AI時代的典範轉移

什麼是典範轉移

典範轉移(Paradigm shift)、或叫做範式轉換，由Thomas Kuhn提出的一個概念，是指科學的基本概念和實驗方式的根本性顛覆。

現在典範轉移被通用到各種不同的領域做擴展解釋，有一套與傳統概念截然不同的系統都能稱為典範轉移。

典範轉移的現象

典範轉移初期最常見的現象：「一個新的科技或者新的概念出現，第一批使用好的人往往是原本領域的專家。」
我在摄影史里窥见了AI绘画的未来從相機的歷史說明，相機出現初期使用好的人是原本手繪的專業人員，比如繪師因為相機的出現畫得更好；後來經過眾人的探索，提煉出攝影專有的特色：「紀實」。

所以典範轉移初期狀態會維持到的新媒介出現獨有體系，【游戏众生相】深度讨论！游戏叙事的轨迹和方向！提到電影這個媒介在初登場時期，大家不認為電影有別於其他藝術如歌劇、小說等媒介不同之處；直到出現蒙太奇(Montage)手法，電影敘事才有一個獨立於其他媒介的體系。

而典範轉移後期則是由另一批玩家崛起，ChatGPT给的机会, 你能抓住吗?提到現在專業人士對AI的批評在於：「就算所有人都能用AI繪圖，大部分的人也不會成為繪師。」，這個觀念就是還停留在原本的範式。影片提到，所有人都能用AI繪圖，本來就不代表所有人要當繪師，就如同手機能拍影片，人人都可以拍片的時候並不需要人人都是電影製作人，可以是當自媒體或拍短影音。人人都能寫程式之後，並不是人人都要當工程師，而是獲得了一個能解決問題的工具。

繪畫領域也是，我在摄影史里窥见了AI绘画的未来也提到，AI繪圖出現之後，打開概念設計新的可能性，傳統做概念設計需要先學上十年的畫功，才能表達心中所構想的世界，但也常常在畫技尚未磨練至可用程度之前，就已經燃燒殆盡。有了AI繪圖輔助之後，學概念設計可以直接從表達作為起點了，這就是一種新的範式。

非專業領域的人，用AI去達到60分的程度，從而開拓新的方式，AI時代的典範轉移。

AI製造典範轉移的其他例子

科學界

奇点临近：AI 将掀起第三次科学革命，ChatGPT只是探路者影片中提到，現代科學原本以為已經是相當成熟的系統，不可能會有什麼新的範式出現來取代。但AI出現之後，傳統的觀察->假設存在一種規則->實驗驗證，轉變成資料餵給AI->AI預測結果->驗證結果，這套系統已經不存在人類對規則的理解，確實是證明了新的範式可行性。

繪畫

2022年 Stable Diffusion和Midjourney，繪圖AI的出現，大幅減少了繪圖前期籌備的時間。其實繪畫在著手之前需要找大量的素材，這個時間佔比甚至可能是占用整個創作過程大部分的時間。

如同前面提到，現在使用AI能對繪圖上商業有顯著輔助的，往往也是繪圖專業人士。但開啟新的一條路是撬開概念設計之門，讓所有繪畫小白都能表達。

典範轉移則是沒有繪畫能力的人，比如小說家，只要prompt就能幫自己的小說畫一些插圖。

程式

ChatGPT和GitHub Copilot具備寫程式的能力，目前AI寫程式對商業有顯著輔助的也是專業的工程師，而且只有少部分工程師在使用AI。而且AI寫程式只是過渡，之後會將AI寫程式大幅取代的是自然語言編程，而GPTs已經是了，可以參考聊天就能编程！我用GPTs做了个自己的数字化身示範。

寫作

與AI繪圖類似，現階段使用AI輔助好的人。也是原本文字創作者，比如寫行銷文案，許耀仁提過他認為AI比人還好教，只要給AI domain knowledge，就能有很好的行銷文案產出。而這個給AI domain knowledge的方式，現在直接有GPTs可以用。

資訊獲取

前一次的典範轉移是搜尋引擎，在搜尋引擎出現之前，通常要去圖書館查詢資料，因此記憶大量知識在當時是很重要的能力。搜尋引擎出現之後，記憶大量知識不再重要，重要的是使用關鍵字搜尋資料的技巧。 GPT出現之後，搜尋知識或資料的技術也將不再是最重要的技術，而是使用搜尋到的知識，應用能力將是下一個戰場。

競技

圍棋
- 2014年AlphaGo擊敗李世石之後，圍棋手都在研究AI的邏輯，甚至現在是用AI吻合度來評判一手棋下得好不好。
撲克
- 2017年CMU開發的Libratus血洗了頂尖的職業撲克手之後，GTO和Nash變成撲克的基礎理論，傳統的撲克策略都被推翻了。
日麻
- 類似圍棋，NAGA出現之後，也是在研究NAGA的打法。

AI也改善了傳統圍棋比賽大部分人看不懂的狀態，因為現在AI能給雙方勝率，比如黑方勝率現在是65%，觀眾一目了然現在是黑方優勢，讓圍棋比賽像是在看有比分的球賽轉播。

面對AI時代的反應

過渡期

雖然AI看似在短時間內引起大量爭議，著作權問題、不該繼續發展AI、某某某被質疑使用AI、各種肥皂劇，其實早就上演多次了，

2014年當時的職業圍棋手對於AI下法是很震驚的，顛覆許多人類的棋理，職業圍棋手對於AI感到恐懼，已經有應該拔掉電腦插頭的論述。不過當時圈外並沒有太多的反應，認為不過是一個下棋比深藍強的電腦而已。

畢竟大部分的人不懂圍棋，並沒有理解到AI具有的潛力，不過當時就已經有AI下棋沒有人類的情感、AI是冷冰冰的機器等說詞。看到現在，繪師圈在說AI繪圖是沒有情感的、編劇也在反對使用AI寫小說或劇本、最近有AI機器人可以料理，想必接下來會出現AI料理沒有靈魂的說詞。

但是從圍棋史來看，從當時的紛紛擾擾到現在圍棋手使用AI作為輔助是再正常不過，也可以預見的未來各種領域使用AI是再正常不過。

解放論

工業革命當時也有人類跟機器鬥爭的戲碼，而到了現在，AI只不過是把當時的路再演一次。機械生產大量服飾之前，是需要人工製作衣服，所以紡織是一個技術活。但是當機械大量生產衣服之後，新的典範轉移就產生了，服裝的搭配形成一套新的系統，而手工衣服則轉向了高價單品的存在。

AI繪圖也是解放，在過往學手繪會被說難以賺錢，但現在學手繪就會被大眾視為真的熱愛的興趣。
各種AI工具的出現，是一種解放，所有人都可以被AI解放。

AI時代該有的心態

全局戰略比局部戰術還重要

AI在很多地方證明了全局戰略比局部戰術還重要，圍棋AlphgGo下棋往往在局部吃虧是不在意的，化身AlphaStar去打星海也是，重點是大局的掌控。日麻LuckJ也是類似的表現，LuckJ並不在意一些牌張打出去的順序，它在意的是整體手牌的規劃需要爭一避四。

Transformer的AI不管是語言還是影像辨識，也都展現了對於全局的理解比局部更重要。
當大家在笑AI繪圖不會畫手、透視畫錯的時候，證明了AI繪圖重點是第一眼好看，整體的好看比局部畫對更重要。

在局部過多的糾結也是一種overfitting。

所以從AI獲得的啟發，應該更關注在全局與應用，全局思考需要透過長時間的深思，推薦影片如何超过99%的人: 时间管理的奥秘。這個影片提到 Hamming, “You and Your Research” (June 6, 1995) 這場演講提到講者每周五都會花一個下午沉思大問題。我們也應該規劃一段例行性深思的時間。

彈性思維

AI在各領域都展現出比人類更彈性的思維，比如AlphaGo下棋往往會讓自己有許多好的選點後手、LuckyJ打牌往往會調整牌的彈性、….. 具備彈性思維是我認為未來的重點之一，但要具備彈性思維的前提是擁有夠多的武器庫，比如UFC傳奇選手骨頭、GSP、大力鼠都展現了豐富的武器庫，這樣才能站立轉換到地面、或者從地面過渡到站立，只有更全面的技術才能逼對手打他不擅長的局面。

以往要學多種領域來應用是困難的，包含資訊不夠流通或不易取得。不過covid-19之後，全世界進入遠端，很多優秀課程都轉到線上；加上GPT或繪圖等AI作為生產力的輔助，要學習新領域並且應用的門檻已經大幅下降。