這一年多來，我逐漸養成一個習慣：每天讀一些材料，想一些問題，看到新聞、歷史、小說、國際局勢、台灣社會，或者只是某個一閃而過的念頭，就立刻記下來，然後丟進AI對話框裡，和它來回整理、拆解、放大。久而久之，我發現自己的工作方式有了很明顯的改變：不是我突然變成科技人，也不是AI替我思考，而是我原本腦中那些比較零散、比較片段、來不及整理的東西，開始有了一個更快、更穩定的出口。

我是一個文科背景的大學教師，寫過幾本書，發過一些論文，也長期在教學、研究與公共寫作之間來回切換。照理說，我並不是那種最容易搭上科技浪潮的人。我不會寫程式，也不做實驗設計，對複雜的計算模型沒有特別高的親近感。可是很有意思的是，AI 出現之後，像我這樣的人，反而在某種程度上吃到了科技紅利。因為它大幅降低了使用科技的門檻，讓一個不必先學會程式語言的人，也能直接把自己的知識、問題意識與文字能力，快速轉化成更有效率的成果。

這件事對我來說，不只是方便，而是有點像重新找到了一種工作節奏。以前很多念頭，並不是沒有，而是來得太快，散得也快。讀完一篇文章、看完一則新聞、上完一堂課、甚至散步或喝咖啡時，腦中常常會冒出一些觀察。有些只有半句話，有些只是直覺，有些是歷史比較的輪廓，有些則是一種說不上來但隱約抓到的感覺。這些東西過去若不能立刻整理，很快就散掉了。現在不一樣，我可以馬上把它丟進來，先抓核心，再慢慢展開。很多原本會消失的東西，就這樣被留下來了。

所以如果要我用最簡單的話來說，AI對我的幫助，不是「替我寫東西」，而是幫我把原本就存在腦中的東西，更快地排成形。

這裡有一個很重要的前提：AI降低的是技術門檻，不是知識門檻。這一點我越用越有感。它確實讓整理、統整、重寫、改寫、搭架構這些事情變得容易許多；但它不會自動替一個沒有內容的人生出深度。若一個人本身沒有閱讀、沒有判斷、沒有問題意識，那 AI 給他的，很多時候只是更快的平庸而已。反過來說，如果一個人本來就有知識積累、有歷史感、有自己的語言節奏，那麼 AI 就會像一個放大器，把這些東西更快地推到檯面上。

我想，這也是很多人對AI的討論常常失焦的地方。現在外面對AI的敘事，往往很像好萊塢電影：不是把它講成即將接管世界、毀滅人類的終極機器，就是把它講成無所不能的救世工具。這兩種講法都有戲劇性，也都很有流量，但對大多數真正在工作的人來說，其實都不太實用。因為我們每天面對的，不是世界末日，也不是超級奇蹟，而是很具體的事：怎麼把腦中的想法整理出來，怎麼讓寫作更有效率，怎麼讓教學、研究、評論與閱讀彼此接得更順。

從這個角度看，AI比較像什麼？我現在會說，它比較像一個工作夥伴，一個整理者，一面鏡子，也是一個擴音器。你有多少知識、多少判斷、多少進步意願，它就放大多少。你若本來就願意思考，它能幫你加速；你若本來就懶得思考，它也只會幫你更快空轉。真正決定AI能幫你走多遠的，不是模型本身，而是你這個人腦中到底有多少東西值得被整理、被放大。

這也是為什麼，作為一個文科背景的人，我反而越用越覺得，AI沒有讓人文知識失去價值，反而凸顯了它的重要。因為今天真正稀缺的，不再是資訊，而是如何理解資訊、如何連接脈絡、如何辨識哪些材料有意義、哪些問題值得問。這些事情，本來就是人文訓練比較擅長的部分。歷史、政治、文學、哲學、社會觀察，這些東西乍看之下不像科技那麼「硬」，但在AI時代，它們恰恰提供了一種很重要的能力：讓人不只是獲得資訊，而是能對資訊做出分寸、排列與判斷。

我這一年多來最大的感受之一，就是自己不再那麼害怕念頭散掉了。以前想法很多，常常來不及整理；現在則比較容易形成一個迴路：先閱讀，再思考，接著丟進AI裡整理，然後回頭修正，最後變成文章、演講稿、課堂材料，或者至少變成一個比較像樣的觀點骨架。這種工作流一旦跑順，人真的會進步得很快。不是因為年紀忽然變年輕了，而是因為方法變對了。

我是一個七〇後，從小受的是比較老派的閱讀訓練。大量看書，慢慢做筆記，靠長期累積去形成自己的判斷。這套方式有它的厚度，但也有它的笨重。今天 AI對我最大的意義，並不是把這一套舊方法整個淘汰掉，而是幫我把它接到一個新的出口。換句話說，它不是讓我變成另一種人，而是讓我原本的知識、閱讀與思考，更容易轉化成有用的成果。

這也讓我慢慢相信，AI最好的用法，不是把思考外包，而是把已經在腦中發酵的東西，加速整理出來。這點很關鍵。因為人一旦想把自己的腦子整個交出去，最後得到的東西往往看起來很流暢，實際上卻沒有靈魂；但若把AI當成共筆者、整理者、提問者與架構協助者，它就真的能幫上大忙。前提是，你自己還願意讀、願意想、願意學，不把工具當成偷懶的藉口。

所以我其實很想對那些帶著末日想像看AI的人說一句：不要用好萊塢的戲劇眼光來看這件事。AI不是外星艦隊，也不是終結者。至少在今天，它對很多知識工作者而言，更像是一個新型態的工作桌。你把材料放上去，和它來回推敲，它幫你排，幫你接，幫你放大，但最後真正決定內容品質的，還是你自己。

這一年多來，我最大的收穫，也許不是多寫了幾篇文章，而是更清楚地知道：只要人本身的知識還在累積，只要不放棄學習，只要還願意面對複雜性，AI就不是威脅，而是夥伴。它不會取代真正的閱讀，也不會消滅人的判斷；它只是逼我們更誠實地面對一件事——你腦中到底有沒有東西，值得被放大。

如果要用一句話總結我這一年多的感想，那我會這樣說：AI不是世界末日的前奏，它更像是一面鏡子，也像一個擴音器：人有多少知識、多少判斷、多少進步意願，它就放大多少。真正值得擔心的，不是AI太強，而是人自己先放棄了成長。

而對我這樣一個文科出身、七〇後、仍然在閱讀、寫作、教書與思考的人來說，這件事其實很令人安慰。因為它至少證明了一點：我們不必變成工程師，才有資格活在這個時代；也不必對新技術充滿恐懼，才能保住自己。只要你還有內容，還願意前進，AI就很可能成為你最好的夥伴之一。

數十年來，台灣學術界有一個非常糟糕的現象，就是一切跟著外國（美國、日本、西歐）。外國不動我不動，外國動了我就動。一切以「先進」的指導為主，自己一絲半點的主動與自信都沒有。

眼前就有一個最明顯的例子，就是AI時代來到了，學校的「教」與「學」該作什麼因應？我沒看到教育界對這個問題作出積極的回應，主要是，美國的例子還沒出現啊！我們怎麼可以跑在美國老大哥前面呢？何況，也沒有那個能力，更沒那個膽。

然而，AI的挑戰不是明擺著嗎？

第一、傳統上課的方式還能維持嗎？AI完全可以取代老師。教學與回答問題都比多數老師做得好。

第二、傳統形式的作業還有意義嗎？AI完全可以代作了，老師也分辨不出來。

第三、考試，AI不能取代。但問題是，以前考試，是要評量學生是否學會了某一個東西。但AI帶來的顛覆是︰「我幹嘛要會？我的僕人會就好了。」是的。多數的大學教育是在教一種技能，少數的才是為研究進修做準備。學會技能，是為了進入職場。現在，職場需要的技能，我的AI都能搞定，這與我自己會有什麼不同？我只要會用AI就好了。「『學會』對我來說沒必要」，這是AI給教育帶來的最根本顛覆。

第四、各級的論文寫作還有必要嗎？如何考核？論文代表的是研究成果。而研究的主體是人，AI只能是助手。所以，論文是考核研究者是否真實掌握有意義的研究成果之主要憑藉。但現在，論文可以由AI來（協助）完成，於是「論文」並不能真的代表研究者的真實水平。那麼該如何考核研究者的程度呢？以學位論文來說，原先兩個小時的口試，是否該延長為兩天？原來不必口考而只要書面審察的論文（如各級教師與研究員所寫的論文）是否都要改為口頭審查？這其中牽涉的各種的問題絕不簡單。

如果我是校長或教育單位的負責人，我會認為事態非常嚴重，不知道相關的研議討論會開過多少次了。而現在，則完全一片靜悄悄，若無其事。何則？因為美國也還沒動啊！

我不得不來作一個中學生的作文︰「如果我是教育部長」。

一、基礎教育課程，全面引入AI教學，務使每個學生都能公平地享用同等能力、同等方便的AI服務。然後，課堂時數適當減少，改以討論為主，上課為輔。減少的部分，改為由教師督導下的AI自學。

二、基礎教育的作業，改為在校完成。以前在學上課，回家做作業。現在，必須試驗部分倒過來，在家學習（一開始還是在校，由老師帶領開頭，佈置學習方法），在校做作業。目的在防止學生以AI代做作業。

三、考試尚可維持目前的方式。

高等教育（大學及以上）方面︰

一、全面檢討實用型與理論型的分流。在過去，不論學生將來以就業為主或是以研究為主，都要相同的基本功。但現在則不一樣了。以電腦課程為例，過去，電腦教育的目的在於教會學生使用電腦；而使用電腦的方式就是寫程式，所以不論將來要從事電腦科學的研究，或只是使用電腦而已，都要學習寫寫程式。現在，如果只是以「使用電腦」為目的，則完全不必學習寫程式。（當然，你也可以認為仍有必要，這是另外一種思路，可以討論。）也就是說，「研究型」與「實用型」的教學必須分別。這是與現行體制最不一樣的地方。

二、各科系都要重新思考本科系的教育目標、方式，以及考核方式。不能再拘泥傳統的方式與條件。

三、所有書面報告的作業形式，原則上都應停止。原先的集中教學、個別作業，集中考核的方式，可考慮改為個別學習，集中報告討論，集中/個別考核。

四、部分課程原來「學期制」的設計，考慮廢除，改為重點滾輪式，賦與學習與考核更大的自由度。（每個學生進度可以不同；每個學生在同一課程之開始與結束的時間也不必一樣。）

五、學位論文考核，目前分資格考與論文兩階段。考慮在資格考部分即加入多次的口試，而論文口試時間應為目前的n倍以上。（個人以為n＞5，應由各科系自訂）

關於學術體系內的研究方式，目前都以「論文」為準。今後，必須限制發表論文的數量，而加重對「質」的考核。過去以高職階審核低職階論文，應加上低職階以及學生加入口試；經由學生提問，能更好的測試論文寫作者的對其論文內容的精熟程度。

以上純粹是個人隨意發想，各位不必當真，亦不必回應。重要的不是我的想法，而是必須來個全體教師與學術研究者的大討論，共謀因應AI時代的教學、作業、考試與研究成果評量的問題。玆事體大，2025年可說是個AI年，精采紛呈，而各大學與教育部居然毫無動作，我非常不能接受，而且覺得非常可恥。這是我對台灣教育部與台灣主流文科學界的一貫看法，就是可恥、無能，毫無思考能力；說白了，就是無恥的西方跟屁蟲！而且是個自以為是的、驕傲的跟屁蟲！完畢。

諾貝爾經濟學獎得主D. Acemoglu和S. Johnson出版《權力與進步》（[1]），審視歷史上科技進步與經濟繁榮之間的關係，其結論是，科技進步未必造成經濟繁榮，有可能只造福少數有權力者，而並不惠及一般大衆，假使科技的進步方向不適當。現代的數位科技就是如此，既加重貧富不均，又損害民主制度，而發展中的AI可能使情況更惡化。

歷史學家曾認為，5世紀西羅馬滅亡後約1千年的歐洲中世紀是黑暗時代。不過20世紀的研究逐漸扭轉這認知，發現歐洲一直有不少科技進步，直到18世紀中開始工業革命，迎來科技的大突破。雖然持續有科技進步，造成生產力的提升，但增加的產出大多由貴族和教會所獨享，而平民的收入少有增加，還生活在被工業破壞的都市污染環境中，直到19世紀中，平民發動很多抗爭，逐漸獲得政治權力，生活才逐漸獲得改善。歐美人民大幅改善生活是在二次大戰前的20年和戰後30年。

進入數位和網路時代，歐美人民已經大致擁有平等權力，但貧富不均卻愈趨惡化，因為數位科技大多被用於自動化以節省勞工，及監控勞工以增加其產出，而較少用於產生新的工作和應用，及增加勞工的知識和生產力。發展中的AI科技更強調自動化，看來很可能使情況更惡化。造成這些現象的原因在於，新自由主義的經濟政策主張放鬆管制、支持大企業、壓制工會的發展，而企業以削減成本和追求利潤為無上的目標。

互聯網和社群平台在初興起時，被視為有益於選舉民主制度，能夠促進政治討論，及集結群衆反對不民主的政權，「阿拉伯之春」就是一些實例。不過後來情況翻轉了，不民主的國家監督及整治其互聯網和社群平台，於是不受其害。民主國家的社群平台上卻充斥大量的虛假資訊、極端言論，並且形成排他的同溫層群體，導致政黨間的衝突加劇，民主制度於是很難運行。這些是因為社群平台的主要收入是廣告，而虛假資訊、極端言論、衝突性言論能增加點閱數和廣告收入。

書中建議要讓數位科技重新導向，以改善上述的不利現象，包含三方面的努力：
一、改變敘事觀點及價值規範
二、培養制衡力量
三、提出政策解決方案

近幾十年，美國的貧富不均愈來愈嚴重；近十幾年，美國的民主制度是每況愈下。這段時間正是數位科技的時代，因此作者主張，美國的數位科技發展加重了貧富不均及損害民主制度，似乎不算新鮮。書中提出不少具體的建議以重新導向數位科技和AI，但現在的川普政府顯然不會採納（川普基本上贊成新自由主義的經濟政策），而只能由民間推動，則進展必定有限而緩慢，美國於是只能繼續承受貧富不均及民主崩壞的折磨！

[1] Daron Acemoglu,  Simon Johnson《權力與進步：科技變革與共享繁榮之間的千年辯證》天下文化，2023。（Power and Progress: Our Thousand-Year Struggle Over Technology and Prosperity, 2023）