AI 焦慮的時候，可以做什麼？
1. 好好讀一本 AI 歷史：放下妄想和焦慮
2. 把重心放在自己的領域知識：搞好自己的工作，成為專家
3. 提醒自己：沒有人真的落後，想想幼稚園小朋友。
4. 好好盯著客戶看：他們的痛點是什麼？他們最爽的體驗是什麼？
5. 文字記錄下來你的手動操作：搞清楚自己的工作流程。
6. 一次只解決一個小問題。
「每天都有不同的 AI 生成，每天不斷推陳出新，好像永遠在追趕，永遠沒有盡頭。到底要怎樣減緩這個焦慮？」
這是剛剛收到的網友提問。
我的回應：
▋ 1. 去讀 AI 的發展史。
你知道第一個 AI 寫出來的音樂是 1997 年嗎？
我們早就已經落後頂尖人才五十年以上了，而且他們強到我們永遠追不上。
找一本介紹 AI 的科普書，看完 AI 的發展史，你會很清楚：人外有人，天外有天，那些 AI 強者工程師的境界，不是我們普通人追趕得上的。
於是我們可以放下想要「追趕」的妄想。
沒有了焦慮，你才能看清楚什麼是真正重要的，然後可以靜下心來好好學習。
▋ 2. 好好研究好自己的領域知識。
AI 是超級大鐵鎚，但重點你是要用鐵鎚蓋房子，你的知識應該是「怎樣蓋房子」，不是「怎樣保養鐵鎚、怎樣揮鐵鎚、鐵鎚有哪幾種….」。
先非常清楚你要怎樣蓋房子。
清楚到一個程度之後，對於鐵鎚你需要的知識，就只是去店裡面找店員問個幾句就夠了，你根本不需要研究一大堆東西。
越清楚 AI 以外的知識，你就會把 AI 用的越好。
▋ 3. 平常心。
沒有人真的落後。
現在真正靠 AI 賺錢的人，大部分都還只是賣鏟子（aka 線上課）的人。
「落後、生存、賽跑...」只是賣課文案用來激起情緒，讓人下單的手法。
根本沒有所謂「落後」。
我在 2024 年，當所有人都說臉書要死掉了的時候開始在臉書寫作。
我的第一篇破千分享爆文是「短影音」，早已被人寫到爛的主題。
我早落後爆了。
但我也活得好好的。
如果現在不學 AI 就叫做落後，那些在讀幼稚園的小朋友怎麼辦？
他們可是要十年後才有能力開始「學 AI」，他們可不落後慘了？
一堆人在賽跑是真的。
一堆人在搶技術開發是真的。
一堆人在挖金礦是真的。
但那些人早就在 AI 不紅的時候，這世界還在 GPT-1 的時候，就在研究語言模型了。
如果現在的你一直想著「我要跟上！」，那真的很對不起，這次機會不屬於你。
別焦急著做自己認知範圍以外的事。
韭菜都是這樣煉成的，我們不要當 AI 韭菜。
▋ 4. 盯著客戶。
我看 Ruby Hung 的文章，學到最深刻的一句話是：
好好盯著客戶看。
市場永遠都在。
AI 不是零和博弈，AI 會把整個世界的餅做大，百年難得一次的機會就要變成十年難得一次、五年難得一次。
如果你想追求科技，還有太多領域還沒爆發了：機器人、區塊鏈、VR/AR/MR、物聯網、腦機接口、去中心化金融（DeFi）、數字孿生、量子計算、個性化醫療、合成生物學、空間計算、無人機物流、基因編輯……
甚至，你根本不需要搞什麼高科技。
你知道台灣現在有些旅行社的網站還停留在 1999 年，比奇摩家族還醜嗎？賺爛啊，照樣賺爛。
因為他們非常清楚客戶是誰，清楚客戶要什麼，怎樣解決痛點，打造體驗。
好好盯著市場，好好盯著客戶。
解決客戶的痛點，你就會賺到錢；用 AI 一次解決很多個客戶的問題，你就會賺到很多錢。
就這樣。
不要盯著那些奇奇怪怪的AI用法，不要試圖「追上」，不要盯著其他人。
好好盯著客戶。
用盡全力解決他們的問題。
解決很多次了之後，才把有用且重複的部分自動化。
▋ 5. 關鍵字：「很多次之後」。
電腦科學界傳奇 Donald Knuth 的名言：
「過早優化是所有糟糕設計的根源」。（”Premature optimization is the root of all evil.“）
大部分沒搞清楚自己在幹嘛，就焦急著自動化的人，都會發現自己在做白工。
然後一年過去了，除了一堆線上課刷卡紀錄，什麼也沒累積。
自動化軟體都很好學，要自己寫程式也已經非常簡單了。
搞清楚自己到底要解決什麼問題，反而是最難的。
先面對難的。
先全部手動操作。
先只用 ChatGPT，全部複製貼上。
用文字記錄下來你每一次手動操作的流程。
等到你每次操作都跟你上一次文字記錄一樣時，那就可以自動化了。
▋ 6. 步步為營
一次只解決一個小問題。
如果要做 AI Agent，一次只做一個最簡單的功能。
不要一下子想著用 AI 統治世界，先從 AI 提醒你明天早上有開會不要遲到開始。
系統越大就越複雜，越複雜就越容易垮掉。
垮掉就是做白工。
一次只解決一個小問題，步步為營，穩定累積。
▋ 焦慮的時候，可以做什麼？
1. 好好讀一本 AI 歷史：放下妄想和焦慮
2. 把重心放在自己的領域知識：搞好自己的工作，成為專家
3. 提醒自己：沒有人真的落後，想想幼稚園小朋友。
4. 好好盯著客戶看：他們的痛點是什麼？他們最爽的體驗是什麼？
5. 文字記錄下來你的手動操作：搞清楚自己的工作流程。
6. 一次只解決一個小問題。
▋ 怎樣獲得最好的 AI 資訊來源？跟誰學習才對？
我知道的強者每個人都會寫一點，但強者都很忙，他們通常更新頻率不高。
我也沒有固定會看哪個強者，我比較喜歡自己四處找。
我的做法：
a. YouTube 加 DeepSRT 外掛：節省掉大量的看片時間，直接轉成文字看影片訊息重點。抓有興趣的部分看影片內容。
https://chromewebstore.google.com/.../mdaaadlpcanoofcoean...
b. Substack 動態推薦牆上有非常多強者寫作者。基本上全英文。你可以結合「沈浸式翻譯」這個 Chrome 外掛去做翻譯。
https://immersivetranslate.com/zh-TW/
c. 任何你想要知道的問題，去問 GPT 或 Perplexity。（可以特別要求：請在 Hacker News 網域中搜尋、請在 Reddit 網域搜尋...你就會獲得更前沿一點的資訊）
我真的追很慢。到現在我都還沒看 DeepSeek R1 的論文。
但我覺得，追很慢反而是好事。
AI 領域跟區塊鏈的「幣圈一天，人間一年」已經非常像了。
以我幣圈榮退的小韭菜經驗，任何「ＸＸ一天，人間一年」的地方你都要小心。
這裡就是賭場。通常有人在強化這個時空扭曲感，讓你 FOMO，讓你無法冷靜判斷，於是你的錢就很好賺。
在 AI 領域，這個時空幻覺感一半是由內容創作者炒出來的，因為這樣你就會焦慮，你就會 FOMO，你就會掏錢買鏟子。
所以我刻意追很慢。畢竟我沒有要靠這個投資股票，新資訊對我來說有 90% 都是雜訊。
而最重要的 10% 最後一定會變成某個強者認真寫作的主題，讓我在 YT、Substack、臉書上面看到。
所以只要不斷重複 a~c ，該知道的東西大概都會知道。那些我不知道的，就是我的認知範圍外的東西。
不要盲目追逐。
Peace.
身為軟體工程師，每天不斷被"取代軟體工程師"的新聞轟炸，想分享一下 3 個自己抗焦慮的方法
1. 抽象化的理解 AI 工作方式，理解大致框架能幫助我們消除對「黑盒子」的恐懼
2. 教育體系讓我們習慣「從頭開始學」的思維模式，試著轉換角度從“目的“開始，讓 AI 輔助自己學習幫助自己能用最短時間學會領域知識
3. 把大型語言模型當作日常工具來看待，就像我們使用搜尋引擎一樣自然。忽略那些過度誇張的報導，專注於現有工具來提升自己的工作效率
希望有幫助~
原來發同樣內容沒差嗎！
好喔，我理解了，謝謝大家回饋。