李飛飛與 MasterClass 執行長談 AI 時代的工作:真正稀缺的是能動性
- 講者
- 李飛飛、David Rogier
- 來源
- YouTube
- 原片日期
- 筆記日期
- 閱讀時間
- 約 16 分鐘
本文有 11 個章節
很多人因為 AI 而害怕,覺得從大學走到職涯的這條路不再可靠,那到底該怎麼看、該準備什麼?AI 研究者李飛飛(Fei-Fei Li)與 MasterClass 執行長 David Rogier 都說不要躲開 AI,而是拿起工具去用。兩人反覆回到同一個字:agency,本文譯為「能動性」,也就是主動拿起工具、自己決定要做什麼的能力。
主持人 Marina Mogilko 拿這個問題同時問兩位來賓。李飛飛建立了讓現代 AI 得以起飛的資料集 ImageNet,現在經營 World Labs。主持人介紹說李飛飛剛募得 10 億美元,並在 MasterClass 開了新課《AI’s Future and Yours》。主持人說 David 把 MasterClass 做成估值 27.5 億美元的公司。
會用與不會用的差距正在拉大
主持人先問兩人看到了什麼變化。李飛飛說她的世界幾乎全是 AI,因此能直接感受技術的最前線:技術人員、創業者、產品與商業人員都意識到,AI 現在能拿來重新思考整個業務和應用。她說自己在矽谷 17 年,從沒見過這樣的能量,即使十年前也沒有這種程度的興奮。
David 的觀察是一道正在擴大的落差。會用 AI 的人能完成比以前多得多的事,也感受到前所未有的能動性;還在緊張、或沒受過訓練的人,和前者的距離越拉越遠。他提到李飛飛常講的一點:世界分成兩半,一半認為 AI 像神、會拯救世界,另一半認為它是魔鬼、會毀掉一切。他認為這兩種態度都不健康,比較好的做法是找出 AI 最好的部分,想清楚怎麼用它幫助人。
一位執行長的工具,已經變成自己寫的 app
David 說,如果幾個月前問他用什麼工具,他會列出 Claude、ChatGPT 之類;現在的答案不一樣了:
“I have now found that most of the apps I use, I built.”
我現在發現,我用的 app 大多是我自己做的。
這些 app 是用 Claude Code 或 Codex 做的。主持人提到她讀過他做了一個「Davidify」,David 說那是給團隊用的:裡面放了他寫過的一堆 email 和說過的話,讓團隊要用他的口吻寫東西時有依據。
連他的待辦清單也是自己寫的,規則是任何事項在清單上放超過一天半就不能留著。他只能三選一:現在就做、因為其實不重要而丟掉、或交給團隊的人。他的重點是,現在每個人都能照自己的思考方式打造工作流程和工具,做一個 app 的成本已從幾個月降到一個週末;剩下的問題變成有沒有動機去做、有沒有技能去做。
主持人接著問:員工說想開始用 AI,該從哪裡開始?她聽過有創業者要員工 vibe code 一個儀表板。David 不喜歡這個做法,因為這樣做出來的通常只有前端,沒有接回真正的資料來源,頭一個小時很好看,之後就壞了。他的經驗是,會問這個問題的人,通常是有什麼東西讓他們不敢自己試。所以他會親自坐下來,一對一或兩三人一組,一步一步帶他們做一個基本任務,例如深度研究。他坦白說有時覺得這很浪費時間,YouTube 影片可能教得比他好;但他發現自己陪著做一次,對方就像被解鎖(他的原話是 unlocks),之後會自己去做很多事。他也說不確定原因:可能是有人走過來陪他們,也可能是因為執行長叫他們做,他們覺得非做不可。
不要只聽兩個極端
李飛飛感謝 David 把現實的複雜性講出來,並說她很擔心公共討論太兩極:一邊是完全的烏托邦,AI 會拯救世界、大家不用工作、有全民基本收入;另一邊是 AI 太可怕,會取代所有工作、奪走人的能動性。她認為兩個極端都很危險。
她的立場是:AI 是一項技術,也就是一種工具,非常強大,人可以用它讓事情變好,但也必須非常警覺地使用。我們教孩子使用火、刀、網路,現在整個人類社會也要學會使用這個工具。她說最重要卻最缺席的,是她稱為 the nuanced middle(細緻的中間)的討論:這個工具到底是什麼、怎麼用在好的地方、怎麼避開陷阱,以及人類文明要怎麼帶著它往前走。
說智慧的成本會降到零,是不負責任的
主持人提出一個常見說法:工業革命自動化了體力勞動,AI 則在自動化我們的智慧;如果智慧的成本降到零,大學作為通往職涯的路還剩什麼?
David 先回答。他說從李飛飛那裡學到,現在談的 AI 以語言為基礎,而語言是有損的(lossy):你不會只靠文字學會開車或投籃。所以他認為我們還在 AI 的第一版,這種恐懼有點被誇大;AI 沒有自己的價值觀,它的價值觀來自我們,這代表人有機會去設計、塑造它。他本來還請李飛飛分享她和醫師洗手有關的研究例子,但李飛飛接下來先回應了主持人的前提,節目中沒有講到那個例子。
李飛飛同意,並更正主持人的前提。她說工業革命沒有自動化勞動,而是讓勞動更有效率、規模更大;它改變了勞動市場,但沒有把勞動自動化。她也反對暗示勞動不需要智慧,體力勞動、認知勞動、情緒勞動都和人的智慧深深交織,而人類智慧至今仍是自然界尚未解開的謎。所以任何人宣稱智慧的成本會降到零,在她看來都是不負責任的。人除了熟悉的語言智慧,還有感知、空間、身體與情緒智慧;我們也不知道創造力從哪裡來,每個人的創造力來自大腦以外的整個人生。
她承認大型語言模型與其衍生技術非常強大,正在幫助商業分析、軟體工程與邏輯推理,甚至更深入的任務。但她強調這些都很細緻、很複雜,很多可以和人的智慧強力協作;她不會用自動化人類智慧或智慧歸零這種字眼。主持人補充,正是這種說法加上大規模裁員的新聞標題,讓很多人反感 AI。
工作是一組任務,不適應的代價很高
David 認為面對這種情緒,答案不是避開 AI,而是拿起工具,想辦法把它設計得更好。他引用李飛飛在醫院的研究:一份工作其實是一組任務,其中有些是你不喜歡的。例如護理師和醫師都要寫病歷紀錄,他說從沒遇過哪位護理師說工作中最愛的部分是寫紀錄,那不是他們投入這一行的原因。
他也同意,回顧每次技術轉變,最後都創造了更多工作;問題在於誰拿到這些工作。拿不到的,是不適應的人,而不適應的後果很糟。他舉電腦和試算表普及的例子:不適應的人會失去工作,終身收入下降超過五分之一,第一年的死亡率加倍。他是口頭引述這些數字,沒有說明出處。所以他的結論是不要躲起來,而是逼自己去探索、去改善工具。
李飛飛接著說,這段對話裡有幾個字值得特別標出來:能動性、協作、賦能。她認為這就是任何技術的核心意義,包括被稱為 godlike(像神一樣)的 AI。她說的「以人為本」,最簡單也最深刻的意思是讓個人、社群與社會都變得更有力量。她承認這是變動的時代,而變動可能伴隨失去:失去舊習慣、失去過去幾十年熟悉的舒適、失去穩定感;但這也是機會的時代。要從困惑與失落跨到機會,每個人都有責任去學習、接受、提升技能,對這個機會保持開放,不論是中小學生還是已經在職的專業人士。
教育:AI 讓一對一教學變便宜,阻力在制度
主持人問 AI 現在能做什麼、還有什麼是人類獨有、一年後會怎樣。David 從教育講起。他說過去 60 年的研究告訴我們,最好的學習方式是一對一教學;我們之所以坐在 20 人或 300 人的教室,純粹是成本,不可能給世界上每個人配一位李博士。
他說從最近幾年的研究看,AI 已經能提供接近一對一水準的個人化教學,遠比在教室聽課或只讀書好。過去小學一年要花 1.2 萬美元、大學一年要 8 萬美元的教育,現在大約 100 美元就能提供同樣內容。他也說,用 AI 學習可以用少 60% 的時間學到同樣的東西。在他看來,最大的障礙不是技術,而是害怕改變的機構:如果一所學校禁止學生用 AI,另一所讓學生有結構地使用,後者的學生會遠遠領先。他說這不能取代一切,面對面的互動和社交連結仍然重要,但孩子之間會出現分化,而他認為這是壞事。他預測十年內不願適應的學校會因為落後太多而消失。
李飛飛同意每所學校、每間教室、每位學生都應該擁抱 AI,但她補了一個條件:社會有集體責任把老師和教育行政人員納入這場討論,讓他們看到一條能守住教育目標的可行路徑。她說教育的目標不是某種工具、不是開書考或閉書考、也不是標準化測驗分數。李飛飛的說法是:
“The goal of education is building humans.”
教育的目標是造就人。
也就是讓每個人成為對社群和社會有意義的貢獻者,過有意義的生活。AI 不應拿走這些根本,而應幫助更有效地達成。她認為把 AI 簡化成是不是作弊、要不要閉書考或乾脆禁用 AI 的二元爭論,不是我們該停留的地方;更重要的是怎麼賦能老師和學生、怎麼重組教室、重新思考考試、標準化測驗、大學入學,以及資源分配。既然這項技術在降低成本與門檻,就該思考怎麼把資源帶到市中心的弱勢區域、偏鄉,以及全球南方。
十年後的公司:能動性、專才與高能動性通才
主持人說,她想像孩子將來的職場,才能決定孩子現在該學什麼;她小時候的路很清楚:進大公司、為此讀什麼科系。她請兩人描繪十年後的公司。
李飛飛的第一個答案是能動性。她認為 AI 會給人更多能動性,未來的工作會倚重懂得有效使用這些工具的人。她以產品經理為例:十年前,產品經理是使用者、市場與工程師之間的串接者,比較像指揮,通常不寫程式;要做原型就找設計師和工程師,再拿原型給使用者、整理回饋,一個循環常常要幾個月。現在很多產品經理自己寫程式,用 AI 設計簡單的東西、vibe code 出原型,不必等一整個團隊。她強調這不代表不需要設計師或工程師,而是省下時間,讓他們做更精細的工作。使用者端也在變,AI 可以模擬使用者行為,也有更有效率的方式接觸使用者、完成回饋循環。她說自己招產品經理時,會找正在乘著這波變化的人,而不是還在講五年前教科書流程的人。她認為未來的公司會因 AI 而更有力量,個人的能動性和創造力提升,一個人能做與不能做的邊界變得更模糊、門檻更低;這會從根本改變美國企業的結構,每個學生都該想像自己想在新結構中成為誰。
主持人把這形容成組織裡的創業者,一個人負責很多事。David 提出他的假說:會出現槓鈴效應,而 MasterClass 內部已經看到。一端是專才。他說過去學校教他選一個領域鑽深,就能建立長期職涯;他認為這條路正在瓦解,除非你是頂尖。他舉文案為例:普通的文案寫手,現在任何會用大型語言模型的人都能做到差不多;但如果你是世界最好或前 1%,他就贏不了你。另一端是高能動性的通才,能把很多事做好,判斷力和主動性很強。他說這兩種人互動時很有意思,通才會驚訝於頂尖專才做得到自己做不到的事。他的結論是:未來會分化成頂尖專才,與能把很多事做好的人。影片標題說「十年後只剩兩種工作者」,這個說法出自 David,不是李飛飛。
李飛飛說這很有意思,並補充兩端的人都有能動性,都應該能用獨特而深入的方式使用工具。她舉設計師為例:他們帶來大量人的創造力,但有些人使用 AI 工具的方式是她自己想像不到的,這正是他們的工藝所在。她也重新定義「創業精神」:在矽谷,這個詞幾乎等於開一家在德拉瓦州註冊的新創,她不同意。李飛飛說:
“I think the word entrepreneurial is very much a synonym to agency.”
我認為創業精神這個詞,幾乎就是能動性的同義詞。
醫師、專科醫師、中小學老師都可以有創業精神。面對一項認知能力如此強的技術,她說要勇敢,運用你身為人的能動性去駕馭、使用、熟悉它,不要害怕或逃避,因為歷史的輪子正朝那個方向轉。
李飛飛自己怎麼用 AI
主持人請李飛飛舉幾個改變她工作的工具。她說從 ChatGPT、Gemini 到 Claude 都用,有時拿來研究很深的題目,有時用來對話。她舉了一個有趣的例子:家裡的洗衣服歸她管,每個週末要洗很多批。摺衣服原本是她聽有聲書的時間,但有時聽膩了;幾個月前她發現可以邊摺衣服邊和 AI 討論一個深入的題目,這讓她更有動力去摺衣服,因為那成了她用 AI 學任何想學的東西的個人時間。
她說軟體工程已被徹底改變;在藝術與設計方面,World Labs 也在做幫助創作者想像 3D 世界的模型。她承認這是很有爭議的領域,因為有些公司把 AI 創作工具定位成取代人,她說自己 deeply, deeply protest(深深抗議)這種定位。她認為即使只看視覺設計,人的創造力也和情緒智慧、創作者帶來的故事與價值觀密不可分;AI 應該幫助創作者表達創造力,而不是取代它。
空間智慧:AI 拼圖中還缺的一塊
David 問她:AI 是否要搞懂空間智慧,才可能變得真正聰明?李飛飛說這正是她在 World Labs 做的事。她把空間智慧拆成四個能力,以人在立體環境中的表現為例:
- 理解: 看到眼前有人、有設備、這是一間漂亮的房子。
- 推理: 想去冰箱拿水,就要推想空間,例如要走上樓梯、要認出冰箱、要規劃自己的移動。
- 生成: 即使沒看過你的客廳,腦中也能想像它的樣子;更好的藝術家能把想像畫成 2D、3D 甚至隨時間變化的 4D 作品。
- 互動: 和空間互動,例如摺每一件衣服、把它們掛進衣櫃,她說這是她最近最喜歡的週末活動。
她說這個領域已有很大進展,她強調這裡的「我們」是指整個領域。像 Nano Banana 或 GPT Image 這類工具已能生成大量 2D 圖像,也能告訴你花園裡不認識的花是什麼,理解能力相當先進,也能幫忙推理。目前生成方面較成熟的產品在 2D,World Labs 做的是 3D;3D 對機器人互動、真正可控的創作,例如設計、建築、遊戲開發與視覺特效,都是基礎。
主持人問這和大型語言模型是不是分開的,是不是語言模型到極限後由世界模型接手。李飛飛說 yes and no,兩者互補。她用投籃說明:這個動作很快,人不會在腦中邊想邊說,但它仍是高度複雜的智慧時刻;運動員清楚這一球進或不進對比賽的意義,這部分可能以語言方式運作;但看球場、看其他球員、瞄準是空間的,調整身體做出動作則是身體的。生活中很多事都是語言、空間與身體智慧的混合。她相信空間是很重要的一塊:演化花了超過 5 億年讓空間智慧成熟,語言智慧則短得多,這是動物與人類非常古老而根本的能力。
主持人問離完全理解還有多遠。李飛飛說身為科學家,她不知道什麼叫 100%,因為科學本身就在推進未知的邊界;如果目標是人類智慧,難處在於我們連人類智慧的邊界都不知道。若以一般人的日常能力來看,像煎蛋捲、摺衣服、打籃球,現在還做不到;但她不認為需要 100 年,可能不到 50 年,也不會是一年內,她的目標是在自己有生之年做到。主持人追問她什麼時候能不用在週日摺衣服,她說不知道,因為摺衣服還牽涉實體機器、感測器與硬體技術,更複雜,但她希望在有生之年。
David 接著說,他知道李飛飛因為很多原因避免用 AGI 這個詞,但他的假說是:不先做到空間智慧,就不可能接近 AGI,因為那關係到讀懂人、在世界中互動。李飛飛說她不打算對抗這個詞的流行,但身為學者,學術領域就叫人工智慧,G 到底指什麼在科學上並不嚴謹清楚,所以她當它是個暱稱。她同意 David:智慧很複雜,沒有空間智慧,AI 的圖像就不完整。
能動性能不能教
主持人問 David,經營教育公司的他會怎麼建議想培養能動性的人,又怎麼教孩子能動性。David 坦白說研究還沒到位,我們不確定怎麼做,只有假說。把能動性拆開看,有幾個線索:感到安全,才敢冒險;能失敗並從中學習;有重新站起來的韌性;對世界有好奇心。還有一些基本需求,例如想解決某件事、想讓某人刮目相看,他說這些不一定是最好的特質,但會逼你找出能動性。他說他看過的研究多是質性的,證據偏弱;大致是要讓自己置身於困難而陌生的處境,這從小就開始,同時愛、食物、睡眠與心理健康這些基本需求要被照顧好。他也說可以用誘因推動,例如他們做過「完成某件事就多給薪酬」的安排,薪酬確實會推人去做。
但他認為能動性本身,依他的經驗,是另一回事。社會教我們追求稱讚:小時候要爸媽稱讚、上學要老師稱讚、上班要老闆稱讚。擁有能動性,以及不只屬於創業者的創業精神,幾乎是在拒絕這種社會價值。他回憶創辦 MasterClass 時,每個人都說這是不可能又很糟的點子,這對一生都在追求稱讚的他非常難受。後來 David 必須改變想法:
“if you have an idea that everybody thinks it’s good, it’s probably not a good idea.”
如果你有一個人人都覺得好的點子,那它多半不是好點子。
要有能動性、當創業者,就要去追別人覺得不可能的事;現在有人說某件事不可能,他反而會想深入去做。他說這是根本的轉變,牽涉很多東西,不是教你四件事就能變成高能動性的人。
主持人提到李飛飛寫過一篇 Substack,教人把一切關掉、自己做決定、產生自己的想法。她問:如果想法和多數朋友相反、大家都不同意,要怎麼訓練這塊肌肉?李飛飛說這觸及家庭價值,她訓練自己、孩子和學生的方式就是 David 說的那些,是鼓勵,也簡單到一句 Don’t be lazy(不要偷懶)。她接著提出一個逆向的看法:她這一代常感嘆網路、社群、AI 太多,但她其實有點羨慕下一代,因為他們的世界更多元。習慣待在 X、Instagram 或 TikTok 的人會發現世界充滿各種聲音,不再只是過去那位老師或家長。她承認社群媒體有很多問題、可能被錯誤使用,但這也是機會,可以提醒年輕人:你的聲音很重要(原話 it’s your voice that matters),因為不再只有少數人握著麥克風;這是一個有很多工具能給你能動性的世紀,和她那一代很不一樣。
給還沒開始的人:找一個年輕人帶你
最後主持人問,有沒有什麼方法能幫剛開始對 AI 好奇的人跨出第一步。李飛飛說,如果只談她自己的員工,在 World Labs 這種 AI 技術新創,員工懂的 AI 大概比她還多,所以這個問題不成立。
她想對一般大眾說,尤其是已經在職的老師、護理師、會計師。公共討論太兩極,很多人除了焦慮,不知道怎麼接近 AI。她的建議是:找一個孩子,可以是自己的孩子、姪子或姪女,大概是 25 歲以下的年輕人,他們幾乎都已經在用 AI;帶著好奇心請他們示範怎麼用。不要把它當成技術來擔心,而是對他們將來要生活的世界好奇,也就是你的孩子、孫子、學生會生活的世界。反正你終究會走進那個世界,他們可以當你的嚮導。不要擔心自己沒學過電腦科學、不知道該開哪個 app,讓一個你已經信任的年輕人牽著你的手,花一個週末或一次時間,讓你看見這個世界其實沒那麼可怕,而且能讓你更有力量。如果你覺得它有問題、不完美,正因為了解它、知道問題在哪裡,你的聲音才更能被聽見。
主持人 Marina Mogilko 最後這樣作結:
“Stay curious. Develop your agency.”
保持好奇,培養你的能動性。