這篇文章全部的內容來自簡立峰老師在中央研究院一場名為『Dancing with AI』的演講，系統 ETL pipeline大致上是先把 YouTube video下載下來，然後用 ffmpeg 轉成 mp3並壓縮到最小可能性（如果檔案超過 25MB就用 ffmpeg分割檔案）然後用 OpenAI Whisper取出逐字稿，因為 Whisper輸出的文字通常編排混亂而且內容在繁體中文上會有許多歧異，所以 Whisper輸出的內容我會透過 OpenAI 的 o1-preview讓其對內容進行 reasoning去校稿，最後以 markdown 的格式進行編排並使用 WordPress API打入自動編成一篇 Blog 文章。
院長，各位貴賓，各位同仁，大家好！今天非常榮幸各位來到現場，我們要來聆聽簡老師提供的一場演講，叫做「與 AI 共舞：機會與挑戰」。本次活動是由中央研究院的 AI 推動辦公室主辦，AI 合作社協辦。今天的演講活動開始之前，我們就先請廖院長上台致詞，請，謝謝！
各位同仁，大家早。我想最近幾個月來，大概很難在哪一天內你沒有聽到 AI 這兩個字，而且不只是聽過一次，只要一天內只聽過 AI 一次，那算是很少的。那為什麼會這樣子呢？大家都知道，大概兩年前左右，這 ChatGPT 推出以後，幾乎是馬上席捲了全世界。不管是大街小巷，不管是政府、個人、公司，這個老的、小的，大家都在談 ChatGPT。它到底是什麼？它到底可以做什麼？它到底會給人類帶來什麼樣的影響？
當然在這波 AI 浪潮裡面，我們中央研究院也馬上啟動了很多不同的方案，想要探討這些問題，想要把 AI 帶到中研院的每一個角落。我們剛開始是規劃了一些討論會、演講會，我們叫做 AI for PI。後來我們也成立了 AI 合作社，這些都不夠，我們就變成成立一個 AI 推動辦公室。然後我們也認為，不只是 PI 需要了解 AI，所有的中研院同仁，不論你是 PI，你是助理，甚至你是行政人員，你都應該對 AI 有一些基本的了解。所以我們現在的講法是 AI for all AS。
所以今天很高興看到很多同仁，我想除了 PI 之外，在場應該有很多非 PI 的助理，甚至行政人員都在場。我們今天也非常榮幸請到簡立峰博士。簡博士事實上是我們中研院的一員，他曾經在資訊所任職了 13 年，也擔任過副所長。從中研院離職之後，被延攬去 Google，擔任 Google 台灣分公司的總經理。他在幾年前退休，現在擔任了很多不同的基金會及公司的董事。今天我們很高興他能夠在百忙之中，撥冗跟我們分享他對 AI 的一些獨到的見解。我們現在以熱烈的掌聲歡迎簡立峰博士。
謝謝院長的介紹，也謝謝院長給我這個機會，有機會跟全院的同仁做一個交流。其實在這個演講廳，這是我離開中研院之後才有的演講廳，但是在這個演講廳，我在 AI 學校講過兩個年度的 Keynote，那時候是 Google 的身份。之後在退休之後，在這裡又講了兩次，包括其中一次是對全國高中生的計算機會議。所以每一次在這裡，我的感受都非常的強烈。因為有院長的高度跟願景，其實在中研院現在這個環境裡頭，我們對 AI 的掌握，我相信大家有一定的掌握。
但我自己覺得，我實在太幸運了，就是我這輩子研究領域裡頭就兩個領域，可是你們現在會很熟悉。第一個是我是研究 Search，那在加入 Google 之前，我可能還蠻會 Search 的，所以查 Chinese Search 的話，好像在 Google Rank 排在最前面。所以 Google 不小心就找我去了，之後我才知道他找我去幹什麼呢？去改進中文搜尋。那做到我要退休的時候，很多人告訴我說，這個 AI 已經改變了，包括有一些科學家們告訴我說，我以前研究的自然語言理解，現在有重大突破。所以我要退休前，我又花了兩年，在 Google 團隊裡頭學習一下。
所以你們現在研究大語言模型 Language Model，知道的是 ChatGPT 背後的技術，其實我在退休前，幸好有參與過。可是我才回想起，我的博士論文，很可能是台灣第一本叫語言模型。所以我在 1991 年之前，我其實是研究 Language Model，也就是我們今天的 ChatGPT 背後技術的核心來源。但是它現在變成 Large Language Model，那個 Large 來自哪裡呢？來自那個 Search Engine，就是那個 Search Engine 把全世界的資料都收集起來，而且資料做過各種處理，所以導入進入這個 Language Model，變 Large Language Model 之後，人類把自己的知識跟智慧交給了機器。我們還不敢講完全的交出去，也不敢講機器完全拿走，但基本上沒有這一場網路革命搜尋引擎，不會有大語言模型。那我剛好見證這兩個發展。
所以在討論這個議題裡頭，我有一點點自信是，除了我對產業的理解之外，這兩個科技我並不算陌生。通常我們在討論產業跟應用的時候，也許這兩個科技，我們理解不是那麼多，那我個人真的是有理解。但是這個理解呢，等一下會跟大家報告，我真正嚇到就是在這兩年的發展，也就是在我最沒有注意它的時候，它突飛猛進的進展。那這個進展也就是我們今天想跟大家交流的，到底它是不是有一個奇異點，是不是有個量變還是質變。但今天我們是一個比較通俗式的，在一開始之前讓大家知道，不要再，如果你不是一個學術工作者，不用等待 AI 的進步，你今天就要學會去用它，因為它再進步跟你的關係並不大。它再進步是在討論人類跟 AI 的關係，不是人類個人跟 AI 的關係。
所以這裡我們都可以看到它的衝擊。我們再往下來看，那台灣的優勢是什麼？台灣在這件事情的挑戰又是什麼？這我想大家非常非常關心。
好，我們來看，台灣的優勢也來自永遠。剛剛院長提到說，我們每天都會聽到 AI，我們每天也會聽到台積電。在台灣我們很幸運有個台積電。在這整個故事裡頭，世界有新的七強，這七強我們以前國家是這個所謂的 G7 七大工業國。現在國家的實力可能已經輸給企業的實力，這跟我們小說情境越來越像。
那麼世界有七家公司，其實在主宰這個 AI 的發展。如果我們用世界股價的排名，這個排名一直在變動，所以我就是用前一陣子的資料，這不是最新的。但是順序是差不多的，只是 NVIDIA、Microsoft 跟 Apple 在重新排名順序。但是你可以看到，就是這幾家公司裡頭，有一家沙烏地阿拉伯石油，它是 20 世紀的所謂的石油公司。那麼 21 世紀的石油可能是數據，可能是半導體，這兩者都需要，是因為沒有半導體 IC，現在 AI 沒辦法推得動，因為你需要一個硬體載體。
那台積電這樣一個台灣島，只佔全世界 GDP 是千分之幾的一個台灣島，產生了一個世界前十大的企業，這是多麼多麼的不容易。但是在這一波裡頭，如果你把這七家算在一起，連 NVIDIA 加起來的時候，發現一件事情很有趣了，他們這七家目前的市值加起來等同中國一年的 GDP 了。
那麼這個好像是一個故事。2008 年我在中國現場，美國印鈔票，印出一個中國大陸出來。因為美國印鈔票，大家對美元不信賴，錢就找地方去，只有中國剛好在崛起，所以大量錢湧進中國大陸。但後來最近這幾年，美國印鈔票也沒有影響到中國大陸，因為中國大陸已經進入高原期了。這時候發現 AI 企業接手了這個鈔票，所以它都長在這些 AI 企業裡頭。
台積電一家公司，它就等它的市值是超過台灣的 GDP 的，這是一個你很難很難想像的事情。
好，我們再來看，在這一個時代裡頭，它是一個超大型企業主導。它的門檻是數據、算力，再來才是資金跟人才。沒有數據，你沒有應用場景，你沒有辦法把知識推升。你沒有算力，你什麼都沒有辦法開始。
可是我們回想，2000 年到現在，樹人的時代，可以開發很多的網站，樹人可以做很多手機的 App，那個時代在這一波裡頭是很辛苦的，因為現在樹人買不起 GPU，更重要的樹人沒有資料。我希望提供服務，可是我沒有資料，所以我的服務沒辦法變得很聰明。
那麼台積電未來的發展，至少台積電預測到 2030 前，他們的產業還可以持續高峰發展。所以我常常跟新的內閣的長官在聊天說，至少在你們這一任不用太擔心，台積電還會往上。可是之後呢？台灣永遠只靠半導體？當然不行，因為世界上沒有過一個產業可以長長久久的，它都有風險的。
所以台灣去思考台灣的風險呢，現在來看就是，如果用 AI 各種評比裡頭，台灣大致上的強項還是屬於產業的韌性，是因為我們製造業居多。當我們製造業居多的時候，在這一波所謂的深層式 AI，是內容產業，對台灣的衝擊比較少。可是不代表對我們製造業的企業內部的員工沒有衝擊，只是對我們製造產品的衝擊相對比較少，所以台灣還不錯，算是還可以。
但是國際的評比裡頭，在應用面來講，我們都是評比在很落後的，在我們該有的排名裡頭是往下的。
好，我們再來看，那這一個 AI 模型，為什麼它的困難度是因為模型訓練的參數量跟成本？這有一點點像台積電的 3 奈米製程、5 奈米製程。你要用台積電的 3 奈米製程，你沒有拿出幾千萬美金出來，大概你也排不上隊，而且你一個晶片下去試騙一下，幾千萬美金就不見了，也許也沒成功。所以這是大人玩的遊戲，意思就是很有錢的企業才能玩的遊戲。
台灣遇到的問題也是差不多的，現在這些模型的參數量跟它的成本，比如說 Google Gemini 就要花這麼這麼多的錢，才能夠做一次性的模型訓練。那問題不在於錢而已，是在於你沒有數據去填滿這一個模型，這是另外一個問題。
好，那麼這世界上可以做軍火的不多，可以做飛機的也只有兩三個國家。同樣的，可以做 AI 模型的也不多。可是我們發現有一點有趣，新加坡在全世界現在 100 個最重要的 AI 模型裡頭，有 3 個在新加坡，3 個在阿拉伯聯合大公國，有 2 個在埃及。仔細去看，這是叫中國外移。
中國外移為什麼會發生呢？美國禁止中國使用 GPU。可是 GPU 又不是一定要在某個地方用，就跟你挖礦一樣，你要買比特幣，它在哪裡都可以。所以中國只要聯網出去，找一個國家的資料中心，在那裡買 GPU 就好了。所以美國禁運 GPU 是一個假議題，它只是拿來解決政治上的問題，它不是真正禁止 GPU 的使用。中國的科學家可以聯網出去，在世界其他地方蓋資料中心，他一樣可以取得他的 GPU。所以這叫掩耳盜鈴。
但是它還是產生效果，因為大家盡量不敢賣給它，還是有差別的。
好，我們來看，那台灣的機會在這個全球的架構上，它在哪裡呢？在雲裡頭，我們是很難有機會的，因為台灣很少有國際的軟體平台，幾乎是沒有的。你認識中、你所使用過的軟體裡頭，有哪一個是台灣公司開發的？就算你找得出一千個你用過的軟體，大概也不會有一個來自台灣公司開發。
台灣目前軟體公司在全世界能夠被看到的，只有 Trend Micro，就是趨勢。最近慢慢有一家獨角獸，我退休後加入幫忙的 Appier，它算是 AI 獨角獸，因為它市值大概來到超過十幾億美金，大概四、五百億台幣，但也就是一家小公司而已。
世界上的軟體公司其實很少來自台灣。我們很有壓力，錯，也很少來自日本，也很少來自德國。德國兩家很重要的軟體公司，最近狀況都不好，一個叫 Foodpanda，那你們就知道了，Uber 要把它買掉。還有一個叫什麼？SAP，SAP 最近要裁員一萬人。
那 SAP 為什麼會裁員？是因為 AI 的使用，造成企業只好拿錢給微軟、給 Google、給 Amazon 買 AI 雲端，企業開始沒有錢給 Adobe、Salesforce、給 SAP，因為這是次級雲端。所以在這種情形下，經費是排擠的，所以 AI 其實已經在排擠產業的競爭了，它事實上已經在發生了。
那台灣沒有軟體產業，很有可能以後全世界也只有兩個國家會有軟體產業，為什麼？軟體是沒有國際的產業，贏者全拿。
那麼幸好台灣沒有去做軟體，雖然我運氣不好，我學軟體。為什麼？仔細想想，幸好沒有做軟體，因為守不住的，贏不了的，沒有可能性的。為什麼？它是無牆的戰爭。
可是沒有軟體你就沒有文化，對，那怎麼辦呢？對，沒有辦法。所以其實軟體是世界上最大的一種某種程度共產革命，它其實是資本革命，它是市場經濟，把世界圈在一起，使用一個最強跟第二強的軟體，它就很難再產生。
我們再往下看，那台灣機會在哪裡呢？在這裡，叫 Edge AI。Edge AI 是什麼呢？當 AI 跑到終端裝置來的時候，跑到 PC、跑到手機，如果你有買關注 NVIDIA 的股價，這幾天 NVIDIA 股價大跌，大跌的原因是因為它大家擔心雲端時代做鏟子的人賺到錢，用鏟子挖礦沒賺到錢。
可是現在你要關注的是 Apple 的 iPhone，Apple iPhone 為什麼它很重要？對台灣非常非常重要，為什麼？最重要原因在於，因為它是終端的 AI。過去任何的科技發展，只要一般的使用者不花錢買那個服務，最終它一定會泡沫化。
我們在 1985 年時代，多數人可能不太了解的，到 90 年間的 PC 產業，剛開始大家是不花錢買軟體的，全部都是盜版軟體的，我們叫大補帖。但是最終消費者買硬體，bundle 軟體，軟體是附加在硬體裡頭活下來的。今天的 AI 服務，今天的 AI 服務以後會加在哪裡？加在 iPhone 上頭，最後才會活下來，因為消費者現在，包括我在內，我們很少人付錢給 AI 的。
好，但是一但來到終端裝置，就是台灣的機會，因為台灣是全世界工業電腦的大國，很多的應用可以加在台灣生產的各種各種形式上的硬體。哪一個硬體本來是無腦的，比如說一個工業電腦、一個機械臂，我現在加上一個 AI，有辨識能力，它就有腦了。那個腦很多都是 Open Source，台灣產業可以去拿來發揮。
所以台灣的機會不是沒有，它可能是比以前更好。可是台灣如果沒有軟體搭配著硬體，台灣的硬體終究會消失。為什麼？硬體進入到一個 AI 製造硬體的時代，AI 讓硬體變聰明的時代，這兩件事情都在影響台灣的發展。
台灣要思考的就是，我們不只是做產資，我們還是要去做應用，要挖礦。對產業來講，這些應用是我們現在有 AI 的優勢，因為有紅色供應鏈受限。對台灣的內需來講，加了 AI，對產業的永續、對社會的永續、對環境的永續，它非常的重要。
我們個人可以做什麼？這可能是今天每一個人的重點，我們應該可以做什麼？我們來看一下，我們面臨到一個新的時代，這大家會很有感。接下來我們是用『問問題』解決問題。我們一輩子的學習裡頭都在解題，尤其台灣式的教育，我們教育是什麼？就是老師出題目，我們都叫考試、考試、考試、考試。什麼叫考試？其實不是考試，就是老師出題你解題，老師出題你解題，而題目是老師昨天告訴你的，解題呢，答案也是他告訴你的。
所以老師是什麼？老師好像像 ChatGPT 對不對？不對，如果 ChatGPT 是要跟你互動的，答案是可變的，沒有。在我們的教育裡頭，多數還是答案是固定的。在這種情形下，我們還是不太問問題的，我們就是解題的。
在 ChatGPT 的時代是麻煩的，因為你要學著跟它互動，而這個互動的方法，你可以問它。所以諸位如果你有機會再回去用 ChatGPT 或者 Gemini，第一件事情問它：「我如何問一個好問題？」你要先問這個，教你怎麼用。你問它任何一個問題，你的下一個問題問它說：「我怎麼樣提供給你更多的資訊，我的答案才會更好？」你要跟它互動，之後你會發現一切都會變得不一樣。
你會開始覺得，原來我們講話是這麼的無腦，我們這麼沒有把情境交代清楚。它要求你做角色的定義，比如說光是一個簡單：「我如何準備跑馬拉松？」這個問題太簡單，你沒有給它 context，你最起碼講說，你 AI 是個運動教練，我是個初學者。初學這件事要讓它知道，我沒有參加過比賽，可是我要在六個月內參加一場比賽，那我該怎麼準備？你要給它情境。有給它情境，答案才會照著你的情境，給你比較精確的內容。
這是我們第一個要學習的，問問題、解題。所以我們如果沒有學會，我們就會進入叫大腦外包。我們今天很少會再手算的，所以我們計算早就外包掉。我們很多記憶交給了電腦，手機打開來，我們不記得。我們這一次的衝擊是什麼？閱讀的衝擊。我們這一次不去搜尋了，搜尋了我們還讀幾個網頁，我們就直接問題問它，答案給你，拿了就走，沒有閱讀。沒有閱讀就會是未來，就等於沒有學習。沒有閱讀、沒有學習，你的腦袋就外包掉了，就再也不重要，就頭不見了，交出去給人家了，這叫無字天書。
所以你可以問 AI：「我怎麼問一個好問題？」那它會告訴你，最重要有一個叫引導式問題（guided question），你要告訴我，你要 guide 我往哪一個方向去。
那麼我們再來看，什麼叫做引導式問題？就是它說你要跟它互動，你要告訴它說你不滿意在哪裡，這樣它才能夠調整它的內容。記住，這個就是學生跟老師、兒子跟爸爸之間的關係。這個如果爸爸太權威了，兒子就不問問題了，不互動了。你要懂得跟它互動。
好，這是我一個很簡單的例子，我用我兒子的想像做例子。我去問它，這只是純粹 fake question，但是 question 很好玩。這 question 就是說，對一個亞洲 26 歲男性，需要上班，住在大學附近，喜歡棒球，早上沒時間運動，可以在 30 分鐘完成，最後建議 10 個 100 個字。他給你就是叫做去跳繩，然後起坐、伏地挺身。我只是再加一行，我沒秀給你，我說他會焦慮。他立刻建議說，找一棵樹，因為大學你可以找到一棵大樹，在下頭沉思，做有氧運動就好。他題目一改，答案就改。
那你說有沒有道理？見仁見智。
好，你去問 AI，最常用的，我們現在人類最常用 ChatGPT 拿來幹什麼？有一個統計出來，最重要就是 generate ideas，brainstorming。對學術工作者，這很重要，我們要跟它互動，我們借它這一顆腦，來引導我們這一顆腦。我們不要相信它，但是我們要由它來跟我們雙向互動。這有一點點像很多優秀的學者，動不動就找人聊，最後再聊自己 idea，這個是一個我們可以用的過程。
那最適合學術工作，因為你要盡信書不如無書，你要隨時懷疑它，但是它可以刺激你。
我們有很多方法用 AI 來學語言，但是我們可能不知道。所以這是一個投影片，它在講說，我們可以用 AI 怎麼樣學語言。但現在這時代有個叫情境式的學習，情境式的學習就是你拿著手機，在馬路上遇到一個情境，直接告訴 AI，我該怎麼辦？你教我吧，這叫情境式的學習。
最近有一個報告在矽谷，說印度人學中文變得非常非常快速，是因為他去中國餐館的時候，他直接把 AI 拿出來，情境式的學習，他就變得非常快速，那這就是我們過去語言教育做不到的事情。
我設了一個簡單情境，就是我想假設我已經住在台大附近，很多學生進到小店裡，一個麵店老闆該怎麼辦？老闆說，你教我十個很常用的回答應對，但是單字，就是很簡單的單字。他立刻可以 generate 出來各種給你做參考。所以他就是一個小幫手，我們要懂得用他。
再下來，大家可能都說沒有用，今天你可以知道有一個網站叫 Character.ai，它正在改變我們世界的新的應用時代。這個 Character.ai 現在有六百萬人在那邊註冊使用，平均一個人一天要花兩小時。他們在幹什麼呢？除了聊天之外，其實最重要的是選各種模型跟他聊。
華碩的董事長施崇棠說，他會跟『愛因斯坦』聊一聊，談論物理問題。我說實在是你還是太能幹了，我通通丟掉了。但是人家聊什麼呢？可以聊面試，這是裡頭非常 popular，可以聊心理、聊宗教，這都是 AI 模型，有人丟資料去訓練他。以後這是我們新的時代，我們想到任何東西，我們不是找一個死的網站，我們是去找一個活的語言模型，去跟他對話，這就是我們下一代的人看到的我們上一代的網頁，新的時代。
這當然也許太科幻了一點，但是世界就是這樣走。
好，那學術，我們快速講一下，學術可以怎麼用？我就剛好讀到一篇，你們可以去看一下，〈Generated AI Can Supercharge Your Academic Research〉，在 Harvard Business Review。他說有幾件事情，剛剛已經講了，你可以 brainstorm，他可以列一些 prompt：「I’m thinking about 什麼樣的 topic. This is not very…」這個 idea，你可以幫我什麼，這叫 brainstorming，這是一個應用情境。
另外一個應用情境，你要分析研究資料，你不會寫程式，這是最大的突破，叫他生程式給你，讓你分析資料，這是我想中研院的研究同仁都可以用的，而且這件事情是不去用也太可惜了，因為你有一個超級小幫手在那。
這是第二個情境。第三個情境呢，你有一些 findings，你可以跟他討論，他來幫你 verify。另外呢，大家可能越來越常用的，我剛剛跟這個處長陳林志老師在聊，就是我們可以用 AI 來協助我們寫論文。我們在撰寫論文時，可以請它給我們意見。如果我們收到審查意見的回饋，我們可以把論文丟進去，與它討論。這些都是目前建議的各種可行方法，前提是不能完全相信，但它可以刺激你的想法。
好，科學上它可以用到各種地方。它可以幫你做文獻的探討，幫你摘要文獻，甚至分類文獻的主題和方法。它可以幫你做摘要，進行資料分析，甚至幫你討論如何撰寫文章、設計實驗。我們研究過程的種種，它可能都可以參與，這真的是顛覆我們的研究領域。
但是同樣的東西，也顛覆在各行各業。我們再來看，那企業呢？最後的時間裡頭，我們來看一下，對一個企業來講，現在這些工具容易取得，你甚至只要用自然語言問它。所以對企業來講，或者在中研院的組織裡頭，最重要的就是員工的賦能概念。還有就是企業如果要用 AI 來做應用，什麼應用目前證明是最有效的？
一個就是 coding，就是開發程式變得有效率。第二個就是 customer service，很多客服人員要回答很多問題，他們記不住那麼多，答得不夠妥當，AI 可以來幫忙。
那麼我也在金控公司擔任顧問，最近這個 McKinsey 已經有一個報告出來，全世界的銀行都必須要用智能客服。為什麼？因為我在玉山金控當顧問，當時是申委的關係，陳申委的關係。之後玉山說他們分析過，他們的 customer service 有一千個 scenario，他們如何去訓練一個 customer service 能夠回答一千個 scenario？
現在是怎麼做呢？Google 的客服部門現在有新的結果出來了，他們直接 co-pilot。什麼叫 co-pilot？就是客服在跟客戶服務的時候，AI 同步聽、同步建議，建議給誰？建議給客服人員。如果客戶要調資料，直接把它調出來；客戶要分析報告、分析觀點，你可以分析，提供給客服人員做參考，建議是進行式的東西。
如果是這樣，其他的就是行銷、知識管理。我們快速來看一下，一件簡簡單單的技術，對大家來講，如果你最近有在留意，比如說美國民主黨的全國代表大會之後，Harris 在那邊演說，公視在播的時候，直播用的翻譯是用 Chrome browser 瀏覽器的直接翻譯，效果並不差。
在這種情形下，它已經改變，我們語言的隔閡被改變掉。最重要的是，它可以翻譯世界各種語言。有一個 Hotman 公關公司告訴我說，他們現在到日本、韓國開會，任何大小企業，大家都已經沒有壓力了，但前提要求是要拿電腦出來，只要大家把電腦打開，你講什麼都沒關係，我都聽我的。
這是一個新的使用情境，我們也應該去使用它。就是我上一次在三月的一場演講，我演講完之後，逐字稿立刻出現，速度快到我都無法想像。而這個逐字稿，他告訴我用的方法居然就是 OpenAI 的 Whisper，把聲音變成文字，這當然會有錯。之後呢，他用 ChatGPT 改稿，改一下下而已，限制它說不要改得太離譜。我自己看都不知道我到底有沒有講過，所以這件事情連我都搞不清楚，那就對了吧。馬上就有人翻成英文，它其實就翻過去了。
那這是一個即時翻譯的新的 AI Phone，未來 AI Phone 就長這樣。三星的 AI Phone 的做法就是，任何人只聽到自己的母語。比如說你跟一個韓國人在講話，他講韓文你講中文，但是那個韓文你聽不見，因為他把它翻成中文之後你才聽得見。可是這個時間速度快到，落差幾乎快沒有。
這代表什麼？這世界上大家都可以用自己的母語來做溝通的時代快要到了。在這種情形下，光只是把音轉字，對我們的組織的影響有多大呢？就是轉完字之後，它可以翻譯、摘要、分類、提示問答、搜尋。那我們就不能再說我們沒有知識管理了，因為它可以管理了。
那什麼行業立即受惠呢？譬如說心理諮商師。你以後跟你的 client 之間、你的病人之間，其實就是可以把音轉成字，把它錄下來，做一個建議、歸檔。下一次病人再來的時候，你不會說不記得了。這個心理諮商師跟病人之間的心態關係很重要，他曾經跟你講他有個哥哥、弟弟，你如果忘了是不太好的事情。但現在科技縮短這個距離。
如果是這樣子，這一波最受惠的行業是什麼行業？是 SOHO 組、專業人士。你有專業知識，你是一個人，你必須一定利用它，把它做得更好。這個叫做，你可以成為神奇寶貝訓練師，你這樣記得就好。如果你不是這樣，沒關係，你至少成為一個超級使用者也沒關係。所以有兩條路可以走，一個是讓自己的專業一直去訓練它，成為一個神奇寶貝訓練師，那諸位的時代就是最好的時代。另一個，我們就懂得去用就好了。
那它對寫軟體是有幫助的，我們就跳過，因為寫程式真的變得非常快。之後它在行銷裡頭，可以各種應用。我就用最近學到一個例子，叫做阿里巴巴，現在在推一種服務，在中國都要講「千人千面」這句話，但是沒關係，它現在叫做「四百萬人四百萬封信」。什麼叫四百萬人四百萬封信？就是未來行銷的信，每一封信都是客製化的。
但是最極致的行銷叫什麼？詐騙。所以 AI 讓行銷變成詐騙。為什麼？它跟你寒暄的內容，你一看就知道對你祖宗八代都非常了解，你會害怕。不過它也很精準。所以我現在已經搞不清楚 AI 界線應該拿捏在哪裡，因為它可以做到詐騙。那該不該做呢？因為行銷做得最好就是詐騙，對不對？
好，我們來看一下，它對 HR 的影響，各方面影響都非常大。光是一個最簡單的找工作這件事情，傳統的做法是你到一個跨國性的公司去找一個 job，比如說你到 Oracle 去找 job，那有那麼多，全世界幾千個位置，你也不知道選哪一個。現在的方法很簡單，他說你給我一個 LinkedIn 的位置就好了，或者你給我一個 resume，之後他分析完，他就建議有哪些職缺你可以去申請，這縮短了彼此的距離。
這樣同樣的道理，出現在美國的保險局的概念。他們說退伍軍人保險，過去理賠的過程中，申請要兩個月，他們現在用 AI 之後，五天就下來。因為方法很簡單，過去的方式是你 submit 資料之後，可能很多東西填錯，填錯之後來來回回就兩個月，甚至更久。現在 AI 先跟你過一遍，哪裡錯？比如說你明明地址是在寫某個州，可是你最後的郵遞區號不對，等等，隨便這樣講，他都可以檢查出來。在這種情形下，他縮短了時間，這也就是我們行政效率縮短的地方。
所以我剛剛其實是在講這些事情，就是很多的服務，文件的集合是證明最有效果的。另外，合約的生成也是非常有效果的。
另外，在新加坡推的就是施政小幫手。我們在中研院未來也可能有各種幫手，我們過去的 APP，它會變聰明，這個概念。
最後，在這一張 slide，本來在行政院的文官訓練的第一張 slide 是用這一張，但是我今天在這裡演講，是用最後一張來當結束。它兩個情境有所不同，意義是差不多的。
我在行政院文官會議講 AI 的時候，我說：「會使用 AI 的人跟企業，將取代不會使用 AI 的人跟企業；有能力開發 AI 的國家，正在削弱沒有能力的國家。」那「正在」是給內閣文官一個比較大的壓力，我說這是我的命題。
之後我去問 Gemini，就這個觀點，就前面這個觀點，你有什麼覺得我還需要對政府官員建議的？他給我的建議是這樣：「我可以除了這個觀點之外，對政府官員提醒經濟的衝擊、社會的影響、積極的作為、要負責任的 AI。」我是透過 AI 來建議政府官員的，但我也同意這一點。
那我到底是不是抄襲它？我也不知道，但是我還蠻認同它，它講得蠻八股的。但是這就是我們今天面臨的它。
謝謝大家，謝謝！
