首頁

從專利到決策失效

很多人以為, 失敗是因為做錯決策

但真正的問題是:你還能不能改

2026年10月27日星期二

從電機到幽默社會學 大學真正該教什麼?

本文獲邀刊載於「信報教育」(2026.10.13) 

資料來源:作者攝於小叮噹科學主題樂園

最近和幾位朋友聊天,話題不知怎麼從博士學位、出國進修,一路聊到科技巨擘的薪資待遇及福利。

其中一位管理學院博士朋友說,如果有機會,他也想再修讀一個跨領域學位;也有朋友開始認真盤算,是否應該再多一個資訊相關學位,甚至有人笑說:「現在有AI了!」

這種對話其實很熟悉。受過高等教育的人,很容易把「再學一種東西」理解成一種投資:這個學位可以換來什麼?能否增加薪酬?能否轉換賽道?能否進入另一個行業?

筆者本身是機械、電機背景。回頭看大學時代,課程充滿定理、數學與電路模型。那些課程固然重要,也訓練了筆者非常珍貴的能力:剖析複雜問題、找出當中的機制,再得到一個可以驗證的答案。

只是多年後,當筆者重新接觸其他學科,突然發現,世界上有另一類問題,並沒有那麼容易寫成公式。

最近筆者開始觀看台大開放式課程(NTU OCW)的「幽默社會學」。看着看着,竟然有一種很奇妙的感覺:以前在大學裏,我怎麼沒有修讀過這麼有趣的課?

這不是因為工程課程不好,而是因為筆者開始對另一類問題產生興趣。

為什麼一句話在某個場合很好笑,換一個場合卻可能完全笑不出來?為什麼有些人可以開某種玩笑,有些人卻不可以?為什麼我們會把某些行為視為「很自然」,卻很少追問它究竟是怎樣形成的?這些問題沒有標準答案,卻不代表它們比較簡單。

相反地,研究人的世界,往往比研究一個物理系統更難。工程系統的元件可以定義,參數可以測量;人卻會改變自己的行為,也會觀察別人、解讀情境,甚至因為知道自己正在被研究而改變。

這也讓筆者重新理解「通識教育」四個字。學生時代,筆者可能會把通識課視為專業課以外的調劑,學一些比較輕鬆、與未來工作沒有直接關係的東西。現在筆者反而覺得,真正重要的通識教育,可能恰恰不是教我們多一項可以寫進履歷的技能,而是讓我們暫時離開自己最熟悉的思考方式。

一個工程師習慣問:「這個系統怎樣運作?」

社會學可能會追問:「為什麼人們會形成這樣的行為模式?」

管理學會問:「組織為什麼會作出這樣的選擇?」

法律則會問:「這種行為在什麼制度下被允許、限制或規範?」

這些問題彼此並不衝突,反倒像是一層一層的鏡頭。當我們只習慣用一種鏡頭看世界,即使很擅長解決某一類問題,也可能因此錯過同一件事的其他面向。

筆者後來的學習路徑其實也是如此:從工程出發,走進產業研究,再接觸知識產權、法律與科技政策,最後開始對人與社會的互動產生興趣。回頭看,這似乎並不是離開原來的專業,而是把鏡頭慢慢拉遠。

筆者現在愈來愈相信,大學教育最珍貴的地方,可能不是讓我們在畢業時「多會一件事」,而是讓我們發現:原來世界還有很多面向,是我們過去根本沒有意識到自己看不見的。

如果一門課能做到這件事,那麼它究竟叫電機、管理,還是幽默社會學,也許反而不是最重要的事。

真正重要的是,完成大學教育之後,我們是否因此多了一種看世界的方法。

2026年9月29日星期二

當 AI 訂閱費變成一種「香油錢」:你買的是答案,還是心安?

本文獲邀刊載於「經理人」(2026.09.15) 

資料來源:作者攝於誠屋拉麵

像一場預算審查會議上,面對主管對市場預測的質疑。提案者不疾不徐打開筆電:「我已經請AI跑過3種情境模擬,這是優缺點分析。」

這句話可能代表他確實完成了更多準備,也可能為了讓在場的人稍微放心。至於AI根據哪些資料、遺漏哪些條件,分析是否經得起查證,未必有人繼續追問。

「有AI幫我把關。」於是成了一種安心的理由。

當我們談論AI訂閱,通常會比較功能、速度與使用額度。但使用者願意持續付費的理由,也可能包括一件更難說出口的事:遇到不確定時,隨時有個對象可以問;做出決策前,可以再得到一次確認。

從這個角度看,AI訂閱有時像一筆新的香油錢。花錢未必保證結果,卻讓人覺得,自己已經為未知多做了一層準備。

當然,這個比喻有其界線。宗教涉及倫理與生命意義,AI則具備實際的資料處理能力。兩者唯一相似的,是人在面對未知時,試圖透過一套程序來安頓心情。

求職者可以請AI檢查履歷,追問錄取機率;轉職者反覆權衡留下與離開的利弊;提案者則不斷追問,直到分析看起來「足夠完整」。

這些過程或許能幫助釐清問題,但如果沒有加入新資料,也沒有檢查原先假設,反覆得到回答,是否真的增加了判斷依據?

有時候,改變最多的可能是我們的感受。

輸入問題、等待生成、閱讀分析、再次追問,逐漸形成一套熟悉的程序。每完成一輪,就像又多做了一次確認。然而,「已經問了很多次」與「已經掌握足夠證據」,中間仍有一段距離。

當信心取代查證


根據2025年微軟研究院(Microsoft Research)與卡內基美隆大學(Carnegie Mellon University)的一項初步研究顯示,對生成式AI愈有信心的人,愈傾向於減少自我檢視與批判性思考。這項研究僅是問卷調查的相關性發現,不能直接推論AI會讓人失去思考能力。但它提醒我們:對工具的信任愈高,愈該問自己查核了多少。

AI的回答也不必斬釘截鐵,才會產生權威感。一份列出優點、風險與注意事項的分析,即使附帶許多條件,仍可能讓使用者覺得:「它已經替我想得很周全。」

保留條件本身是必要的審慎,更值得留意的是,使用者是否只記住支持自己選擇的部分,卻忽略那些還未被驗證的前提。當一段有條件的建議,被理解成對既定方向的背書,AI便在這次互動中取得了近似神諭的地位。

AI給了決策依據,但有人來確認品質嗎?


當我們花錢購買服務,會不自覺地增加對其建議的信任度。

更高價的方案如果提供適合任務的能力,當然可能值得購買。但從「這個方案功能更完整」,跳到「它對這件事的判斷應該更可靠」,仍然需要證據。付款證明我們取得了服務,答案是否適用,還要回到資料、推論與具體情境。

當使用者續訂的理由,逐漸從「它替我完成了哪些工作」,變成「如果沒有它,我會不會少一層保障」,AI消費就可能出現一種『安心經濟』:工具效益之外,持續獲得確認的感覺,也成了付費價值的一部分。

安心本身並沒有錯。能夠整理混亂的想法、減輕猶豫,原本就有價值。問題出在我們把情緒上的安定,當成風險已經降低的證據。

這種混淆一旦進入組織,影響可能更大。當「經過AI分析」成為送審的必要條件,卻沒有人確認品質,AI便可能被用來證明程序已完成。文件增加了,決策依據是否改善,反而不容易看清楚。

提案者覺得自己已經查核,主管覺得多了一道把關,團隊也更放心地往前走。但模型不知道的內部限制、不完整的輸入資料,以及沒有被提出的反對理由,並不會因為多了一份分析而消失。

AI分析後的 4 個必問問題


因此,個人與組織都需要更具體的使用標準。請AI分析之後,應該能說明:
  1. 它補上了哪些資訊?
  2. 哪些關鍵主張已查證?
  3. 還有哪些假設沒有證據?
  4. 如果出現什麼新情況,我們會改變決定?
訂閱是否值得,也可以用相同方式衡量:它節省了多少時間、發現哪些遺漏、改善哪些成果。這些都比「有它比較放心」更能支持續訂或升級的選擇。

AI可以幫助我們承受不確定,但使用它的程序,必須保留質疑與修正的空間。

「有AI幫我看過」之後,還應該接得上另一句話:「這是我查證過的依據,也是我願意改變判斷的條件。」

當這句話說不出來,再完整的分析、再昂貴的訂閱,都可能只是在替原本的決定,添上一筆香油錢。

2026年9月16日星期三

誰還願意寫一本中文版教科書?

本文獲邀刊載於「信報教育」(2026.09.02) 

資料來源:作者攝於紀伊國屋書店梅田本店

偶然間因為公務,拜訪一位大學電機系教授。談話間,他忽然話鋒一轉,把話題導向一個看似普通的問題:大學上課使用的教科書,究竟是誰寫的?

以筆者的求學經驗來看,多半是國外學者,其中不乏該領域的權威。

這原本不是壞事,理工科知識具有高度國際性,使用英文原版教科書,可以及早接觸通用的專業語彙、理論與研究脈絡。許多經典教科書歷經多次改版,內容通常較一般教師自行整理的講義完整。

不過,教授真正想了解的,不是大學生為什麼要讀原文書,而是當本地學界與產業已累積大量研究及實務經驗,為什麼仍然很少有人把這些知識整理成一本書,交給下一代?

這番話使筆者想起自己的求學經驗。當年系上的必修課,幾乎都使用厚重的英文原版教科書。各科書名如今已記不清楚,唯獨有一本《機械材料》是中文書,作者還是系上的名譽教授。

年輕時的筆者並沒有覺得這本書特別珍貴,反而很自然地猜想,系上採用它,多少帶有「支持自己人」的意味。這只是當時身為學生的揣測,未必符合實際情況。不過,從大學一路念到博士,筆者幾乎未再見過必修課選擇本地學者撰寫的中文教科書。

一本中文版教科書的價值,不只是讓學生少查幾次字典。寫教科書也不等於把英文翻譯成中文,而是要重新決定一門學問的入口、次序與邊界:哪些觀念不能省略,哪些名詞應該如何解釋,該引用哪個本地的合適案例,幫助學生理解生硬的內容。

一篇論文通常把一個問題往前推進;一本教科書卻要把許多零散的研究成果與教學經驗,整理成讓初學者得以進入這門學問的知識體系。前者追求研究創新,後者處理知識傳承。

問題是,在現行的學術制度中,相較於可量化的論文、研究計劃金額與引用次數,寫教科書需要投入大量時間,成果卻不容易立即被看見。一本書寫完後還要持續修訂,否則很快便可能跟不上技術變化。能夠寫的人,往往也是研究、教學與行政工作最繁重的人。

於是,最懂的人不一定有時間寫;等到有時間,可能又缺少體力、編輯支援,以及「有人需要這本書」的感覺。許多知識最後留在教授的記憶、研究成果與個人經驗之中,隨着退休逐漸消逝。

這不代表大學應該全面改用中文教材,專業學習本來就需要跨越語言藩籬,學生也不宜失去直接閱讀國際文獻的能力。真正的問題是:除了採用風行全球的原文經典,我們有沒有能力把自己的經驗,也整理成下一代可以學習的形式?

多年後重新想起那本《機械材料》,筆者反而覺得,即使當年的選書確實帶有支持系內前輩的意味,也未必全然是壞事。因為這至少表示,當時還有人願意停下來,把自己理解的學問重新整理一次,替後來的學生鋪出一條路。

如果大學只獎勵走到最前面的人,卻很少獎勵願意回頭鋪路的人,那些在專家眼中不言而喻、對初學者卻無從得知的普通常識,便很難轉化為共同知識。長遠而言,流失的恐怕不只是幾本中文版教科書,而是一個社會讓專業經驗得以代代累積的能力。