前 OpenAI 提示工程師 Andrew Mayne：在 AI 前線，每個人都能成為專家

當 OpenAI 在 2019 年 2 月發表 GPT-2 時，多數人只把它當作一個能寫些古怪文字的有趣玩具。但有位小說家在推特上的一句玩笑話，卻意外開啟了他的 AI 職涯。他就是 Andrew Mayne，一位魔術師、小說作家，後來成為 OpenAI 早期提示工程師（promt engineer），參與了 GPT-4 的開發。

在 INSIDE Future Day 的 AI 專題演講中，Andrew 分享了他從局外人到 AI 先鋒開發者的獨特旅程，以及他對於快速學習、實作應用，和 AI 時代工作型態轉變的深刻觀察。這場演講不僅揭露 AI 產業發展的內幕，更重要的是告訴我們：在科技最前線，專業背景或許不是最重要的入場券。

三則推特改變的人生軌跡

Andrew 的故事始於一個看似不經意的社群互動。2019 年 2 月，當 OpenAI 宣布推出 GPT-2 這個「大型非監督式語言模型」時，這個名詞對多數人來說還很陌生。雖然模型能夠生成文字，但內容往往到後面就失去邏輯，可靠性也不高。

作為一位追蹤 AI 發展多年、甚至自己建立過小型語言模型的小說家，Andrew 在推特上半開玩笑地回覆 OpenAI：「（AI）太不可思議了。對於快要失業的小說家有什麼建議嗎？」他當時沒想到，一年後自己竟然會加入 OpenAI，參與 GPT-4 的開發工作。

這段經歷讓 Andrew 深刻體認到一件事：許多人覺得自己是 AI 的局外人，但實際上每個人擁有的專業知識都能對 AI 做出貢獻。關鍵在於找到「交集點」，也就是你的專業與 AI 技術的交會之處。

當魔術師的思維遇上機器學習

加入後 Andrew 發現了一個有趣的現象：當時開發 ChatGPT 和 GPT-4 的團隊成員精通數學和演算法，但在語言和寫作經驗上相對較少。而他作為小說家，深刻理解文字的情感影響力，這使他能夠幫助開發團隊順利地「與模型對話」，理解模型如何處理和生成資訊。這個獨特的視角，讓他成為了一名提示工程師(Prompt Engineer)。

在當魔術師的時候，為了證明自己能將魔術技巧與科技結合，Andrew 曾向 Discovery 頻道提案，試圖用科技「欺騙」大白鯊的視覺系統。他觀察到大白鯊主要透過辨識輪廓來識別獵物，這與 AI 影像模型的「邊緣檢測(edge detection)」概念不謀而合。最終，他成功製作出一套能在鯊魚面前「隱形」的潛水衣。這個專案不僅在 Shark Week 節目中播出，更讓他看見了生物學與人工智慧的交集點。

「在科技前線最棒的一點是，你會自然而然成為專家，因為那個位子沒有其他人。」Andrew 這樣形容他的經驗。

辨識科技前線的三個訊號

基於在 OpenAI 的經驗，Andrew 提出了辨識「科技前線」的三個關鍵特徵。首先是「好奇心大於實用性」。2019 年時，記者們認為 GPT-2 只是個能寫些古怪文字的玩具，不會改變世界。但如果你當時就預見到未來模型會更強大、需要更多運算資源，你就會買入 Nvidia 的股票。

第二個特徵是「專家與技術人員意見分歧」。當你看到有些人覺得某項技術很酷，有些人覺得很蠢，這種興奮與困惑並存的狀態，往往就是加入的好時機。

第三個特徵則是「現有專家強烈否定其重要性」。當時許多專家認為 GPT-2 無法擴展、沒有實用價值，但事實證明，幾乎所有偉大的事物在剛開始時都不明顯實用。

談到當前的 AI 發展，Andrew 認為有幾個關鍵議題值得關注。首先是「代理人行為 (Agentic Behavior)」，如何讓 AI 連接物理與數位世界，應用在機器人、製造業、食品生產等領域。其次是資料與能源的問題。訓練更好的模型需要資料，但更關鍵的瓶頸其實是「能源」。未來的限制可能不是 GPU 數量，而是電力供應。這可能會推動能源技術的創新，就像智慧型手機推動了電池技術的發展一樣。

此外，如何將強大的模型微型化，讓它能在手機上運行，也是重要課題。Andrew 特別區分了「智慧 (Intelligence)」與「知識 (Knowledge)」。智慧是解決問題的能力，知識是對世界的了解。他認為，智慧的部分或許可以大幅縮小，不一定需要龐大的模型。

AI 時代的學習策略

「現在有最強大的教學工具 ChatGPT，學習從未如此容易。」Andrew 說。但他也指出，訊息爆炸下現代人同時面臨前所未有的注意力競爭。他的解決方案很簡單卻有效：長時間開啟「請勿打擾」模式，專注於學習和創作。

Andrew 引用人類演化史來說明知識交換的重要性。智人之所以勝過腦容量更大的尼安德塔人，是因為智人生活在更緊密的環境中，更頻繁地交換想法、工具和資訊。他特別提到班傑明富蘭克林 (Benjamin Franklin) 創立的 Junto 俱樂部，成員會定期聚會，分享「你最近學到了什麼？」這個簡單的問題，促進了知識的流通與品質的提升。

「知識就像金錢。要產生價值，它必須流通，而在流通中它的品質會增加。」Andrew 引用富蘭克林的話說道。他建議讀者建立自己的知識交流網路，每週與人分享新知，這能大幅增加學習的「表面積」。

另一個重要的學習策略是「教學」。他引用物理學家理查費曼(Richard Feynman)的概念：「如果你想精通某事，就去教它。」Andrew 在 OpenAI 時主動撰寫 GPT-3 的文件並製作教學影片。透過向他人解釋，他發現了自己知識的缺口，並得以補強。他鼓勵在組織內建立小組，定期分享所學，這不僅能幫助他人，更能深化自己的理解。

從「沒時間」到「找到切入點」

Andrew 展示了一幅有趣的漫畫：原始人忙著推方形的車，沒時間停下來換成圓形輪子。這正是許多人面對 AI 學習的態度：「我太忙了，沒時間學這個。」但他指出，如果每週只花 40 分鐘學習，一年後的成就將遠遠超過現在。越早採用新工具，就像當年越早使用電腦、網路的人一樣，優勢會越大。

「你可以期盼 AI 毀滅世界……但如果這沒發生，而那又是你不想學習的藉口，你會發現自己落後得更遠。」Andrew 半開玩笑地說。

那麼如何開始？Andrew 建議從「有用」的地方著手。問問自己或同事：「什麼工具能讓你的工作或生活更輕鬆？」他舉例，自己寫部落格時，為了避免陷入小說家的完美主義糾結，會直接口述想法給 ChatGPT，讓它整理成文章初稿。這種實用導向的切入點，能降低實驗的風險，也更容易看到成效。

他也強調「雙向溝通」的重要性。創新不應只是 CEO 由上而下的決定，也不應只是基層員工由下而上的抱怨。最好的解決方案來自兩者的對話。OpenAI 的成功秘訣之一，就是科學家 (思考未來可能性) 與工程師 (思考如何實現) 的緊密合作。工程師會告訴科學家什麼是可行的，需要多少運算資源，科學家則會推動工程師思考更遠的可能性。

值得注意的是，許多偉大的產品最初都是為了解決公司內部問題而開發的工具。Slack 如此，OpenAI 的內部 coding 平台也是如此。這意味著，企業在導入 AI 時，可以先從解決內部痛點開始，這些內部工具往往有機會發展成更大的產品。

程式設計不會消失，只是形式在演變

面對「AI 會取代程式設計師」的焦慮，Andrew 提出了一個有趣的歷史對照。1960 年，卡內基理工學院的院長就曾預測，程式設計這個職業將在 1960 年代消失。然而到了 2025 年，我們仍然有軟體開發者，只是工作方式已經大不相同。

程式設計從打孔卡演變到文字編輯器，再到高階程式語言和函式庫，現在又多了 AI 這一層。Andrew 認為，懂程式設計的人在 100 年後依然會在創造程式碼，只是可能是透過「談論想法」來進行。「我認為 AI 只是另一種形式的抽象化。我認為今天懂得寫程式的人，一百年後依然會在創造程式。」

他將當前的 AI 模型公司比喻為 1950 年代的大型主機製造商。當時沒有人預見到會有如此豐富的軟體生態系圍繞這些主機建立。同樣地，未來將有更多樣化的生態系統圍繞著這些大型 AI 模型發展。

工作不會消失，但任務會改變。今天的教師與 40 年前的教師工作內容截然不同，他們需要使用電子表格、數位日曆、線上平台等工具，這些在過去看起來像是 IT 人員的工作。我們必須適應這種變化，就像我們適應智慧型手機和筆記型電腦一樣。

從提示工程到「問對問題」

在問答環節中，有聽眾問到：作為 OpenAI 首批提示工程師，有什麼反直覺但有效的技巧能提升模型表現？Andrew 的答案是：觀察模型「哪裡做錯了」。

他舉例，早期要求模型寫關於火星旅行的部落格文章時，模型有時會回答「你自己寫」。這看似錯誤的回答，其實透露了重要訊息：模型以為自己是在論壇對話中扮演某個角色。這能幫助你理解模型的「視角」，進而調整提示詞，讓模型更準確地理解任務。

隨著 Autonomous Agents (自主代理)的出現，提示工程也在進化。過去是教模型寫簡單的程式碼，現在則是要讓模型像個研究生一樣思考。Andrew 分享了 OpenAI 研究員 Alex 的經驗：使用 o3 推理模型時，起初得到錯誤答案，後來他被建議「像問研究生一樣」提供充分的背景資訊，引導模型思考，結果得到了極佳的回答。

「未來的重點是學會問更複雜的問題，並賦予足夠的背景脈絡。」Andrew 說。這不僅是技術問題，也是溝通能力的展現。

談到企業 AI 的未來，Andrew 認為最具影響力的發展是「深度研究 (Deep Research)」功能。這種能力讓 AI 可以進行複雜的研究工作並回報結果，將徹底改變企業的運作方式。更重要的是，這會改變企業對人才的需求。

「未來企業會發現，那些善於向 AI 提問、利用 AI 進行深度研究的員工將脫穎而出。」Andrew 指出，這將賦予一般員工類似顧問公司的分析能力。過去需要聘請昂貴顧問才能做的市場研究、競爭分析，現在個人就能透過 AI 完成初步工作。「我認為未來對於充滿好奇心的人來說將是非常美好的，這點同樣適用於企業。」

Andrew Mayne 的故事告訴我們，在 AI 時代，最重要的不是你來自什麼背景，而是你是否願意學習、實驗，以及你能否找到自己專業與新技術的交集點。無論你是工程師、設計師、行銷人員，還是任何其他領域的專業人士，都有機會在這波 AI 浪潮中找到自己的位置。

關鍵在於行動。不要等到「有時間」才開始學習，因為那個時間永遠不會到來。從每週 40 分鐘開始，從解決一個實際問題開始，從與他人交流新知開始。建立你的知識網路，勇於嘗試和分享，透過教學來深化理解。

最重要的是，保持好奇心。在這個快速變化的時代，好奇心不僅是個人成長的動力，更可能成為你在職場上的競爭優勢。正如 Andrew 所說：「在科技前線，你會自動成為專家，因為那裡沒有其他人。」問題只在於，你是否願意踏上那段旅程？

責任編輯：Mia 
核稿編輯：Sisley

本文初稿由 INSIDE 使用 AI 協助編撰，並經人工審校確認。 加入 INSIDE 會員，獨享 INSIDE 趨勢電子報，點擊立刻成為會員！

延伸閱讀：

• INSIDE FUTURE DAY RMN INSIGHT：通路即媒體！台灣全家便利如何運用 RMN 提升轉換率？