十年後，會使用 AI 的人，可能已經活在另一個世界

最近看完李飛飛的一場對談，裡面有一個問題，讓我想了很久：

AI變得愈來愈厲害，人與人之間的差距，最後會被什麼拉開？

李飛飛被稱為「AI教母」，曾任史丹佛人工智慧實驗室主任，也是ImageNet計畫的核心推手。當年正是這套大規模影像資料庫，讓電腦開始具備辨識圖像的能力，也推動了後來的深度學習革命。

我從這段內容裡，整理出四個值得注意的判斷。

❶ AI時代，人會逐漸分成兩種

第一種人，拿起AI就開始做東西。

他可能不懂程式、不會設計，也沒有完整團隊，但他願意先問、先試、先做出第一版。

每完成一次，他對AI的理解就更深一點，對自己的能力也更有信心。

第二種人，還在等待別人告訴他該怎麼辦。

等公司安排課程、等老師整理教材、等哪一天有空再研究，甚至想等AI發展成熟一點再開始。

問題是，AI永遠不會有「終於發展完成」的那一天。

當一個人已經用AI做了幾百次嘗試，另一個人還在觀望，兩人的差距自然會愈拉愈大。

❷ 教育，可能是最早出現巨大落差的地方

過去幾十年的教育研究中，一對一輔導一直被視為非常有效的學習方式。

但它有一個明顯限制：太貴了。

對談中舉出的估算是，小學階段若長期聘請私人家教，一年可能需要約12,000美元；進入大學後，成本甚至可能高達一年80,000美元。

現在的AI，正在把個人化學習的成本壓到一年100美元左右；部分情境下，學習相同內容所需的時間，甚至可能縮短六成。

這些數字仍會因工具、科目與使用方式而不同，但它指出了一個很值得思考的方向：

如果一所學校教孩子如何使用AI學習，另一所學校只想把AI擋在門外，十年後，兩群孩子會出現多大的差距？

當然，孩子打開AI，不代表就會自動進步。

有人用它複製答案，有人用它追問觀念、找出盲點、設計練習，再請AI依照自己的程度重新解釋。

工具一樣，使用方式不同，結果也可能完全不同。

❸ AI已經開始改寫工作的基本流程

十年前，矽谷的產品經理比較像一名指揮者。

想做一個產品原型，要先找設計師畫介面，再找工程師寫程式，接著開會、修改、測試。一個想法從腦中走到可以操作的Demo，往往需要幾個月。

現在，很多產品經理可以自己利用AI，把原型直接做出來。

他不需要等所有人都有空，幾天內就能把概念變成可以展示、測試、修改的東西。原本幾個月的開發週期，可能被壓縮到幾週。

這也改變了企業挑選人才的標準。

公司愈來愈需要那些願意重新設計工作流程、主動嘗試新工具的人。若一個人還堅持用五年前的方式處理所有事情，他失去的可能不只是一點效率，還包括參與下一個重要專案的機會。

❹ 未來最有價值的，可能是兩種人

第一種，是把某個領域鑽得非常深的頂尖專家。

以前只要具備不錯的專業能力，就能建立競爭優勢。現在，AI正快速追上許多「中等程度」的專業工作。

例如一位水準還不錯的文案工作者，已經可能遇到這種情況：一般人只要善用AI，也能寫出接近的內容。

所以，未來的專家必須深到能辨識AI的錯誤、看見一般人看不到的細節，並且處理那些沒有標準答案的問題。

第二種，是判斷力很強、什麼都敢上手的通才。

他未必精通所有技術，但知道問題真正卡在哪裡，也敢做選擇、承擔結果，再利用AI跨過不同專業之間的高牆。

過去需要一整個團隊才能推動的專案，未來可能由一個判斷力很強的人，帶著幾個AI工具完成大半。

而當「頂尖專家」遇上「敢做決定的通才」，這個組合會非常強。

不過，李飛飛也反對一種過度極端的說法：AI會讓人類的智慧與價值歸零。

工業革命沒有讓體力勞動消失，它讓勞動方式改變，也大幅提高了生產效率。

AI可能也會走上類似的路。

而且，人類的智慧遠比語言複雜。

除了說話、閱讀和寫作，我們還有空間感、身體協調、情境理解、價值判斷，以及與他人相處的能力。

例如週末在家摺衣服，看起來只是一件小事，背後卻包含辨認衣服形狀、調整角度、控制力量，以及判斷怎麼摺才能放進衣櫃。

對人類來說很自然，對機器依然非常困難。

所以，看完這場對談後，我最大的感受是：

AI時代真正拉開差距的，未必是誰比較聰明。

更關鍵的是，誰願意先把手伸出去，親自試一次。

不用先研究完幾十堂課，也不用等自己完全搞懂。拿一件你今天真的需要完成的工作，直接請AI陪你做出第一版。

寫一封信、整理一份資料、規劃一趟旅行、研究一個客戶問題，甚至把腦中模糊的想法變成一張圖。

做完一次，你就會知道下一步該問什麼。

如果你真的不知道怎麼開始，也可以找一個你信任、平常就在使用AI的年輕人，請他直接操作給你看。

很多時候，看別人實際做十分鐘，比自己看兩個小時的教學影片更有用。

AI不會在某一天突然敲門，宣布新時代正式開始。

它已經進來了。

現在的問題只剩下：

你準備繼續站在旁邊看，還是親手拿它做出第一個東西？

---

資料來源：The Godmother of AI on jobs, robots, and why world models are next｜Dr. Fei-Fei Li

編輯註：文中私人家教費用與「節省60%時間」等數字，應視為對談內容中的估算，不宜當作在所有教育場景普遍成立的研究結論。