AI Engineer Melbourne 2026 Keynote Livestream | Day 2
三句話摘要
Jeremy Howard 關於 AI 時代下如何保護與增強人類創造力、自主性與精通感的演講 AI 本身既不好也不壞，關鍵在於有意識地選擇如何使用它——用來增強創造力和理解力，而不是讓它摧毀工作中的意義和成長。 自我決定理論（SDT）的核心：人類天生渴望自主性、精通性、關係性和目標性。真正的幸福（Eudaimonia）來自充分發揮潛能，而非享樂主義（Hedonism）的被動快樂。這是經過 30 年、數百個實驗驗證的心理學研究。
重點整理
重點- 1
自我決定理論（SDT）的核心：人類天生渴望自主性、精通性、關係性和目標性。真正的幸福（Eudaimonia）來自充分發揮潛能，而非享樂主義（Hedonism）的被動快樂。這是經過 30 年、數百個實驗驗證的心理學研究。
- 2
AI 的雙面性：AI 可以用來支持發展（透過教學增強精通）或破壞發展（外包越來越多工作導致技能退化）。關鍵在於使用方式，而非技術本身。許多工程師發現雖然完成速度快，但實際學到的東西和外部認可反而減少。
- 3
"控制錯覺"現象：AI 代理問你「選 A 還是 B」時，表面上你在選擇，但實際上不知道這些選擇的含義。這摧毀了真正的自主性，只是製造虛假的決策感。
- 4
歷史借鑑：從 Ivan Sutherland（1963 年光筆互動）到 Brett Victor 的演示系統，偉大的計算機科學家一直做同一件事——增強人類與計算機的互動深度，使人類能更好地創作和思考。
實用技巧與重點
乾貨- 自我決定理論（SDT）四個維度：自主性、精通性、關係性、目標性
- 幸福觀：享樂主義（Hedonism）vs 幸福感（Eudaimonia）
- 心流（Flow）：技能與挑戰相匹配時產生的狀態
- 黑暗流/垃圾流：看似心流但具成癮性的淺層體驗（賭博、某些 AI 互動）
- 行為激活（Behavioral Activation）：治療臨床抑鬱症最有效方法之一
- 伊凡·薩瑟蘭（Ivan Sutherland）1963 年光筆演示
- 道格拉斯·恩格爾巴特（Douglas Engelbart）1968 年「所有演示之母」展示：滑鼠、超文本、即時協作編輯、視訊會議、文字處理、屏幕窗口、動態文檔鏈接
- 肯尼斯·艾佛森（Kenneth Iverson）設計的 APL 符號系統
- 康威生命遊戲（Conway's Game of Life）的 APL 單行實現
- 布雷特·維克托（Brett Victor）演示作品：氣候理解、電力、遊戲、圖形、波形
- 克里斯·拉特納（Chris Lattner）技術棧：LLVM、Clang、Swift、Playground、MLIR、Mojo
- "Solve It" 系統（solveit.ai.com）：瀏覽器中運行的 AI 輔助學習工具
- 遞迴語言模型（Recursive Language Models, RLM）
- 軟體工程師調查：27% 報告生產力提高，但工作中的「技藝」元素消失
- 史蒂夫·葉格（Steve Yegge）文章《AI 吸血鬼》（AI Vampire）
結論
結論“AI 本身既不好也不壞，關鍵在於有意識地選擇如何使用它——用來增強創造力和理解力，而不是讓它摧毀工作中的意義和成長。”
完整解析
詳細Jeremy Howard 在墨爾本 AI 工程師大會的演講圍繞一個核心問題展開：在 AI 時代，我們如何確保人類被 AI 增強而非取代？他從心理學切入，引用了自我決定理論（SDT）這一經過 30 年、數百個實驗驗證的研究成果。這個理論揭示了人類繁榮的真相：人類天生渴望自主性、精通性、關係性和目標性。真正的幸福並非來自享樂主義的被動舒適，而是充分發揮潛能。有趣的是，治療臨床抑鬱症最有效的方法——行為激活（幫助患者參與帶來成就感的活動）——與促進繁榮的條件完全相同。
然而，當前 AI 的使用方式正在摧毀這兩個關鍵要素。Howard 討論了「控制錯覺」現象：當 AI 代理問「你想用分布式系統還是綠色線程？」時，表面上你在做選擇，但實際上不知道這些選擇的含義。同時，工作越來越多被外包給 AI，工程師雖然完成得更快，但學到的東西更少。許多從業者已意識到這點：前 Flask 創建者 Armin Ronacher 說他陷入了「與代理工作帶來的真實多巴胺刺激」中，但這種成就感完全脫離外部認可。當季度考核到來時，許多團隊發現他們看似完成的工作實際上沒有產生真實價值。
為了說明如何正確使用 AI，Howard 追溯了計算機科學的歷史。從 Ivan Sutherland 1963 年的光筆交互，到 Douglas Engelbart 1968 年的「所有演示之母」，再到 Kenneth Iverson 的 APL 符號系統和 Brett Victor 的各種互動演示，所有這些工作都有同一使命：增強人類智力而非替代它。
為體現這一理念，Howard 演示了「Solve It」系統。他用此工具學習遞迴語言模型論文：逐段閱讀，不理解圖表時詢問 AI 而非讓它總結，要求具體例子而非抽象解釋，甚至在瀏覽器中實現論文算法，在 AI 幫助下逐步調試和理解。AI 在輔助學習，而非替代思考。軟體工程師調查顯示，雖然 27% 報告生產力提高，但許多人注意到工作中的「技藝」元素在消失。我們需要照顧自己的自主性和精通感——這不是公司或工具銷售者會考慮的事。
關鍵時刻
Pipeline v2帶時間戳的重點，會在逐字稿層級分析上線後產生。目前請先透過原始影片觀看。
事實查核
Pipeline v2說法查證是下一次管線升級的一部分。KeyFrame 只會顯示它真正能驗證的內容。
