大轉型：工業革命與 AI 革命的對比

如果你生活在 1700 年，即便你是法國國王，也可能因為一次簡單的牙齒感染而喪命。你可能住在宮殿裡，擁有數千英畝土地，統領著千軍萬馬，但你卻買不到一瓶布洛芬，也無法獲得基礎的抗生素療程。如果夏天太熱，你沒有冷氣；如果冬天太冷，你只有壁爐。要向全國發送訊息，你必須等待馬匹奔波傳遞。

跳轉到今天。一個擁有智能手機的普通中學生，所能獲得的資訊、醫療服務和可靠的交通工具，都遠勝於 18 世紀最富有的君主。

這不僅僅是一個有趣的冷知識；它證明了技術變革的力量。我們目前正處於許多人所稱的「AI 革命」中，這一切讓人感到前所未有。每周都有新工具出現，可以寫文章、生成藝術作品或解決複雜的編程問題。感到一陣眩暈是很正常的。

但我們並非第一代有這種感覺的人。要了解我們要往哪裡去，我們需要回顧上一次世界從根本上改寫其運行系統的時候：工業革命。

齒輪轉動前的生活

要體會變革的規模，我們必須看看當年的「正常」生活是怎樣的。在工業革命之前（大約 1760 年之前），全球 70% 到 90% 的人口從事農業。工作並不是從大學手冊中挑選出的職業道路，而是一場為了生存而進行的日常戰鬥。

生活與太陽和季節的律動緊密相連。沒有電力，沒有冷藏設備，也沒有現代衛生設施。如果農作物欠收，人們就會挨餓。

那個時代的統計數據令人震驚。在 1800 年代初期，出生時的預期壽命僅為 24 到 35 歲。這並不是因為每個人都在 30 歲時老死，而是因為嬰兒死亡率高得驚人。大約每三個孩子中就有一個在成年之前夭折。借用哲學家湯瑪斯·霍布斯（Thomas Hobbes）的話，生活是「混亂、野蠻且短暫的」。

國王與學生的對比

再次考慮那位前工業時代的國王。他雖然擁有權力，但生活品質受限於當時的技術。

• 醫療： 國王擁有「最好的」醫生，但他們可能會建議放血或使用水蛭。今天，你可以去診所接受在他看來像魔法一樣的治療。
• 衛生： 即便是凡爾賽宮，由於缺乏室內管道設施，宮殿裡的味道往往比現代的垃圾填埋場還要糟糕。今天，我們理所當然地享有乾淨的自來水。
• 食物： 國王吃的是時令食物。如果發生旱災，連他也缺乏食物多樣性。今天，你可以在明尼蘇達州的暴風雪中買到菠蘿（鳳梨）。
• 資訊： 要學習新知識，國王必須尋找學者或實體書。而你的口袋裡裝著人類知識的總和。

現代生活的基準質量——即我們認為「正常」的水準——遠高於 300 年前生活品質的巔峰。這種轉變並非偶然，而是由一系列痛苦、混亂且最終具有變革意義的技術轉移所推動的。

Thomas 與織布機

讓我們透過 Thomas 的視角來看看工業革命。

現在是 1800 年，Thomas 是英格蘭北部一位經驗豐富的手工織布工。他是一名工匠，花了多年時間鑽研手藝，並對自己織出的精美布料感到自豪。他的工作穩定，收入可觀，在社區中的地位也很穩固。

隨後，蒸汽機出現了。

突然間，設有動力織布機的大型工廠開始湧現。這些機器織布的速度比 Thomas 快十倍，而且最終成本僅為其一小部分。Thomas 的技能曾是他生活的基石，現在卻突然貶值。在英格蘭的某些地區，織布工的工資在短短一代人的時間內下降了 50% 以上。

對於 Thomas 來說，這不是「創新」，而是一場災難。他正面臨著機械化——即機器力量取代了人類的體力和手工靈巧度。

盧德分子的回應

Thomas 和他的同伴們並沒有坐以待斃。這個時代見證了「盧德分子」（Luddites）的崛起——這些工人以闖入工廠並砸毀威脅其生計的機器而聞名。

今天，「盧德分子」常被用來嘲諷那些不擅長使用科技的人。但在當時，這是一場絕望的政治運動。這些工人不只是「害怕改變」，他們是在眼睜睜地看著養家糊口的能力化為烏有。

這裡的教訓至關重要：對技術導致失業的恐懼並非新鮮事。它是人類歷史中反覆出現的特徵。每當技術使一項任務變得更有效率時，原本受薪手動執行該任務的人就會感受到壓力。

混亂的過渡期

工業革命最終創造的工作職位遠多於它所摧毀的，但這個過渡期是非常殘酷的。

隨著 Thomas 的手工織布工作變得過時，新的角色出現了。我們需要有人來製造蒸汽機、管理工廠、設計新型織布機，以及監督在新興鐵路上運輸貨物的物流。

這導致了大規模的城市化浪潮。在英格蘭，城市人口比例在 19 世紀從約 20% 增長到 70% 以上。人們從農村平靜、可預測的生活，轉向了城市擁擠、混亂的生活。

這種過渡是不平等的。雖然國家的總體財富有所增長，但早期的工廠工人生活在惡劣的環境中，每天在危險的條件下工作 14 小時。經過數十年的勞工運動、新法律的制定和社會調整，工業革命的成果才最終讓普通人受益。

長期的回報

儘管 Thomas 感到痛苦，但長期的成果是不容置疑的。

由於機器可以廉價地生產商品，衣服、書籍和家居用品等物品變得人人可得，而不僅僅是精英階層的專利。生產力大幅飆升。在接下來的一個世紀裡，預期壽命翻了一番。1950 年的「貧困線」在 1800 年的 Thomas 看來，可能就像是「極端富有」。

規律很明確：短期動盪，長期改善。

歷史的關鍵模式

我們可以從 Thomas 的時代學到什麼？

1. 職位既會被摧毀，也會被創造： 織布機取代了織布工，但工廠創造了管理人員和工程師。
2. 技能決定適應力： 那些學習如何與新機器合作的人，比那些試圖與機器競爭的人過得更好。
3. 過渡是混亂的： 從「失去工作」到「創造新工作」之間的時期，對個人來說可能是漫長且痛苦的。

進入 AI 革命

現在，讓我們跳轉到 2025 年，見見 Alex。

Alex 是某中型營銷公司的初級數據分析師。他在大學花了四年時間學習如何使用 Excel、SQL 和各種儀表板工具。他的工作涉及獲取原始數據，對其進行清理，並將其轉化為他的經理用來做決策的報告。他覺得自己的工作是「安全」的，因為它需要大腦，而不是體力。

然而，大型語言模型（LLM）和先進的 AI 工具出現了。

突然間，Alex 的經理可以在 AI 工具中輸入指令：「查看我們上一季度的銷售數據，找出三個最大趨勢，並製作一份幻燈片簡要說明為什麼我們在俄亥俄州的轉化率下降了。」

AI 在 30 秒內完成了 Alex 過去需要兩天才能完成的工作。Alex 並不是被蒸汽機取代，他正被認知自動化（cognitive automation）所輔助，或者說是邊緣化。

任務，而非工作

關於 AI 革命，最重要的一點是：它很少會一次過取代整個工作。相反，它將任務自動化。

對於 Alex 來說，工作中「數據清理」的部分現在已經 100% 自動化了。「基礎報告」的部分 90% 自動化了。但「戰略思考」的部分——即決定哪些問題值得問——仍然需要 Alex。

新的角色正在湧現，就像 1800 年代一樣。我們看到了「AI 協調員」、「提示工程師」（Prompt Engineer）和「AI 倫理官」的興起。Alex 面臨的問題與 Thomas 當年面臨的一模一樣：他能否調整自己的技能，與新機器協作，還是會嘗試與它們對抗？

這次有何不同

雖然兩者有很多相似之處，但 AI 革命與工業革命相比有三個關鍵差異：

1. 體力 vs 認知： 工業革命取代了我們動手的能力。AI 則正在取代我們動腦的能力。這觸及了我們身份認同的不同部分。
2. 速度： 工業革命花了將近一個世紀才完全改變社會。AI 則是以軟件的速度在移動。周二發布的工具，到周五可能已經有 1 億人使用。
3. 全球規模： 工業革命起源於英格蘭並緩慢傳播。AI 則是立即全球化的。拉各斯的開發者、東京的學生和紐約的 CEO 可以在同一時間使用相同的模型。

真正的風險：變革的速度

AI 革命最大的風險並非我們會「用盡工作」。歷史表明，我們總能為人類找到新的事情做。

真正的風險是轉型的速度。如果說工業革命是一場持續 80 年的慢動作車禍，那麼 AI 革命可能是一場持續 10 年的高速碰撞。我們必須學會如何比我們的祖先更快地重新培訓人才、更新教育系統並調整經濟結構。

為什麼專家往往預測錯誤

預測科技的未來是出了名的困難。

2016 年，AI 的「教父」之一杰弗里·辛頓（Geoffrey Hinton）曾名噪一時地建議我們應該停止培訓放射科醫生，因為 AI 會在五年內取代他們。

現在已經過去了將近十年。還有放射科醫生嗎？有。事實上，目前放射科醫生還面臨短缺。

為什麼？因為雖然 AI 在分析 X 光片方面變得非常出色，但放射科醫生的工作不僅僅是看圖。它涉及與其他醫生諮詢、向患者解釋結果，以及做出涉及 AI 至今仍難以處理的細微差別的複雜醫學判斷。

AI 並沒有取代放射科醫生，它成為了放射科醫生用來提高準確性和速度的強大工具。

為什麼預測會失敗

預測之所以失敗，是因為技術發展是不平衡的。我們往往會高估 AI 在兩年內能做的事情，而低估它在十年內能做的事情。

我們也未能考慮到人類的適應能力。當一項任務變得簡單時，人類不會只是坐著；我們會發明更複雜的任務。在洗衣機出現之前，人們要花一整天洗衣服。現在，我們只需花 10 分鐘進行「主動操作」就能洗好衣服——但我們並沒有因此擁有更多空閒時間。我們只是穿了更多的衣服，並期待它們更乾淨。我們用其他活動填補了節省下來的時間。

Thomas 與 Alex：最後的對比

在 1820 年，Thomas 面臨一個選擇。他可以留在村子裡嘗試用手工織布勝過蒸汽機（這是一場必敗之仗），或者搬到城市，學習維護機器，或是在新經濟中尋找角色。

在 2025 年，Alex 也面臨著同樣的選擇。他可以忽視 AI，希望經理不會發現隔壁那位「AI 增強型」分析師的工作速度有多快。或者，他可以成為那個懂得利用 AI 一個人完成五個人工作量的人。

歷史的模式並非完全取代，而是轉型。

快速技術科普：AI 到底是什麼？

為了揭開「魔法」的面紗，了解一下這個領域的層級架構會很有幫助：

• 人工智能 (Artificial Intelligence, AI)： 創造能夠執行通常需要人類智能才能完成的任務的機器，這是一個廣泛的領域。
• 機器學習 (Machine Learning, ML)： AI 的一個子集，機器從數據中「學習」模式，而不是被明確告知該怎麼做。
• 神經網絡 (Neural Networks)： 一種受人類大腦結構啟發的機器學習類型。¹²³
• 大型語言模型 (Large Language Models, LLM)： 在互聯網幾乎所有文本上訓練的大型神經網絡。

從本質上講，像 ChatGPT 這樣的 LLM 是一個極其複雜的「下一個詞預測器」。它並不像你那樣「知道」事情；它只是根據它看過的數十億個句子，計算出根據統計概率下一個詞應該是什麼。

💡 側欄：什麼是「算力」（Compute）？

你可能會聽到人們談論「算力」（Compute）。在 AI 世界中，算力是指用於訓練和運行這些模型的計算能力（芯片、服務器、電力）。

你可以將算力想像成學習時間或腦力。如果你學習 100 小時，你的考試成績可能會比只學習 1 小時要好。AI 模型也是如此。我們投入到一個模型中的「算力」越多，它能識別的模式就越多，看起來就越「聰明」。可用算力的快速增長是 AI 在過去五年中進步如此神速的主要原因。

未來的機遇

如果以歷史為鑒，AI 革命將帶來生產力的巨大提升。這意味著我們有可能：

• 透過分析基因數據更快地解決複雜疾病。
• 為地球上的每位學生創造個性化教育。
• 自動化辦公室工作中「枯燥煩悶」的部分，留出更多時間進行創意和人際交往的任務。

未來十年最成功的人不一定是那些「無所不知」的人，而是那些懂得如何與 AI 協作的人。

誰會勝出？

這場革命中的「贏家」並不一定是智商最高或學歷最昂貴的人。他們是那些：

1. 適應： 他們不畏懼新工具，而是積極進行實驗。
2. 持續學習： 他們意識到自己的「最終」教育並非在畢業時結束。
3. 專注於人類技能： 他們投身於 AI 所不擅長的事情：同理心、複雜倫理、領導力以及真正的原創創意。

結語

我們這段旅程始於一位可能因牙痛而喪命的國王。我們生活在一個他無法想像的世界中——一個建立在摧毀了 Thomas 織布機但賦予我們現代生活的變革之上。

AI 革命就是我們這個時代的蒸汽機。它很吵雜、具有破壞性，而且在我們還在比賽時就改變了遊戲規則。但歷史告訴我們，雖然過渡期很混亂，但目的地往往是一個「普通人」生活得比過去「精英」更好的世界。

未來並非一個已經寫好的劇本。它是等待被使用的一套工具。

所以，當你看着屏幕上出現的 AI 工具時，問自己一個問題：

你是在為變革做準備，還是假設一切都會保持穩定？