最後更新時間： 2026 年 03 月 12 日
Hi～我是 Jimbo。不知道你有沒有過這種經驗：滑到一則 AI 突破的新聞，看了幾秒後放下手機，感到一種說不清楚的焦慮。不是害怕——更像是「好像應該做點什麼」的不安。
我有過，尤其是看到「三年後 AI 就會取代 XXX」這種標題時，有一種令人厭惡的煩躁感，我將之稱為 AI 焦慮。
為什麼 AI 的進步令人感到不安？
我發現這股煩躁感最底層的原因是：AI 的能力、更新速度或是影響範圍，都是前所未見的。
單就知識面來說，現在前沿模型都已經可以在 MMLU (Massive Multitask Language Understanding，是一個跨越超過 50 種學科領域的測驗）拿下約 90% 的高分。也因此，學界已經開始建立新的 AI 評分標準了。
而模型快速的更新是另一個讓人感到壓迫的點。單看 OpenAI 就好，約每半年就會更新一代，更別說同時還有 Google、Anthropic、xAI 等等不同公司在競爭。而且這種節奏已經變成新的常態了。
更重要的是，這一次 AI 的影響層面不同於以往，更廣也更深。
雖然過去 AI 也打贏過人類，像是 AlphaGo 就打贏了圍棋世界冠軍，但我想大部分的人當時應該是當作一件「有趣」的事，看過就算了。
但是現在的 AI 能寫作、寫程式、做分析、作規劃、做設計，幾乎橫跨所有知識工作領域，不只是某個特定領域而已，這代表未來的工作、生活方式都會改變。
雖然種種跡象都令人緊張，但意識到問題也是件好事，代表已經在思考如何應對這種「新」現實了。
接下來我會分享我遇過哪些問題，以及我是怎麼對抗這種「不知道要怎麼辦」的焦慮。
新聞太多太亂了，跟不上怎麼辦？
我發現比較有效的做法是：了解脈絡，而不是追逐每一個最新消息。
每天都有新工具、新研究、新的使用方式出現，試圖「全部追上」根本是不可能的任務——而且很容易讓自己陷入資訊焦慮，反而什麼都沒學進去。
AI 發展有其底層邏輯，尤其是應用面。當你理解基本原理，就能更快判斷哪些新消息是真正的突破、哪些是舊東西的結合、哪些可能是炒作，不用每次看到新聞都隨之起舞。
放心，這並不代表你要了解所有的細節，當出現新東西時，可以先思考：
- 這個東西可以解決什麼問題？
- 沒有這個東西時，怎麼解決這個問題？
第一個問題可以判斷這個新聞和你有沒有關，第二個問題可以考量有沒有學習的價值，經過這兩步就可以初步判斷要不要花心力去研究了。
要學什麼才不會被 AI 淘汰？
與其問「哪些技能不會被取代」，不如問：「我能怎麼和 AI 一起工作，提升自己的能力」。
AI 很擅長執行、生成、整理，但它需要人來給它方向、背景、判斷標準。
你的工作脈絡、你的思考方式、你對問題的理解——這些是 AI 沒有的。學習如何清楚地把這些傳達給 AI，讓它成為你的延伸，這才是現在最值得投資的能力。
AI 還在快速進步，現在學有意義嗎？
很多人有「等 AI 更強再用就好」的想法，但這個邏輯有個盲點：和 AI 協作的方式，本身也需要練習。
就像學騎腳踏車，你不會等到腳踏車設計更完善才開始學——越早練習，你對「怎麼和 AI 配合」這件事就越有感覺。
而且，當更強的模型出現時，你不需要重新學起，因為你的思維框架、你告訴 AI 的那些脈絡，可以直接沿用。
舉例來說，曾有任務因為太複雜，所以需要拆解成多個步驟來問，才可以得到比較穩定、正確的答案，而現在的模型則可以一次就很好的完成。但這是因為我有之前拆解任務的經驗，我才可以明確的將該任務的重點完整清楚的告訴他。
換個起點：從「跟上所有事」到「從自己的問題出發」
焦慮常常來自一種錯誤的假設：我必須學完所有東西，才能開始行動。
但學習使用 AI 時，最有效的學習路徑通常是反過來的——先有一個真實的問題或目標，再去找 AI 能幫什麼忙。
不用把所有 AI 工具都試過一遍，不需要看完所有教學影片。從你現在手邊的一個任務開始，試著讓 AI 幫你做，觀察它做得好或不好的地方，從這個過程中學習。這樣的學習是實際的、有脈絡的，也更容易留下來。
結語
AI 時代的學習焦慮，主要是因為不確定性太高了，我們在面對一個前所未見的挑戰。但焦慮本身不會帶來準備好的感覺，行動才會。
而從行動的過程中，會越來越清楚 AI 能做什麼、不能做什麼，自然而然間，焦慮感就消失了。
不需要跟上所有事，從手邊的一件事開始就好。只要從困擾你的一個問題開始，即使是個小問題也可以，久而久之，我相信你也會發現和 AI 協作的樂趣。
希望這篇文章對你有幫助，也歡迎分享給同樣在思考這個問題的朋友。
延伸閱讀 / 引用來源
Stanford HAI — 2025 AI Index Report
The Future of Jobs Report 2025
A Guide to Which AI to Use in the Agentic Era
