課程資料（本文寫作日期）
Succeed in the Age of AI
類別：Personal Development > Personal Productivity ║ 內容：8.5 hours ║ 原價：NT$390
建立：2025-11-14 ║ 更新：2025-12-02 ║ 註冊：10,954人 ║ 語言：English ║ 字幕：有 ║ 評分：4.58 (1,400人)
▌將 AI 定義為「剛畢業的高學歷資淺助理」
理解 AI 如何運作並非工程師的專利，而是每一位現代工作者需要具備的基礎能力。
目前的大型語言模型，運作機制並非具備真正的思考能力，而是一種基於機率的「預測下個字」系統。
就像我們看到「黃國昌…」時，腦中會自然浮現「太離譜了」一樣。AI 透過分析大量數據，學習字詞出現的機率分佈，進而生成流暢的文字。
這種預測機制帶來了一個本質上的缺陷，用過生成式人工智慧應該都聽過：「幻覺」。
》有知識但沒常識
模型並不在乎事實的真偽，它只在乎預測的機率是否合理。
所以 AI 有時會一本正經地胡說八道，甚至編造不存在的案例或數據。
此外，AI 的記憶能力受限於「上下文視窗」。你可以想像這是一個滑動的視窗，同時間能顯示的，只有一定數量的資訊。
當對話內容超過記憶力上限時，模型就會忘記前面的指令，忘性超好的！
所以當我們和 ChatGPT、Gemini 對話較長後，開始出現邏輯斷裂或失憶的現象時，最好重開一個對話交談。
了解以上的知識背景後，我們知道 AI 的回答有可能是錯的，應該將其定義為一個「剛畢業的高學歷資淺助理」。
這位助理擁有無數個博士學位，幾乎閱讀過人類歷史上所有的書籍與資料，知識淵博程度遠超任何人類；但同時間，它完全缺乏社會常識，沒有實際工作經驗，且性格上極度渴望討好上司。
為了讓使用者感到滿意，AI 傾向於順從使用者的觀點，不管觀點是否錯誤，或是一個糟糕的點子，他都會稱讚你天縱英明，說你好棒棒。
》信任但驗證
使用者必須從單純的操作者轉型為「管理者」，如同帶領實習生一般，給予清晰明確的指令，設定具體的角色與背景，並在其瞎掰時給予即時的修正。
將 AI 應用在自己一無所知的領域，可能導致非常嚴重的後果。因為使用者無法辨識這位「資淺助理」提供的資訊是否正確。
建議將 AI 應用於自己熟悉的專業領域，或是那些繁瑣但標準化的工作上。
只有當使用者具備驗證能力時，這位擁有海量知識的數位助理，才能幫你解決問題，而非將強大槓桿的能力，幫你做錯事。
▌Vibe Coding 與超速學習
AI 重塑了學習與創造模式，使學習路徑發生根本性的轉變。
》Vibe Coding
過去，學習程式設計必須先精通繁瑣的語法與邏輯結構，是許多初學者的巨大障礙。
然而，隨著大型語言模型在程式碼生成上的卓越表現，以及 Cursor 這類整合了 AI 的程式編輯器，使用者現在可以透過自然語言來撰寫程式。
動口不動手，嘴炮寫程式。
這種模式的核心不在於背誦語法，而在於邏輯設計與溝通能力。
開發者不再是單純的程式設計師，而是轉變為產品的架構師，透過指令引導 AI 完成程式設計。
雖然 AI 擅長生成新程式碼，卻極度不擅長回溯或撤銷錯誤。
當專案變得複雜時，如果缺乏適當的管理，AI 可能會產生難以維護的混亂代碼，甚至在修正錯誤的過程中破壞原有的功能。
因此，版本控制系統（Git）在 Vibe Coding 中，極其重要。
Git 就像防止 AI 失控的安全氣囊，AI 犯錯時，能迅速將專案還原至安全狀態，這是每位開發者必須掌握的基礎技能。
》超速學習
在程式設計之外，AI 同樣能被應用於超速學習。
但切記不要將 AI 用來直接生成答案，而是將其視為蘇格拉底式的導師。
使用者可以要求 AI 扮演嚴格的教授，針對特定主題對使用者進行反向提問與測試。
這種主動提取知識的過程，遠比被動閱讀更能強化神經連結。
針對需要死記硬背的知識，AI 還能迅速生成符合間隔重複系統的 flash card，將繁瑣的製卡過程自動化，讓學習者能將時間集中在記憶與內化上。
》智力肌肉萎縮
學習的本質在於神經系統的掙扎與重塑，這是一個伴隨著認知負荷的痛苦過程。
如果過度依賴 AI 進行內容生成，例如讓 AI 撰寫整篇論文或直接給出程式碼解答，使用者的痛感雖然消失了，但學習也隨之停止。
AI 應當被定位為提供回饋的教練，而非代替上場的選手。
唯有跨出舒適圈的自我挑戰，配合 AI 的指引，才能真正學習，而非陷入依賴演算法的退化陷阱。
▌保持專注力的生理機制
在原子習慣這本書中，提到我們不應該被壞習慣牽著鼻子走；反而應該利用生理特性，養成好習慣。
》我由我掌控
當前的注意力經濟，科技巨頭投入巨資研發演算法，目的在長時間佔據使用者的注意力。
因此，建立一套防禦機制，奪回對大腦獎勵系統與生理時鐘的主導權，成為高效能工作者的重點。
社群媒體之所以具備高度成癮性，是因為它們利用了類似賭博機台的變動獎勵機制。大腦無法預測下一次滑動會帶來無趣的內容還是極具娛樂性的大獎，這種不確定性會導致多巴胺的過度分泌與獎勵預測誤差，進而劫持使用者的行為模式。
為了對抗這種機制，講師的解決方法是：主動無聊。
主動無聊並非單純的休息，而是刻意讓大腦處於缺乏外部刺激的狀態，例如凝視窗外或天花板，藉此重置多巴胺受體的敏感度，使大腦恢復對低刺激性深度工作的專注力。
》物理阻斷
鑒於意志力是有限的資源，我們可以採用物理阻斷策略。
通過增加獲取高多巴胺活動的物理難度，來減少對意志力的消耗。
生產力不僅關於時間管理，更關於能量管理。
時間定價，即根據生理時鐘的運作規律，為一天中不同時段賦予不同的價值。
通常在起床後的八小時內，大腦的認知能力與專注力處於峰值，這段時間應被視為高價時段，最適合處理複雜、高價值的工作。
隨著體力腦力的消耗，晚間時段的認知價值遞減，適合處理低腦力負荷的事務。
在所有提升效能的手段中，睡眠被定義為唯一不可替代的超級藥物。
我們一般不易察覺的是：環境控制對睡眠品質的決定性影響，特別是光線管理。
視網膜對光線的角度極為敏感，來自頭頂的強光會抑制褪黑激素分泌，模擬正午的太陽。
因此，模仿祖先的生活環境，畢竟那是我們演化了千萬年的習性，在晚間關閉頭頂大燈，僅保留低角度、暖色調的照明，並配合嚴格的遮光措施，是改善生理修復機制的關鍵操作。
此外，針對咖啡因的使用，建議在午後完全停止攝取，以避免干擾深度睡眠階段的生理運作。
▌建立自己的「不可替代性」
》Just move
如果 AI 能寫出更好的程式、生成更美的圖片，甚至規劃更詳盡的商業策略，人類的努力是否還有意義？
當然是的。但前提是我們必須重新定義我們在生產力鏈中的位置：當工具能完成大部分的執行工作時，人類的核心價值回歸到了「選擇」與「目標設定」。
人類與 AI 的根本區別在於「慾望」與「自主性」。
AI 沒有夢想，它不會半夜醒來想要成為太空人或改變世界，它只能回應你的指令。
因此，在這個時代，能夠清晰定義「我要什麼」變得比「我能做什麼」更為關鍵。
正如英國特種部隊（SAS）的格言：「當你不知道該做什麼時，就動起來。」（Just move.）因為行動會產生回饋，而回饋就是資訊。停滯思考只會帶來焦慮，唯有行動能消除不確定性。
》真正的目標
Hell Yeah or No.
設定目標時，我們常被社會期待所綁架，追求那些看似耀眼卻毫無價值的虛榮指標。
我們可以參考 Derek Sivers 的決策法則：「如果不是『Hell Yeah!』（絕對要！），那就是『No』。」
這是一個極佳的過濾器，用來篩選出真正值得投入生命的目標。
一個好的目標應該具備三個特質：
-
個人的：不是為了滿足父母或社會的期待。
-
野心勃勃的：設定高目標，即使失敗，也比普通目標走得更遠。
-
長遠的：思考這件事在一百年後是否仍有意義。
最危險的目標是那些建立在他人評價之上的，例如「成為最受歡迎的人」，因為這將你的成就感交到了別人手中。
》Day 1 思維
Jeff Bezos 的「Day 1」思維，永遠保持創業第一天的活力與具體行動。
擁有野心勃勃的目標（如成為太空人或年收百萬）往往令人望而生畏，導致拖延。
解決之道在於將宏大願景拆解為「每日執行單元」。
無論目標多大，都可以被數學化的拆解。
例如，想要獲得一千個訂閱者，拆解到每天可能只需要三個；想要達成某個收入目標，拆解到每天可能只需要賣出兩個產品。
當大目標被拆解成這些微小、可執行的「原子級任務」時，大腦的恐懼機制就會關閉，執行力隨之產生。
這不再是關於意志力，而是關於數學與邏輯的拆解。
AI 時代，生產力工具的最終目的，是釋放你的時間與精力，去追求那些你真正渴望的「真生產力」。
區分「忙碌」與「高效」的關鍵就在於：你做這件事是為了填滿時間，還是為了推進那個讓你感到「Hell Yeah」的目標？
▌花的時間更少，成就的事更多
AI 時代的生存指南，並非如何超越機器，而是如何更像「人」。
透過理解 LLM 的預測本質，我們破除了對技術的迷信，將其定位為「剛畢業的高學歷資淺助理」。
透過 Vibe Coding 與超速學習，我們利用工具來跨越技能鴻溝。
透過生理駭客與多巴胺管理，我們奪回對大腦的主權。
最後，透過目標設計，我們在這個自動化的世界中，確立了自己不可替代的座標。
正如課程結尾所言：「生產力不是關於做更多，而是關於成為更多。」（Productivity isn’t about doing more, it’s about becoming more.）