Fabrizio Dell’Acqua 針對招募人員的研究發現，使用「高品質AI」的招募員花費更少的心力，盲目遵循 AI 建議，結果表現反而變差並錯失了優秀人才。相反地，使用「低品質 AI」的招募員因為知道系統不完美，反而保持警覺、展現獨立判斷力，並提升了自身技能。在 BCG 的實驗中，面對經過特殊設計的陷阱題時，沒用 AI 的顧問有 84% 答對，但依賴 AI 的顧問卻只有 60% 到 70% 答對。

幻覺是 AI 具備強大創造力的來源，而非單純的系統 Bug

• 差異點：科技界與大眾普遍將 AI的「幻覺（一本正經地胡說八道）」視為需要被徹底消除的技術缺陷或危險故障。
• 作者論證：幻覺根源於 LLM預測下一個詞彙的運作機制，它並非從資料庫中提取事實，而是透過模式尋找關聯，並加入隨機性。這種不顧事實、強行將不相干概念連結在一起的特性，正是人類創新（將遙遠的概念重新組合）的核心。讓 AI 變得不可靠的機制，正是讓它變得極度有創意的關鍵。
• 相關案例：作者要求 AI將「速食、一項熔岩燈專利、14世紀的英國」這三個毫無關聯的元素結合，AI 成功「幻覺」出一個充滿創意的提案：一家提供熔岩燈周邊商品的中世紀主題速食店。此外，在標準的心理學「替代用途測試（AUT）」中，GPT-4 發想創意的表現超越了 90.6% 的人類受測者。

AI 時代的死記硬背與基礎知識比以往更重要，而非不重要

• 差異點：既然 AI已經掌握了大量人類知識且隨時可供查詢，許多人認為學校不再需要要求學生死記硬背基礎事實，基礎技能的學習似乎已經過時。
• 作者論證：要成為能駕馭AI、具備批判思考與解決新問題能力的專家，人類必須依賴「長期記憶」中儲存的大量事實與概念網絡。沒有深厚的基礎事實積累，我們就無法發揮高階的認知能力，也無法勝任審查 AI 輸出的「迴圈中的人類（Human in the loop）」角色。
• 相關案例：儘管 GPT-4在臨床推理考試中超越了一、二年級的醫學生，但只有具備深厚人體解剖學與疾病知識的資深醫師，才能有效審查並評估 AI 生成的診斷或治療計畫。真正的專業不僅依賴查詢工具，更需要透過嚴格的「刻意練習」與大腦知識庫的建構來達成。

內化行動計畫

1. 繪製專屬的崎嶇邊界

• 行動目標：透過持續試錯，找出 AI 在你個人專業領域中的真實能力邊界。
• 記憶鉤子：隱形城牆試探法——什麼都邀 AI 幫忙，碰壁才知道邊界在哪。
• 故事或例子：作者發現 AI的能力邊界就像一道隱形的崎嶇城牆。它能寫出優美的十四行詩，卻無法寫出精準的 50 字短文；它能寫出完整網頁程式碼，卻搞不懂簡單的井字遊戲邏輯。唯有透過個人親自將 AI 融入各種任務，才能找出它擅長與搞砸的領域。
• 觸發情境：準備著手處理每天的例行公事、規劃新專案，或遇到任何繁瑣任務時。
• 對象與場景：所有知識工作者；日常辦公與任務規劃階段。
• 具體步驟：
  • 步驟一：列出本週要做的工作清單，在合法與無隱私疑慮的前提下，嘗試將每一項任務都丟給 AI 處理。
  • 步驟二：記錄 AI 表現出色的任務（設為可委託的 Centaur任務）與表現極差的任務（設為必須自己來的 Just Me 任務）。
  • 步驟三：每隔幾個月重新測試一次表現差的任務，因為 AI的能力邊界會隨時間不斷向外擴張。
• 可衡量的成果：在兩週內測試 10種不同類型的工作任務，並建立一份專屬自己的「AI 適用與不適用清單」。
• 失敗補救機制：若 AI給出完全無用的結果，不要氣餒，將其視為成功標記了一段「崎嶇邊界」，未來該類任務直接由人類接手即可。

2. 設定具象化人設

• 行動目標：突破 AI 千篇一律的平均值回答，獲取更精準、生動且具建設性的產出。
• 記憶鉤子：千面戲神召喚術——別對機器下指令，要對大師下劇本。
• 故事或例子：作者寫書時沒有給一般指令，而是創造了三個角色：嚴厲且自大的編輯「Ozymandias」、天馬行空的「Mnemosyne」，以及容易困惑的普通讀者「Steve」。這三個生動的人設讓 AI 給出了截然不同且極具洞察力的修改建議，大幅提升了書稿品質。
• 觸發情境：當 AI 給出的草案太過官方、無聊，或缺乏特定領域的專業深度時。
• 對象與場景：內容創作者、行銷、企劃人員；需要多元觀點或深度編輯時。
• 具體步驟：
  • 步驟一：在提示詞開頭明確宣告角色（例如：「你現在是一位擁有 20年經驗、說話一針見血的頂尖行銷總監」）。
  • 步驟二：給予具體的任務與情境限制。
  • 步驟三：要求它完全以該角色的語氣、風格與專業視角進行回覆。
• 可衡量的成果：在一次提案或寫作任務中，成功切換 3 種不同角色人設，並獲得 3份切角完全不同的可用草案。
• 失敗補救機制：若 AI很快又退回制式的機器人語氣，可在後續對話中加上提示：「請記住你現在是嚴苛的 Ozymandias，請維持你的毒舌風格重新回答」。

3. 擔任迴圈中的人類

• 行動目標：防範 AI 幻覺帶來的致命錯誤，確保人機協作最終產出的品質與安全性。
• 記憶鉤子：防睡方向盤——AI 是副駕不是自動駕駛，隨時準備踩煞車。
• 故事或例子：在 BCG 的實驗中，有一道特殊設計的陷阱題。沒用 AI 的顧問有 84%答對，但使用高階 AI 的顧問卻只有 60-70% 答對。因為 AI 表現太好，導致人類「在方向盤前打瞌睡」，盲目信任 AI 的錯誤建議而放棄了批判性思考。
• 觸發情境：準備將 AI 生成的報告、程式碼或決策建議「直接複製貼上」繳交時。
• 對象與場景：使用 AI 處理高難度腦力勞動的工作者（如律師、分析師、工程師）。
• 具體步驟：
  • 步驟一：將 AI 視為「你用過最糟的實習生」，永遠不要讓 AI 自動發布最終決策。
  • 步驟二：針對 AI 提供的每一個事實、數據與引用來源，進行獨立的查證與審查。
  • 步驟三：刻意用自身專業知識去挑戰 AI 的結論，尋找邏輯上的漏洞。
• 可衡量的成果：每次提交 AI協作的產出前，能明確執行至少一次「事實查核」動作，並確保不含任何未經驗證的引用。
• 失敗補救機制：如果發現自己專業知識不足以判斷 AI 回答的真偽，應立刻停止依賴AI，或只讓 AI 負責摘要等可對照原文的低風險任務。

4. 高變異性腦力激盪

• 行動目標：利用 AI 擅長關聯與幻覺的特性，產生跳脫框架的創意組合。
• 記憶鉤子：創意扭蛋機——讓 AI 給你二十個瘋狂點子，從中撿起一顆真鑽石。
• 故事或例子：作者要求 AI將「速食、熔岩燈專利、14世紀英國」三個毫無關聯的元素結合。AI 成功給出一個充滿創意的提案：一家中世紀主題的速食店，員工扮成騎士，用熔岩燈裝飾。AI 能在兩分鐘內想出 122 種牙刷的非傳統用途，它是無情的點子生成器。
• 觸發情境：會議提案卡關、需要新點子，或覺得人類團隊的思維陷入窠臼時。
• 對象與場景：企劃、產品經理、設計師、行銷團隊；腦力激盪初期。
• 具體步驟：
  • 步驟一：賦予 AI 創意專家的角色，並要求它一次產出 20 個以上的點子。
  • 步驟二：加入強制性的限制（如：「必須極度不尋常」、「每個點子必須截然不同」、「結合X與Y元素」）以增加變異性。
  • 步驟三：由人類負責做最終篩選，挑出 1-2 個有潛力的點子，再進行延伸修改。
• 可衡量的成果：在每次創意會議前，利用 AI 產出 20個點子清單，並成功從中萃取出至少 1 個可用靈感。
• 失敗補救機制：如果點子太過普通，要求 AI「推翻上述所有邏輯，給我 10個最荒謬、最可能失敗但極具創意的做法」。

5. 賽博格深度協作

• 行動目標：將工作流程與 AI 深度融合，克服人類寫作或思考的拖延與瓶頸。
• 記憶鉤子：賽博格桌球賽——你打一拍，它回一球，在來回迭代中推進工作。
• 故事或例子：作者寫作遇到瓶頸時不會停下來，而是化身「賽博格（Cyborg）」。他會把卡住的半個段落丟給 AI，請它用 10 種不同的專業風格續寫。雖然作者幾乎沒採用 AI 寫的原文，但這些選項提供了不同的路徑，成功幫他打破「空白頁恐懼」，持續推進進度。
• 觸發情境：面對空白文件發呆、寫作卡關，或不知如何起頭執行任務時。
• 對象與場景：作者、程式設計師、專案經理；需要深度創作或解題時。
• 具體步驟：
  • 步驟一：不要等想清楚才動手，把目前的半成品或粗糙想法直接輸入給 AI。
  • 步驟二：告訴 AI 你的困境，請它提供 5-10 個下一步的選項、重寫段落或大綱。
  • 步驟三：從中獲得靈感後由人類接手繼續做，遇到下一個卡點再丟給AI，形成人機交替的迭代。
• 可衡量的成果：面對寫作或企劃的「空白頁恐懼」時，能在 5 分鐘內藉由 AI提供的選項開始產出實質內容。
• 失敗補救機制：若 AI 一直給出錯誤方向，請退回一步，先和 AI釐清「我們現在的最終目標與受眾是什麼」，對齊認知後再繼續來回。

6. 打造 AI 刻意練習教練

• 行動目標：透過 AI 模擬對手或導師，進行高頻率的「刻意練習」以提升專業技能。
• 記憶鉤子：無情陪練機——在安全的虛擬戰場中，接受千萬次的毒打與指導。
• 故事或例子：作者在華頓商學院設計了一個模擬器，讓 AI扮演嚴苛的創投家（VC），不斷針對學生的創業簡報提出尖銳問題。學生練習後，另一個 AI 會化身導師給予溫和的改進建議並打分數。這讓學生能以極低成本，獲得原本難以取得的大師級反覆陪練與回饋。
• 觸發情境：需要準備重要面試、提案、談判，或學習新技能卻找不到專家陪練時。
• 對象與場景：學生、求職者、業務員、需要提升實戰經驗的工作者。
• 具體步驟：
  • 步驟一：提供情境，要求 AI 扮演與你對抗的角色（如挑剔的客戶、刁鑽的面試官）。
  • 步驟二：加入限制條件：「一次只能問一個問題，等我回答後你才能繼續追問」。
  • 步驟三：實戰練習 3-5 輪後，請 AI跳脫角色，總結你的優缺點並給出具體改進方案。
• 可衡量的成果：在下一次重要簡報或面試前，與 AI 進行至少 3回合的完整一對一實戰對話模擬。
• 失敗補救機制：若 AI太快給出解答或態度太客氣，可強制修改提示詞：「請用極度嚴格、挑剔且專業的標準來質疑我，絕對不要稱讚我」。

整體執行建議

• 搭配方式：先用【隱形城牆試探法】盤點個人工作中有哪些任務可交給AI；執行委託時務必開啟【防睡方向盤】把關風險；當創意卡關或遇到大任務時，結合【千面戲神召喚術】與【賽博格桌球賽】與 AI 深度共創；想精進自身實力時，啟動【無情陪練機】補足人類導師稀缺的問題。
• 執行週期：每週挑選一個從未讓 AI處理過的任務進行實驗；每個月設定一個新的「人設」來測試 AI 輸出的多樣性。
• 防棄機制：
  1. 障礙便利貼：在螢幕邊框貼上「這能丟給 AI嗎？」的便利貼，打破遇到困難習慣自己死磕的慣性。
  2. 建立咒語共學群：在團隊內部或與朋友建立對話群組，每週分享一個本週使用 AI最成功的對話紀錄或提示詞，降低獨自摸索的挫折感。

記憶卡片總表