當做簡報都由AI代勞，簡報課還能教甚麼？

本文獲邀刊載於「香港01論壇」(2026.10.18)

今天，只要把一段文字交給AI，很快就能得到一份結構完整、配色得體，甚至附有講稿的簡報。過去要花上一個晚上排版、找圖、調字型的工作，現在幾乎可以交給工具處理。這讓我想到一個問題：如果「做簡報」已經可以交給機器協助完成，簡報課還在教甚麼？簡報技巧裏，哪些部分仍需要人親自學會？要回答這個問題，不妨回到一場幾乎沒有投影片，卻成為TEDx經典演講之一的演講。

資料來源：TED Talks

「黃金圈」將信念化為圖像

2009年，西蒙·斯涅克（Simon Sinek）在TEDxPuget Sound活動上演講。他沒有使用投影片，而是在畫架上畫出三個同心圓，由內而外寫上Why、How、What。這就是後來廣為人知的「黃金圈」。

他的論點很簡單：大多數機構介紹自己時，都是由外往內講，先說做甚麼，再說怎麼做，卻很少說為甚麼；而真正能打動人的機構和領袖，順序恰好相反，先說自己相信甚麼。他以Apple、萊特兄弟和馬丁路德金為例，說明人們追隨的往往不只是產品或計劃，也包括背後的信念。

TED官方介紹以黃金圈和「Why？」概括這場演講的核心，它後來成為TEDx的經典之一，憑藉的並不是精美的視覺設計，而是Sinek把抽象的信念化成一個簡單易懂的圖像，也讓聽眾開始思考：一個機構或領袖，為甚麼值得追隨？即使當年有一份精美的簡報，演講未必因此更好；沒有投影片，也沒有削弱它的感染力。

從黃金圈再思考簡報教育

借用Sinek的黃金圈，我們或許能重新思考AI時代的簡報教育。

過去的簡報課，常把不少時間花在最外層的What：版面怎麼排、圖表怎麼畫、字型怎麼選。中間一層的How，則是結構與技巧：開場怎麼抓住注意力、故事怎麼鋪陳、結尾怎麼收束。

AI首先降低了取得最外層技巧的門檻，排版、配色與圖表都不再需要從零開始摸索。接着，它也開始協助處理中間一層：給它一個主題，它可以整理出「問題、衝突、解決」的講稿架構，甚至建議在哪裏停頓、在哪裏加入故事。

但這不代表這些工作從此不必學，AI生成的版面仍可能不適合內容，講稿也可能流暢卻空泛。工具讓人更快得到一份簡報，卻不會自動保證它值得聽。

如果由外往內看，AI正在降低取得簡報技巧的門檻。於是，更重要的問題逐漸浮現：你為甚麼要講這件事？你相信甚麼？為甚麼聽眾應該在乎？

AI難以代替「現場感」

第一，是值得分享的想法。AI可以把內容整理得井井有條，也能幫忙提出不同角度，但「一份值得聽的簡報」仍需要講者判斷：甚麼問題值得討論，甚麼觀點值得提出。TED長期以「Ideas worth spreading」作為理念；重點不只在傳播技巧，也在於先有值得傳播的想法。Sinek的黃金圈之所以流傳，至少有一部份原因，是它提供了一個容易理解的新角度，而不只是因為他把圖畫得清楚。

第二，是講者與內容之間的關係。AI可以寫出第一人稱的故事，也能模擬真誠的語氣；但聽眾仍會在意，講者是否有經驗支撐自己所說的話，是否真的相信這個觀點，又是否願意為它負責。同一段話，由親身經歷過的人說出來，與由照稿念的人說出來，可能帶給聽眾不同的感受。這份「為甚麼是你來講」的正當性，不是把講稿寫得動人就能取得。

第三，是對現場的判斷與承擔。台下的眼神、笑聲或沉默，可能讓講者改變說明方式；被提問時，也可能需要補充、修正，甚至承認自己不知道。AI可以協助準備問答，卻不能替講者判斷眼前發生了甚麼，也不能代替講者承擔回答的後果。

簡報課應回到觀點教育

如果以上觀察成立，簡報教育的重心或許需要調整。與其把大量時間放在排版和套用結構，不如把更多力氣放回更根本的地方：教人形成自己的觀點，辨認證據是否足以支持觀點，並練習在他人面前清楚說明、接受提問。

對學生而言，這意味着在打開簡報軟件之前，先問自己一句：我真正想說的是甚麼？對老師而言，評分的重點也許可以從「做得漂不漂亮」，逐步轉向「問題看得清不清楚、論點站不站得住腳」。

AI讓製作簡報變得更容易，也讓一件事顯得更重要：上台的人是否知道自己為甚麼要講，並願意為所說的話負責。Sinek用一張圖說明了自己的想法；在AI時代，簡報的形式或許會愈來愈容易生成，但觀點的形成與承擔，仍需要人親自完成。

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。

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。

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。

AI教育下一課：學校還保有多少選擇？

本文獲邀刊載於「信報教育」(2026.08.12)

資料來源：作者攝於新玉堂書局

近年來各地學校都在加速導入人工智能(AI)，教師利用生成式AI製作教案、簡報，行政人員以AI處理會議紀錄，更有學校甚至把AI應用延伸到校務分析、課程規畫及學生自主學習。

如果幾年前的問題是「學校要不要使用AI」，那麼在AI進入教育現場後，這個問題已逐漸失去討論的意義。真正值得討論的反而是：當AI從偶爾使用的工具，逐步成為學校日常運作的一部分，我們是否也陷入另一種新的依賴？

問題未必出在AI本身，許多學校往往在工具快速增加之後，才開始思考系統之間是否互通、學生資料能否轉移，以及若未來想更換系統，究竟要付出多少成本。

AI教育下一階段需要處理的，或許不是工具的軍備競賽，而是建立一套更清楚的導入原則。

先診後藥(Problem before Product)

教育科技很容易陷入一種迷思，一套系統可以生成教案、整理簡報、批改作業、帶來學習洞察；另一套又增加行政管理、親師溝通或個人化學習。功能愈來愈多，學校也很容易從「我們有什麼問題」轉向「這套AI還可以幫我們做什麼」。

如果先從產品出發，學校可能不斷尋找使用場景；如果先從教育問題出發，則必須先回答：目前哪一個工作流程真的出了問題？AI介入之後，希望改善的是時間、品質、學習效果，還是教師負擔？要用什麼證據判斷改善真的發生？

AI教育應優先遵循Problem before Product，不是因為一項工作可以使用AI，就代表它必須使用AI。工具選擇之前，應該先完成問題定義。

可攜為先(Portability before Personalization)

AI教育另一個常見願景，是「個人化學習」。

理論上，學生累積的資料愈多，AI便愈能理解其學習歷程、能力差異與需要。不過，這個願景有一個經常被忽略的前提：資料必須能夠持續累積，而且不同系統之間至少要有一定程度的互通。

問題是當不同科目、年級與學校採用不同AI系統，每一套系統都可能使用不同賬戶、資料格式與儲存方式。學校看似累積了大量數位資料，實際上卻可能形成一座又一座彼此分離的資料孤島。

這會產生一個弔詭：AI用得愈多，資料可能愈多；但資料愈多，卻未必愈能拼湊出完整的學習歷程。

換言之，在談個人化之前，應該先處理可攜性的問題。學生轉校時，資料能否帶走？學校更換系統時，過去數年的紀錄是否仍可使用？系統停止服務時，資料能否以通用格式保存？如果這些問題沒有答案，所謂「個人化學習」很可能只是特定系統內部的個人化，而不是學生真正可以持續擁有的學習歷程。

未思退 勿輕進(Exit before Entry)

AI系統真正的成本，往往不是第一年的採購價格。一套系統使用愈久，學校投入的便不只是授權費，還包括教師培訓、學生使用習慣、行政流程，以及多年累積的資料。當這些投入逐漸形成慣性，即使後來出現更合適的系統，更換系統也可能變得愈來愈困難，這即是教育科技最昂貴的「退出成本」。

這意味着，學校採購AI時，不應只問它今天具備什麼功能，也應該及早思考一些更重要的問題：資料可以完整匯出嗎？採用什麼格式？轉移到其他系統需要多少成本？停止服務後資料如何處理？不用這套工具之後，原有教學與行政流程還能不能運作？

換句話說，AI教育需要第三個原則：Exit before Entry。如果一套系統連如何退出也說不清楚，學校或許還沒有準備好讓它進入核心流程。這並不是反對長期使用某套系統，而是要求學校保留改變決策的能力。

AI成熟度也可用「選擇權」衡量

我們很容易用AI工具的數量衡量一所學校是否創新：教師用了多少工具、學生完成多少AI作品、有多少行政流程開始自動化。另一種AI成熟度可能更值得注意：學校在導入科技之後，還剩下多少選擇？

今天可以採用，明天也可以更換；資料可以累積，也可以帶走；科技可以改變工作流程，但學校不必因此永久依賴特定系統。

所以，AI教育真正需要建立的，未必只是更快的採用能力，而是更好的判斷與修正能力。教育界正在快速學習如何使用AI，真正的考驗也許不是再學一套新工具，而在於確保使用科技之後，我們仍然有能力改變方向。

流程都run了，組織為何還是不敏捷？

資料來源：Scrum.org

每週開始前，團隊把工作排得整整齊齊；每天早上，所有人輪流報告進度；隔一段時間，再展示成果、檢討問題。白板上貼滿任務，會議一場也沒少，主管看起來也隨時掌握進度。

奇怪的是，產品依舊延遲交付，使用者反映的問題仍然沒解決；遇到意外，團隊第一個反應仍是等待主管指示。

這正是《殭屍Scrum生存指南》所描述的情境：一套原本要讓團隊先做一小步、取得回饋，再自行修正方向的工作方法，最後只剩下會議、表格與固定動作。外表還在活動，內部的學習能力卻已奄奄一息。

當開會變成「證明有做事」

流程原本是為了讓問題早點浮現，最後卻被用來證明大家都有做事。

每天的短會，本來應該協調障礙、互相支援，後來變成逐一向主管報告；成果展示，本來應該邀請使用者檢驗方向，後來只剩製作精美的進度簡報；檢討會本來應該追問工作方式哪裡出了問題，最後卻只敢討論「下次準時一點」之類無傷大雅的小事。

每場會議都如期開完了，真正困難的問題卻沒有進入決策。

組織想要敏捷，管理者卻想要確定

所謂敏捷，不是把人催得更快，而是發現方向錯誤時，能更快調整決定。

但許多組織導入新方法時，仍捨不得放下舊有的控制習慣：工作最好事先全部排定，進度最好能精確預測，重要判斷仍由上級牢牢掌握。團隊可以自行決定先做甲或先做乙，卻不能質疑甲乙是否都不值得做；可以討論如何如期交差，卻不能追問交出去的東西，究竟解決了誰的問題。

組織接受了敏捷的外表，卻拒絕它真正的要求：承認原先的判斷可能錯誤，讓第一線根據新證據調整方向，容許小規模試錯。

流程愈完整，問題反而愈安全

殭屍化最危險之處，不是大家看不見問題，而是組織擁有一套完整流程，可以不斷證明「問題已經處理過了」。會議開過、紀錄留下、責任分派，於是所有人都能安心回到原來的做法。

判斷一個團隊是否敏捷，不必先盤點開了多少會。只要問三件事：最近一次使用者回饋，改變了哪個決定？第一線發現問題時，有多少事情不必等待批准？上次檢討之後，究竟試了哪一項不同的做法？

如果答案都是「沒有」，流程再完整，也只是把僵化管理包裝得更現代。

真正的敏捷，是縮短「發現錯誤」到「改變決定」之間的距離。流程若不能讓壞消息進入決策，就不再是修正工具，而是拒絕修正的保護殼。

那棟樓開始都更了

資料來源：作者攝於台塑大樓舊址

這幾天經過台北長庚附近，台塑大樓已被白色圍籬整個圈起，起重機從裡面伸出長臂，在七月湛藍的天空下緩緩移動。我站在圍籬外拍了一張照片。據說，曾經的首富王永慶以前就住在頂樓。

2012年的7月16日，我正式在這棟樓開啟自己的專利職涯。當時這裡是業界口中的「敦北大所」，整層樓充滿西裝筆挺的法律專業人士、格式講究的文件與一絲不苟的流程，連空氣都自帶規矩。

我記得事務所五十週年慶在台大體育館舉辦，所長騎著獨輪車出場，滿場歡呼。一個人能在幾千名觀眾前騎獨輪車，靠的不只是平衡感，而是日復一日的練習與執著。那一刻，我看見專業與頑童可以同時存在於同一個人身上。

在那棟樓裡，除了平日朝九晚五的工作，也習慣下班繞去法蘭司，買一個剛出爐的炸彈奶酥。熱騰騰、香噴噴地捧在手上，走去捷運站，那幾乎是一天中最像自己的時刻。上班的我在一套嚴密的體系工作，下班的我，對於未來的走向仍感到混沌未知。旁邊的茹絲葵偶有合夥人招待客戶，牛排上桌時滋滋作響，是我第一次見識到「大人世界」的聲音。

後來事務所搬到東區的新大樓，我也在隨後離開了專利行業。而現在，連這棟樓本身，也正式走到拆除重建的時刻。

站在圍籬外，我想到「都更」這個詞其實很誠實。它不假裝舊的沒有價值，只是承認同一塊地，需要長出不一樣的東西。樓是這樣，行業是這樣，人也是這樣。

十四年過去了，地基還在。那棟樓教給我的嚴謹、對制度的敏感、把複雜事情講清楚的執念，全都還在，只是上面蓋的東西不一樣了。

有時候，拆除是一塊地對自己最誠實的表白。大樓拆得掉，那十四年前的記憶拆不掉。起點的意義，原來不是讓你永遠留在那裡，而是它給過你的東西，會跟著你去任何地方。

圍籬裡的起重機日夜運轉著，我知道以後這裡會站起一棟新的樓，用新的名字，裝進新的人。曾在裡面走動過的我們，也各自帶著那棟樓留下的底色，在城市不同的角落，繼續蓋自己的房子。

謝謝那棟樓，也謝謝2012年7月16日，那個什麼都不懂、卻願意推門而入的年輕人。

5年不間斷的《金剛經》：有些思念不會因為相隔兩界而中斷

本文獲邀刊載於「琅琅悅讀」(2026.06.14)

資料來源：作者攝於淺草寺

自從五年前媽媽離開後，我養成了一個固定習慣。每天起床，喝完水，便拿起桌上的《金剛經》開始念，從第一品一路念到第三十二品。

日復一日，年復一年，原本嶄新的經書，邊角都翻得泛黃磨損。其實，我也說不清楚念經的實際效果為何，剛開始只是想讓自己安心點，也總覺得應該為媽媽做些什麼。念誦的習慣，就這樣一天一天地持續下來。

每次到位於鶯歌的塔位看媽媽，都會先向地藏王菩薩合掌，感謝祂照顧媽媽，也向媽媽報告近況，同時告訴她，我們帶著豐盛佳餚來看她了。這些熟悉的味道，總讓我們覺得彼此仍有共通連結，也在想以媽媽的好客個性，應該會跟好朋友一起共享吧。

讓我印象最深刻的，是媽媽離開後第一個中元節的一場夢。

那天凌晨，我夢到媽媽在家中的廚房做家事，氣色變得很好，並不像生病後那般虛弱。我感到又驚又喜，問她：「媽媽，妳怎麼好了！」

她很自然地回答：「運氣很好，遇到那個誰，把我的病全都治好了。」夢中的一切是那麼真實，好像她真的回來了。我還想多陪她一會兒，卻突然醒了過來。

睜開眼的瞬間，我才發現那只是一場夢，眼淚不受控制地流下來。

我已經不記得，上一次見到她完全沒病痛的模樣，是多久以前的事了。

當天早上，我們依原定計畫前往鶯歌，不忘帶著她最愛的永樂市場芋粿。

對於凌晨那場夢，自己其實在懷疑是不是思念太深，還是真的有所感應，我忍不住拿起筊杯向媽媽確認。然後，得到明確的聖筊。

那一刻，我整個安心許多，也願意相信，她真的過得比較好了。

那個夢距今已接近五年，而念誦《金剛經》的習慣仍在持續，有時因生活忙碌，只能在通勤的路上念，有時則中午飯後，趁著辦公室短暫安靜的片刻完成當天的功課。

我不確定經文能否真的傳遞到另一個世界，但這五年來，我慢慢明白一件事，有些思念，不會因為時間流逝而消失，更不會因為相隔兩界而中斷。

後來我覺得，念經這件事，比較像是一種陪伴 ，陪伴媽媽，也陪伴自己。

它未必是為了改變什麼，而是在日復一日的念誦之中，讓思念有所安住。那些來不及說出口的話，以及始終放在心裡的牽掛，都在一聲聲經文裡，慢慢沉澱下來。

《離開我的依賴》：關於身份依賴與自我價值

資料來源：作者攝於陽明交通大學神農坡

王艷薇Evangeline的《離開我的依賴》很奇妙，這首歌被很多人翻唱，艾栩、于文文、戴羽彤、苡慧都有各自的詮釋。明明同一首歌，每個人都唱出了不太一樣的依賴。但我越聽越覺得，它可以延伸到一件更普遍的事：我們都需要一個東西，才覺得自己存在。

這幾天在一個公開場合，我看到一位演講者在追問下顯得有些防衛。他的工作和我過去熟悉的領域很接近，所以我大概知道他的報告是怎麼長出來的：未必是純粹從學術問題出發，而可能牽涉工作任務、機構需求、計畫脈絡、資料限制與產出壓力。可是現場有些聽眾不見得理解箇中脈絡，所以那些問題在他耳裡，或許不是方法上的追問，而像是在否定整件事的價值。

我當下可隱約感覺到，他放不下的，未必只是報告內容，而是報告背後那個專業位置。當別人問「為什麼這樣做」時，表面上是在問研究設計，實際上可能碰到的是：「你這幾年的工作到底有沒有價值？」這種問題一旦碰到身份，人就很難不防衛。

我也開始反思，若早些年有人質疑我的專利專業，我肯定會充滿情緒，甚至會像刺蝟一樣豎起防備。因為那時，我不是在保護一個觀點，而是在保護一個讓自己站得住的身份。專利師、智財專業、專利教育，這些東西曾讓我知道自己是誰，也讓我相信自己有某種獨特的價值。如果有人質疑它，我聽到的就不是「你的論點有問題」，而是「你這個人沒有價值」。

這就是身份依賴最危險的地方，它讓我們把工作成果和個人價值綁在一起，把一份報告、一個職稱、一個專業資格，和自我認同深度綁定。當它被肯定，我們就覺得自己存在；當它被質疑，我們就感覺自己被否定。

但後來，我慢慢離開了那個依賴。因為我開始明白：它只是我的一部分，不是我的全部。專利不是我必須防守到最後的城堡，而是曾經用來理解制度、權利、風險與商業敘事的入口。

人很需要身份，包括職稱、專業、機構、作品、學歷、資格，都是我們向世界介紹自己的方式。但如果我們太依賴它們，就會開始把發問當成質疑，把每一次修正都看成否定，把每一次失敗都解讀成「我不夠好」。

這時候，被騎劫的不是工作，而是自我價值判斷。

所以我現在聽《離開我的依賴》時，歌詞隱約勾勒出一個畫面：離開那個必須靠某種身份，才覺得自己存在的我。最難放下的，往往不是外界給我們的標籤，而是我們自己曾經那麼用力相信：少了它，我就認不得自己。

真正的自由，也許不是再也不需要工作、專業或肯定，而是有一天，當它們被質疑、被否定、被拿走的那一天，我們依然知道：那不是自我價值的全部來源。

名、權、錢之外，職涯中最容易被忽略的「可逆性」

資料來源：由ChatGPT繪製

最近看到一篇報導，談到科技業主管職與非主管職的薪資天花板差距，沒有一般人想像中大。因此重點不在於職稱，而在於自己究竟適合管理人，還是解決問題。

我認同這個觀點，但職涯規劃還有一個更少被討論的維度：可逆性(Reversibility)。

很多人談職涯選擇，喜歡討論名、權、錢。

有人追求更高收入，有人追求管理權力，也有人追求專業聲譽。在做選擇時，我們往往忽略了一個問題：這個決定做下去之後，還有修正空間嗎？

以科技業為例，研發工程師(RD)轉任專利相關工作，並不罕見。企業之所以願意聘用具有研發背景的人投入專利領域，正因為其具備技術理解能力、產品開發經驗，以及與工程團隊溝通的共同語言。

換句話說，RD背景是專利工作的寶貴養份。

然而，反之卻不盡然。

當一位專利從業人員離開研發現場多年後，即使技術底子仍在，市場仍可能質疑其技術實作能力，甚至是否跟得上最新技術發展。結果往往是：RD轉做專利相對容易，可是專利從業者要重回RD卻困難許多。

這絕非能力問題，而是市場認知問題。

也因此，這類職涯轉換常帶有某種「單向門」特性。走進去容易，走回來很難。

從短期來看，專利相關工作短期內能帶來穩定性與跨領域知識工作的機會；但長期而言，離開研發現場的時間越長，市場對你技術實作能力的質疑就越深。

事實上，職涯最珍貴的資產，未必是薪水，也未必是職稱，而是保留選擇的能力。

年輕時追求金錢很正常，中年追求影響力與專業聲譽也無可厚非。但如果獲得名、權、錢的過程，竟讓自己的職涯變成一條不可逆的單行道，那麼在做決定之前，或許可以多問自己一句：我現在得到的，是否值得以未來的選擇機會作為代價？

專利是資產，還是負債？

資料來源：整理自《富爸爸富小孩：給你的孩子理財頭腦》書中內容

在企業財報中，專利通常被列為「無形資產」。從會計角度來看，專利似乎與廠房、設備一樣，是企業的重要資產之一。

但會計師的定義，未必是唯一的答案。羅伯特清崎(Robert Kiyosak)在《富爸爸富小孩：給你的孩子理財頭腦》中談到一個更直接的標準：資產，把錢放在你的口袋裡；負債，則從你的口袋裡掏錢。用這把尺來衡量，或許能看到另一個答案。

理論上， 專利可以排除競爭者、創造授權收入、出售變現，甚至透過訴訟獲得賠償。 但現實是，絕大多數專利從申請到失效，從未創造任何收入，只是靜靜躺在資料庫。

相反地，專利從申請開始便伴隨各種成本：申請費、答辯費，及後續每年都必須繳納的維護費。若延伸到跨國申請，這些成本往往更加可觀。

更有趣的是流動性問題，房地產可以出售，股票可以交易，甚至設備也能變現，但大多數專利其實缺乏活絡市場。許多專利帳面上是資產，實際上卻難以轉換為現金。

用清崎的標準重新審視：如果某項專利持續消耗維護成本，卻始終無法產生收入，也缺乏流動性，那麼它究竟是資產，還是披著資產外衣的負擔？

對事務所而言，還有一個問題值得翻出來想想。案件源源不斷的時候，專利工程師是重要的生產力來源；若合夥人沒拉到案子，他們每天仍持續產生薪資、勞健保等固定支出。機器可以停機，耗油卻不會跟著停止。

馬斯克太空資料中心狂想曲—當敘事速度超越工程成熟度

本文獲邀刊載於「香港01論壇」(2026.05.17)

當太空探索技術公司(SpaceX)執行長馬斯克拋出「太空資料中心」的構想時，這個想法幾乎具備了一切吸引資本與政策動員的元素：在軌道上利用穩定日照解決能源問題，以太空低溫環境解決散熱瓶頸，讓AI訓練與超大型運算擺脫地面電網與土地限制。這種構想同時承諾解決多重挑戰，聽來令人振奮。但歷史告訴我們，越能動員人心的敘事，越值得仔細追問它的工程地基。

資料來源：由NotebookLm繪製

創新討論或遠超工程能力

這正是太空資料中心討論中值得警惕的模式，姑且稱為「敘事升級迴路」。太空資料中心需要與地表溝通，於是6G成為必要條件；6G需要綿密的衛星網路，進而推動軌道製造，然後延伸出太空經濟。每一個節點都合情合理，都可動員資本與政策支持，但整體卻可能遠超當前工程成熟度。當這個鏈條開始自我延伸，技術計劃就悄悄變成了史詩級宏觀敘事。

從能源角度看，太空太陽能確實比地面更穩定，沒有大氣衰減，也不受晝夜與氣候影響。然而能源並非「免費」，太陽能板效率、軌道維持、維修與發射成本都仍是高昂現實，散熱問題亦然。太空雖然環境低溫，但沒有空氣，更沒有對流。資料中心的熱量只能倚賴輻射散熱。根據熱輻射原理，散熱能力取決於輻射面積與絕對溫度，這意味着若要有效散熱，需要配備面積可觀的散熱板。因此，太空低溫並不等於自然冷卻，工程現實遠比敘事簡單的「低溫環境」來得複雜。

然而，比能源與散熱更核心的議題，是資料如何可靠地回傳地表並送達終端用戶，這才是太空資料中心具備實用價值的關鍵。此一環節在宏大敘事中經常被忽略。太空資料中心若位於近地軌道(LEO)，雖然傳輸延遲尚可接受，但地面接收站需高密度部署，衛星高速移動導致頻繁換手(handover)，通訊穩定性與動態頻寬配置壓力極高。若移至更高軌道，延遲問題將更為嚴峻。此外，大氣衰減、地面接收站的佈局方式，也會成為現實運作的瓶頸。

制度與資源或已被鎖定

更關鍵的是大型AI訓練的現實需求。當前分散式模型訓練涉及數Tbps級資料吞吐，模型checkpoint傳輸與多節點同步極為頻繁。如核心運算在軌道上進行，海量資料回傳與即時同步將成為決定性工程難題。太空資料中心若無法達成高速、低延遲、穩定的雙向通訊，其商業優勢將大幅減損。

問題或許不是太空資料中心能否實現，而是當工程瓶頸尚未清晰、技術成熟度仍在探索階段時，敘事是否已開始制度化與資本化。歷史上，許多突破性技術都經歷過狂熱炒作與後續修正。真正需要警惕的，不是遠景本身，而是當敘事強度遠大於技術確定性時，制度與資源是否被事先鎖定。

當太空資料中心的概念已在資本市場深植人心、政策補貼已在排隊，工程師還在討論散熱板要多大，這個順序，我們是否在別的地方見過？

為什麼孩子害怕跟別人不一樣？

本文獲邀刊載於「信報教育」(2026.05.14)

資料來源：作者攝於澎湖機場

有一天，大兒子因為找不到原本的聯絡簿，只好拿了本新的去學校，但他不敢拿出來用。不是因為不好看，也不是用不習慣，而是它跟同學的「不一樣」。

他抗拒把那本聯絡簿交給老師批閱，原因很簡單：他怕被注意到，怕被同學當成怪人。這件日常小事令筆者不盡反思：為什麼我們會那麼害怕跟別人不一樣？

直覺上，我們會將之歸因於從眾心理，但筆者覺得真正的關鍵，未必是想跟別人一樣，而是不知不覺中，挑選了一條自以為風險最低的路。我們小心翼翼避免犯錯，只為了不被質疑；以為自己在融入群體，不過是在交換心理的安全感。

更有意思的是，後來他在家中找到了那本弄丟的聯絡簿。也就是說，整起使他焦慮又抗拒的事，僅僅是個「暫時」的狀態。可當下對他而言，卻像非解決不可的緊急問題。

這背後有一個更深層的機制：我們不是在回應現實，而是在回應「當下的不確定」。當不確定感出現時，大腦就會選擇最不會被質疑的路，也就是「跟大家一樣」。

不過，這邊有個常見的誤解，有些人會反過來推論：既然跟大家一樣，容易停在平均，那只要不一樣，就有機會成功。

多數行為，不等於錯誤；少數行為，也不等於有效。如果純粹為了「不要一樣」而做選擇，基本上仍然是被他人定義，只是從跟隨多數變成反對多數，但決策的主體始終不在自己身上。

真正拉開差距的，不是你有多不一樣，而是在不確定之下，怎麼做決定。

財富與機會之所以往往會集中，不是因為少數人比較敢與眾不同，而是他們在關鍵時刻作出了更高品質的判斷。同樣的道理，即使把成功者語錄都背起來，也難以如法炮製。因為差距不在於「知道什麼」，而在於「怎麼判斷」。

這件事不只發生在孩子身上，在投資上也是。很多人不是不知道何謂好資產，而是選擇買「大家都在買的東西」，因為那樣比較安心；也有人刻意反市場，只為了證明自己與眾不同。這兩種行為，其實沒有本質的區別，都是在用外界當依據，而不是以判斷在做決策。

所以問題的根本，從來不是要不要跟別人一樣。而是：你是在做判斷，還是在回應壓力？當你跟別人一樣，是因為你判斷過這是最好的路，還是因為不想被質疑？當你選擇不一樣，是因為看到了不同的可能，還是想逃離「看起來普通」的自己？

回到那本聯絡簿，它真正使人害怕的，不是不同，而是那個當下「可能被看見」的不確定，但很多時候，這些令我們急着修正的問題，其實只是暫時的。如果時間拉長一點，它們甚至會自己消失。

我沒有跟孩子說什麼大道理，只簡單問一個問題：「如果沒有人會質疑你，你還會覺得這件事很嚴重嗎？」

真正拉開差距的，不是你跟別人一不一樣，而是在不確定之中，能否作出屬於自己的判斷。

從nVIDIA到英特爾，用人哲學其實是風險配置

資料來源：由ChatGPT繪製

最近看到兩則關於半導體公司的管理新聞，放在一起看特別有意思。一則是黃仁勳談nVIDIA為何廢除末位淘汰制；另一則是陳立武接任英特爾後，要求晶片設計團隊建立更嚴格的「一次成功」文化。表面上，這彷彿是兩種截然相反的管理風格：一邊選擇保護失敗，另一邊強調結果責任。但如果只用「有人性」或「很嚴苛」來理解，反而會忽略真正的重點。管理制度從來不是道德表態，而是企業在特定階段，對風險所做的配置。

黃仁勳的邏輯，本質上是保護創新風險。nVIDIA曾經也採用績效排名與末位淘汰，但最終選擇放棄。因為在高度創新的組織裡，績效不佳未必代表能力不足，反而可能是員工選擇挑戰更困難、更不確定的問題。如果每一次失敗都被咎責，久而久之，便會形塑出風險趨避的組織文化。大家寧可選擇安全、好交差、容易被量化的工作，而不是投注那些可能改變未來的探索。對nVIDIA這樣的進攻型公司來說，最危險的不是失敗，而是失去探索未知的能力。

但英特爾所面對的，是另一種類型的問題。陳立武要求晶片設計在早期版本就達到更高標準，背後不非單純的高壓管理，而是對工程紀律的重建。英特爾過去的困境，不只是技術進展落後，而在於產品開發時程、驗證品質與市場承諾之間出現落差。當一家公司反覆延遲、反覆修正、反覆重工，失敗就不再只是創新的代價，而會開始侵蝕組織的競爭力。這時候，管理者要處理的不是「如何鼓勵冒險」，而是「如何讓人重新對結果負責」。因此英特爾當前推動的，更像是一場以紀律為核心的修復工程。

所以nVIDIA與英特爾的差異，不在於誰比較仁慈，而在於它們面對的風險截然不同。nVIDIA怕的是創新被績效制度扼殺；英特爾怕的是執行失控被文化合理化。前者選擇保護失敗，因為失敗是探索未來的必要成本；後者則選擇將螺絲鎖緊，因為失敗早已源於流程的鬆動。真正值得思考的是：任何管理制度，都不能脫離企業所處的發展階段來評價。對進攻者而言，過度紀律可能壓抑想像力；對重整者而言，過度寬容則可能延續失控。

管理的本質，往往不是善待或淘汰人才的二擇一，而是判斷此刻的組織，最需要承擔哪一種風險，又最不能再承受哪一種代價。

誰能成為律師？關鍵在於篩選何時發生

資料來源：由ChatGPT繪製

在香港的法庭上，大律師仍然戴著假髮出庭。這項源自英國普通法的傳統，象徵著制度的延續與權威。對許多正在考慮進入法律行業的年輕人而言，真正帶來壓力的，並不是這頂假髮，而是通往律師之路的那道窄門：法學專業證書課程(Postgraduate Certificate in Laws, PCLL)。

真正的門檻，並非學位，而是PCLL名額

在香港，成為律師從來不是單一考試的結果，而是一套被制度精心設計的篩選機制。法學士(LLB)或法律博士(JD)只是起點，關鍵在於畢業後能否進入作為職前專業訓練的PCLL。由於名額有限，且多數由本地LLB或JD的優秀學生所囊括，PCLL逐漸形成一種近似「內部升學」的結構。對於未能進入這體系者而言，即使完成法律學位，仍可能被排除在專業入口之外。

香港的法律之路，是持續淘汰的過程

即使完成PCLL，仍需再經歷兩年的見習制度(training contract)或大律師實習(pupillage)，方能正式執業。換言之，香港的法律專業養成，是一連串持續篩選的過程，每一個階段都在重新分配機會，決定誰能繼續前進。

台灣的篩選機制，其實只是延後發生

相較之下，台灣採取不同的制度邏輯，成為律師主要透過專業資格考試決定。考生在通過兩階段考試後，完成律師職前訓練與實習，即可取得執業資格，制度門檻相對透明且標準一致。然而，通過考試僅是起點，真正的分流與競爭，往往發生在進入市場之後。

關鍵差異：篩選發生的時點

因此，兩地差異的核心，不在於是否存在篩選，而在於篩選發生的時點。香港將風險前置，在進入市場前即進行嚴格篩選；台灣則讓更多人取得資格，將競爭延後至職涯初期。

這樣的差異，也體現在專業分工的時間點上。香港在實習階段就分流為事務律師(Solicitor)與大律師(Barrister)，形成「先分流、再競爭」的結構；台灣則採律師一體制，分工多在進入市場後逐漸形成，屬於「先競爭、再分流」。

不同制度，不同風險配置

從結果來看，兩種制度各有其代價。香港提高了進入門檻，使職涯路徑在某種程度上更具可預期性，但不確定性也被提前集中；台灣則提供較為開放的進場機會，但競爭壓力則在取得資格後逐步浮現。

回到那頂假髮，它或許象徵著普通法的歷史與延續，但對當代法律人而言，更值得關注的，或許不是形式是否改變，而是制度如何在不同階段，決定誰有機會踏進這個專業。

我在TEDx台大看到的：你要如何定義人生？

資料來源：由ChatGPT繪製

2026年中的這場TEDx台大年會，以「輸入中(Typing)」為主題，象徵人生不必一開始就確定，而是在行動中不斷修正。這樣的觀點，剛好與我近年持續關注的議題高度重疊。

• 留白，不是停下來

第一位講者馬它(Mata Chan)，用自己的經歷重新定義了「留白」。從醫學工程轉向行銷，再到離開職場、旅居各地，每一格空白，都在為下一步做好準備。

留白，在他看來並不是落後，反而是在替未來保留選擇權。

• 真實，不是風格

Lumos完全不用投影片，只用故事。從模仿社群穿搭，到透過一個顏色找到自信，她慢慢建立出一種能力： 用自己的方式，去看世界。

她沒有否定社群，而是指出一個更深的問題：當我們用別人的標準定義自己，其實是在放棄自己看世界的能力。

• 破框，不只是離開

Elisa談的是「破框」，她隨後補充：破框最難的，不是離開(體制)，而是不退回去。

在既有的價值秩序中，我們被以一套世俗框架衡量：成績、KPI、社會認可。但真正困難的，是在沒有標準答案的情況下，仍然選擇自己相信的價值。

• 覺察，不是修正

蘇絢慧心理師用一句話開場：「原來他沒有真正活過。」這句話的重量，不在於個案，而在於它照見了很多人的狀態。她指出，問題不是我們做得不夠好，而是我們一直在批判自己。

當一個人始終活在比較與輸贏裡，就很難真正理解自己。 與其修正自己，不如先停止否定自己。

• 轉彎，不是否定

懶惰熊則用「彎路」來形容自己中文系念了兩年，轉到經濟系的學習歷程。後來回頭才發現，中文系給了她表達能力，經濟系強化了市場直覺，最後交織成她在自媒體經營與創立實習通的能力基礎。

她讓「轉彎」這件事有了不同的意義：轉彎，不代表否定過去，而是讓過去換一個合適位置繼續存在。

• 無用，只是暫時的誤判

知名YouTuber也就是HowHow的故事，幾乎是對「效率至上」的一種反擊。他準備多時的交換學生計畫延後，卻無意間發揮了拍影片的專長。退伍前拍的影片爆紅，也成為後來職涯的重要轉折。

這些看似「偏離正軌」的時間，在當下都不被視為有效投資。但回頭看，正是這些不被計算的時間，構築了他真正的能力。這其實反映一個問題：我們所謂的「有用」，究竟是誰定義的？

這六位講者談的不是成功，也不是選擇，是定義權。

當這個定義權不在自己手上時，即便看起來在選擇，也只是沿著別人設計好的軌道前進。真正的轉變，不是做出更好的選擇，是你開始決定，什麼才值得。

為什麼企業會選擇點一盞「昂貴的太歲燈」？

資料來源：由ChatGPT繪製

在通訊產業裡，有一個很有意思的現象。

多數手機廠其實不會、也不太可能逐件剖析高通手上那成千上萬件專利究竟有沒有侵權。

因為作業成本太高，而且風險本身，也未必可被清楚界定(侵權判斷，本就存在灰色地帶)。

所以最後的決策很簡單：

不是「我有沒有侵權」，而是「我承不承受得起被告」。

於是多數公司選擇付授權金，換來一種確定性。

法律上，這叫做風險管理。 

經濟上，這叫降低交易成本。

但用更直白的話說，這比較像是在點一盞「昂貴的太歲燈」。

你未必真的明瞭所有風險，但你知道，不點的代價可能更高。

我們為何把焦慮「外判」給神明？

本文獲邀刊載於「香港01論壇」(2026.03.26)

在華人社會中，面對不確定性時，我們並非全然仰賴理性計算。香港上環的文武廟長年香火鼎盛，考生拜文昌，商人拜關帝，這些看似傳統的行為，其實反映出一種熟悉的決策邏輯：當結果不可控時，人們傾向為自身行動尋找一個可依附的外部結構。在當代，大家逐漸把決策外包給模型與演算法；而在更久遠的年代，則是將不確定性託付給神明。兩者形式迥異，核心卻一致，都是在結果無法掌控時，為行動建立一個可依循的依據。

資料來源：作者攝於湯島天滿宮

將焦慮託付給神明

近年走訪日本福岡太宰府天滿宮、大阪天滿宮和東京湯島天滿宮，我逐漸意識到，這些場所不僅是宗教空間，更是一種處理不確定性的制度裝置。

天滿宮帶給人的印象，是被完整保存的秩序感。從表參道一路到本殿，延伸至菅公歷史館，信仰已轉化為制度、儀式與教育的一部分。天滿宮的主神菅原道真，祂不只是祈願的對象，更是文化敘事的核心。

這種安排形成一種「錨定」力量：在考試成敗、前途未卜的焦慮中，個人情緒被嵌入長期穩定的敘事。菅原道真象徵學問與努力，而努力本身即被賦予價值。這種敘事未必保證結果，卻為不確定的人生帶來一個穩定參照，使焦慮得以被安放。

願意在未知中前行

位於商業中心的大阪天滿宮，與太宰府呈現截然不同的面貌。懸掛成排的燈籠、奉納的酒樽與企業名錄，讓信仰不再只是個人祈願，而是公共參與的場域。無論名字被寫上燈籠，還是企業被列入奉納榜單，個人與組織都透過儀式嵌入共同體。

這裏處理不確定的方式，不在於給出明確答案，而在於創造共識。當眾人共同投入、共同相信，風險被分攤，焦慮被共享。這是一種動員型的敘事結構：它讓人願意在未知中行動，而不是在猶豫中停滯。

至於湯島天滿宮，作為東京文京區的信仰中心，承載着考生與家長的殷切期盼。繪馬架上掛滿各式願望，從升學考試、教師甄試、國家考試到就職祈願不一而足；籤詩則在抽取後被重新繫回枝頭，形成一種反覆安放焦慮的儀式循環。

信仰功能是恢復行動

這些行為或許無法改變客觀結果，卻完成一個關鍵的心理轉換：不確定的未來被暫時外包，焦慮被儀式吸收，個體因此重新獲得行動的穩定感。神明沒有替人做出決定，但儀式讓人相信自己已經準備充足，可以面對接下來的未知。

這正是三座天滿宮最值得觀察之處：不確定性並未消失，只是被暫時安放。

信仰的真正功能，不在於預測未來，而在於恢復行動能力。當結果不可控時，人需要一個能夠承載焦慮的結構，有時是神社，有時是儀式，有時則是演算法與儀表板。差別不在形式，而在於我們能否保有修正與反思的能力。

學術論文可以Revision 專利申請為何不能「補料」？

本文獲邀刊載於「信報教育」(2026.03.09)

對於身處大學環境的教授與研究人員而言，「投稿」是最熟悉不過的工作。從初稿送出、回應審查意見，到依審稿建議進行大修(Major Revision)或小修(Minor Revision)，這種「邊走邊修」的模式，早已是學術常態。

資料來源：作者攝於大觀書社

在學術界，Revision是一種使研究品質更周延的過程。補做實驗、增加數據、重寫段落，都是為了強化研究的嚴謹度。

然而，這種在學術界理所當然的修訂機制，到了專利申請卻成了高度敏感的禁區，甚至可能導致無法獲批。許多教授把研究成果轉化為專利時，最常感到困惑的是：為什麼寫論文可以不斷補強，專利申請卻幾乎不能「補料」？

一次定江山 嚴禁「附加事項」

有別於學術論文能在Revision階段補強，香港《專利條例》設有一條相當嚴格的紅線，申請文件的修訂不得包括「附加事項」(Added Matter)，亦即不能在提交日之後，把原本未披露的新內容加進去。

簡單來說，學術論文的Revision可以是「加法」，但專利申請文件的修訂，只能接受「減法」或「重組」，也就是在原本已披露的內容中進行限縮、重新編排或解釋，絕不能把後來得到的新實驗數據直接補進去，卻主張原先的提交日期。

對習慣學術邏輯的研究人員來說，這套制度設計似乎有些僵化，但其背後其實有個清楚的制度考量。

關鍵︰時間基準的公平性

專利制度採納「先到先得」(先申請)原則，誰先向知識產權署提交專利申請，誰就佔據了時間優勢，而這往往決定了何者能獲批專利。

如果允許提交專利申請後，繼續補充新的技術內容，卻依然享有較早的提交日期，那麼在這段期間也研發出相同技術的競爭者，因較晚的提交日期而失去時間優勢。原本先到先得的競爭秩序將被事後改寫，使制度的可預測性整個亂了套。

專利制度真正要保護的，並非個別申請人的方便，而是整體產業競爭的公平性。提交日期一旦押上，申請文件的披露範圍即被「時間鎖定」。事後補充，縱然能使披露更加完整，但也不能穿越時空回到過去，改變既定的競爭基礎。

換個角度想：學術論文的Revision是為了「追求研究結論的完備」，而專利制度要求的，則是劃定「產業競爭的起跑線」。

有新突破該怎麼辦？

假設提交專利申請後，實驗室又取得重大突破，而原申請文件並未披露這些內容，實務上會另行提交一件新的專利申請。這些突破成果，將會獲得新的提交日期，而無法回溯至舊案。

論文與專利並不存孰優孰劣的問題，兩者只是服務於不同目的、遵循不同邏輯的遊戲規則。專利申請文件的披露，攸關法律上權利要求的楚河漢界，在時間基準的確定上自然會錙銖必較。

400日圓測謊機—是在追求真相，還是在購買「確定性」？

本文獲邀刊載於「香港01論壇」(2026.03.04)

在街頭的扭蛋機裏，偶爾會看到一種充滿戲謔感的塑膠玩具：玩具測謊機。投下400日圓，轉動旋鈕，就會掉出一個附有按鈕與紅綠燈號的小盒子。按下按鈕，機器會發出一陣嗶嗶聲，然後隨機亮起紅燈(說謊)或綠燈(誠實)。

資料來源：作者攝於台北玩具地下街

大家都心知肚明，這只不過是簡單的隨機電路設計，與真正的測謊技術(依據生理指標進行推論)毫無關聯。有趣的是，在派對或聚會上，人們依然樂於將手指按上去，屏氣凝神地等待燈號揭曉。

為何明知是隨機的，我們還是忍不住按下去？因為在燈號亮起的瞬間，原本模糊、曖昧、難以判讀的情境，被壓縮成一個簡單明確的二元訊號：紅或綠？真或假？。此刻我們得到的不是真相，而是一種「非黑即白」的確定幻覺。

從塑膠玩具到儀表板

如果把視角從街頭扭蛋機，拉回到各類決策現場，你會發現，類似的心理機制正以更昂貴也更精緻的形式反覆上演。在AI逐漸滲透金融市場、政策制定與組織管理的今天，這種傾向尤其明顯。

面對高度變動的環境、龐雜的資訊與難以預測的後果，心理認知會本能地感到焦慮。為了降低壓力，人類開始發展出各種量化指標、預測模型，乃至當紅的AI演算法，逐步形成一套模型與演算法系統。

我們凝視著精美的儀表板(Dashboard)，某種程度上，就像盯着那台塑膠測謊機。我們渴望系統給出明確的訊號：綠燈代表安全或可控，紅燈則意味着風險或警示。即便許多人心裏清楚，任何模型都有其假設，甚至忽略了難以量化的脈絡與變數。但在講求效率、高度問責與績效導向的制度環境下，依循系統行事，往往比承認不確定性來得安全。

機器負責吸收「決策焦慮」

為什麼企業與組織會如此依賴這些系統？從認知風險(Epistemic risk)的角度來看，機器的首要功能並非提供真相，而是吸收焦慮與轉移責任。

在未知環境下做決策，必須獨自承擔失敗的風險。這種心理壓力是巨大的。但如果今天是由「演算法」給出建議，決策的重擔就被巧妙地「外包」(Outsourcing)出去。一旦結果不如預期，決策者便有了一個完美的免責聲明：「我是根據AI做出的合理判斷。」

這正是最危險的認知盲區，我們誤以為導入了AI演算法，就能消除不確定性；但實際上，紅綠燈訊號無法消除真實世界的複雜度，它只是幫我們消化了做決定的焦慮。

勿把訊號當成「免責聲明」

當我們過度迷信系統給的答案，而放棄對脈絡的主動判斷時，無異於把命運交給一台昂貴的扭蛋機。真正的風險，不在模型是否精準，而在於我們開始讓它取代思考。

成熟的決策，不是盯着綠燈前進，也不是看到紅燈就退卻，而是在訊號出現之後，仍保留質疑與修正的空間。真正值得警惕的，不是模型本身，而是我們誤以為不確定性已經被消化，因而過早鬆懈。