魔術與人工智慧的交會點何在？現任OpenAI科學傳播官的魔術師梅恩（Andrew Mayne）如何以科技「局外人」身份，辨識出既有專業經驗與前沿科技的交匯之處，並打造出全新職涯？對個人、企業而言，想在AI時代下持續學習、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。在OpenAI首位「模型指令工程師」梅恩（Andrew Mayne）眼中，這是世代少見的龐大機運。
「因為人工智慧與萬物都有交會之處。」在9日舉行的INSIDE Future Day上，梅恩透過視訊表示，「我相信，在座的每一個人都有著某些（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，並曾執導電影、主持自己的電視節目、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公司全職工作，他仍保持一年寫作兩本小說的產能。
這般通才性的職涯經驗，背後積累著眾多失敗的嘗試。梅恩承認，他也花了許多年，進行許多探索，才找到自己可以做出貢獻的有趣事物。「這並不容易，也不會自動發生。」他表示，「這需要持續不斷的好奇心。」
從自身專業思考AI意義，促生新職能
2019年，GPT-2發表。生成文本的能力雖遠不如當前縝密、實用，卻引起身為小說家的梅恩注意。除了對文字、語感的敏銳度，當時梅恩已經關注AI多年，甚至打造過自己的小語言模型。他因而在推特上回覆OpenAI，戲稱自己身為小說家就要失業。
一年後，梅恩竟成為OpenAI員工。不僅是所謂「指令工程師」的先驅者，亦參與開發了GPT-4。他指出，「我在人工智慧與我理解的領域間找到了交集，也就是文字、語言以及它們如何發揮影響力。」
與研發ChatGPT的工程師相較，梅恩在語言、寫作上有更深廣的經驗。他從自己的專業領域出發，思考AI模型的能力、以及這些能力代表的意義，進而成為一名「AI指令工程師」。其本質如他所述，就是「知道如何與AI溝通，讓它完成有用任務的人。」
如今前沿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自己的能力，探索更多可能性。
無論樂不樂見，已沒有人是真正的科技「局外人」。
與其討論工作「職位」，不如聚焦工作「內容」
AI能力不斷突進，對人力市場的衝擊成為大眾熱議的主題。但梅恩認為，與其說工作機會會消失，不如說是工作內容會改變。
他以諾貝爾經濟學獎得主司馬賀（Herbert A. Simon）在1960年的預測為例。當時司馬賀表示，程式設計師這個職業消失的可能性，大於它變得無所不能的可能性。但到了2025年，程式設計師依然存在，而且在各種AI工具的助力下，變得更加無所不能。
梅恩認為，程式設計師所執行的工作內容，數十年來有很大的變化。但即使未來程式設計師不需要再親手寫一行行的程式碼，去思考程式應該如何設計、執行的這件任務依然會存在。
關鍵在於，人類會根據環境條件的變化，作出適應性的調整。梅恩認為，最好的切入點，就是找到一個可以連結既有專業與新變化的專案，並實際執行。這也是他個人的親身經驗。
2019年，梅恩在探索頻道（Discovery Channel）鯊魚週特別節目中，打造出一套能在鯊魚視覺中「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」的一次轉向。基於AI模型與鯊魚辨識物體輪廓的類似之處，梅恩做出一套能讓自己融入背景的潛水衣。
「結果成功了。」他說，「我沒有被吃掉。」
這驅動了往後更多跨界專案，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，「身處前沿，你自動成為一個專家，因為沒有其他人在做。」
當前AI發展的「前沿」領域何在？
在初期就辨識出具有變革性的新技術，是許多投資者的目標。梅恩對找到「前沿」領域，也有一套判準。
首先，前沿技術引發好奇的程度勝過實用意義。例如，GPT-2起初的實用性不強，也未引起企業注意。但若能看出技術未來發展的潛力軌跡，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。
其次是技術人員們也無法肯定這項新技術是酷還是蠢。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，是當前的專家們都對新技術為何行不通有強烈的意見。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，現在的「前沿」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的雷達上。
適應AI時代關鍵：滋養持續學習的好奇心
在演說中，梅恩也分享在AI時代的學習技巧。他認為，學習新事物比過往任何時刻都來得容易，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，都是從內部交流、一同打造的工具演變而成。例如OpenAI的程式碼代理Codex，起初也是內部使用的工具。
一大重點是不要將忙碌作為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，比你現在所在的位置更進一步。」
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以外，也積極布局產品應用。結合ChatGPT的瀏覽器Atlas、社交應用程式Sora app便是實例。更進一步說，最能釋放前沿模型潛力的應用，不會只是提升既有任務的生產效率，而是形塑出新的工作流程。
例如，現在各職位的員工都可以善用深度研究這類功能，深入了解特定主題，而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結論道，「這在企業而言也是相同的。」
