Transcript

創意每天聽 - 2026年4月27日 · 創意每天聽

0:00
嘿，你最近有沒有為了整理那些海量的資料，覺得自己快要被淹沒了？尤其是要做一些新的分析，沒有足夠的「參考資料」就特別焦慮。
0:15
我懂那種感覺。很多時候，我們做任何事情都習慣先找大量的案例、數據，才能開始動手，特別是跟 AI 相關的應用。大家都覺得 AI 訓練一定要有超多資料。
0:34
對啊！所以今天這個案例，我看到的時候，第一個想法就是「原來可以這樣做？」它完全挑戰了我們對 AI 的認知。
0:47
沒錯，這個案例真的很有趣。來自前 DeepMind 研究員 David Silver 創辦的 AI 實驗室 Ineffable Intelligence，他們才成立幾個月，就募到了 11 億美金。
1:12
11 億美金！這數字本身就很驚人。但更讓我感到驚訝的是，他們的目的，是要打造一種「不使用人類數據自行學習」的 AI。
1:27
這點其實不容易做到。在 AI 領域，長期以來我們都認為，越多的優質數據，AI 的學習效果就會越好。這也是為什麼很多公司花大錢去收集、清洗數據。
1:45
沒錯，就像我們學新技能，是不是也習慣找很多課本、範例、老師？我們會覺得，沒有這些「前人經驗」，根本無從學起。
1:59
但這個案例卻在說，AI 不必然需要這些。它想要讓 AI 自己去理解、去歸納，而不是單純地「模仿」人類的數據。
2:12
你想想看，如果我們公司的 AI 系統，不需要我們花那麼多時間去餵給它資料，它自己就能學會，那會省下多少成本和時間？
2:27
這會是一個巨大的改變。我們平常做專案，找數據、整理數據可能就佔掉一半以上的時間。如果 AI 能自己生成學習數據，那效率會大幅提升。
2:44
而且，這也解決了一個很大的問題，就是數據隱私。很多時候，我們不能使用某些敏感數據來訓練 AI，因為擔心洩漏。
2:57
是的，特別是在醫療、金融等高度監管的行業。如果 AI 能夠在沒有個人隱私數據的情況下，依然有效學習，那應用範圍會廣很多。
3:13
如果我是個新創公司的創辦人，我會從這裡學到，不要被現有的「常規」限制了思考。當所有人都說某個方法是唯一時，或許就是找到新路徑的機會。
3:29
沒錯。與其花大把鈔票和人力去追趕資料量，不如思考有沒有可能從根本上改變遊戲規則，找到一個更有效率，或更具前瞻性的解決方案。
3:45
這也讓我想，如果我們面對一個新挑戰，手邊資源不夠多，是不是可以試著從「最核心的假設」開始反思？或許有什麼方法，是不需要那麼多前置條件的？
4:02
對於一般上班族來說，這個概念也能應用。我們很多時候，在工作上會遇到一個問題，然後就立刻想著要怎麼「複製」過去的成功經驗。
4:18
嗯，或者是會覺得，我一定要有主管給很多指示，或者有很多參考資料，才能開始動手。如果沒有，就覺得很難啟動。
4:31
但我們是不是可以練習，在沒有足夠「人類數據」的情況下，自己去觀察、去歸納、去實驗？試著從問題的本質出發，發展出自己的解決方案。
4:47
比如說，當你面對一個沒做過的新專案，與其一直等著別人給你範本，不如先自己想想看，這個專案的目標是什麼？要達成它，有哪些可能的路徑？
5:03
甚至可以自己設定一些簡單的實驗，小範圍的嘗試，看看哪些可行。這就像是 AI 自己生成數據去學習一樣。
5:16
這樣一來，我們就不是被動地接收資訊，而是主動地去創造和學習。這在個人成長上，也是一個很有趣的啟發。
5:29
而且，當你真的找到一個「原來可以這樣」的方法時，你會發現那種成就感很不一樣，因為你是從零到一地去建構。
5:42
就像 DeepMind 的 David Silver 看到這個巨大的需求和可能性，才募到這麼多錢。這也說明了，挑戰常規思維的價值有多大。
5:59
這個案例提醒我們，很多時候，限制我們的不是技術本身，而是我們既有的思維框架。跳脫出來，或許就能看到一片新天地。