詹宏志~專業技能上的「聖嬰現象」
詹宏志~專業技能上的「聖嬰現象」
2002.07.01 | 科技

有一次,《運動畫刊》(Sports Illustrated)的一位專欄作家撰文寫新近冒出頭的棒球好手的專題時,看著年輕人創造的驚人成績,他忍不住出聲讚嘆說:「他們這麼出色,但,天啊,他們還這麼年輕!」
同樣驚嘆不已的不可置信,也出現在高爾夫球超級巨星老虎伍茲誕生於美國公開賽的那一刻,在這項從前相信「嘴上無毛,揮桿不牢」的成熟男子運動裡,少年英雄再一次推翻了它長久以來的神話。伍茲,或者後來的「聖嬰」賈西亞,以及陸續冒出頭的各色各樣高球新秀,觀球者和評論者都忍不住又要感嘆,「他們那麼年輕,但,天啊,他們怎麼這麼厲害!」
為什麼各種運動在最近會出現這些「聖嬰現象」?我猜想,是品種的改良,以及學習的提前。

**名副其實的「新人類」

**
新生代人類挾著歷史上未曾有過的營養、衛生、環境,加上養育、照顧的知識,「取精用宏」,變得比任何世代都更健康、更強壯、更美麗,物種上點點滴滴的悄悄改良,實際上已使他們變成名副其實的「新人類」。新來者跳得更高、跑得更快、也更有力氣,這已經是另一個很容易忽略的沈默革命,我們可能還要繼續見識更大的驚奇。
但另一個原因是學習來源的充沛,他們的起步比從前的任何一個世代都提前得太多了;你可能聽說老虎伍茲3歲學揮高爾夫球桿的故事,另一位棒球選手小葛瑞菲的啟蒙也是3歲,新來的網球選手威廉絲姐妹第一次拿到球拍也是3歲。你以為他是年輕人、稚嫩沒經驗的新人,但他在球場上的資歷「老」得嚇人,在你看稚氣未脫的他第一次在電視轉播中揮桿之前,他已經每日練習揮桿500下,持之以恆快15年了,雖然他現在才18歲。
這樣的現象也開始陸續發生在我們的身邊了,我自己就見識了一位。我的一對作家夫婦的女兒,7、8歲的時候突然喜歡馬,一本關於馬的百科圖鑑被她讀得滾瓜爛熟,她幾乎可以教我們這些大人所有與馬有關的知識;這位小女孩也是看星星的專家,我們一起外出旅行時,在郊外的夜裡看見墨色天空的滿天星斗,一群大人央求這位小女孩給大家做個解說,這位勉為其難的女孩就用她稚聲未脫的聲音,在夜裡教導一群目瞪口呆又頻頻點頭的中年知識分子。也許我應該說,這是正常的,如果我們這個世代的人,在年幼聰慧的蒙童時期也有這麼多方便的書刊(知識工具),我們也許也是多識多能的吧?

**不斷冒出來的少年達人

**
專門技能可能來得更快,年輕小孩如果很早接觸、心無旁騖,他可能很快就掌握某種過去僅存於成人的熟練技能,成為不可思議的「少年達人」。在《數位時代雙週》的採訪裡,我們就看見7歲的冠軍調酒師、13歲的冠軍蛋糕師傅、14歲的翻譯家、15歲的融資融券作手、15歲的電腦遊戲藝術設計……。這就是正在我們身邊不斷冒出來的「少年達人現象」,他們不只出現在運動上,他們其實也出現在各種專門技能上。
如果我們願意承認,「聖嬰現象」下一步甚至會發生在知識與學術上;想想看,雖然年輕一代的讀書動機與用功程度常受垢病,但他們的知識環境比前面的世代是好得太多,他們的起步可以早得許多(和3歲拿高爾夫球桿同樣的意思),而所有的知識又唾手可得(想想看網際網路)。是的,他們可能普遍不如從前世代飢渴求知和沉潛用功,但他們當中只要有若干人有求知的慾望和企圖,他們的博學多聞就會是歷史上不能想像的規模。

**達人也有需要慢慢來的時候

**
「少年達人」是一種混合的福份,在他們的世代裡,他們比前人有機會接觸,有環境學習,他們的專業技能會比過去來得更早、分工更細,有更多的前程可供選擇;他們比前人更聰明(這是物種改良的部份),又比前人更有機會、也更有學習工具,他們當中出現各種達人是可以理解的,而且我們極可能只看到大浪頭的一點點水花而已。
但我們要小心「少年達人」那些事?
我想到歷史上約翰.司圖亞特.穆勒(John Stuart Mill)的故事。少年穆勒童年受教於父親,3歲能讀希臘文,進而能讀柏拉圖等經典,是一位早慧的天才;他4歲起負責教妹妹希臘文和拉丁文,5歲已能隨父親討論各種史上重要經典(他沒有休閒讀物,唯一被他當做童年故事書消遣的,竟然是吉朋的《羅馬帝國興亡史》)。他後來在《自傳》透露,因為他只有知性上的發展,而知識的成熟也讓所有的人以為在情感上他也同等成熟,事實上他情感與情緒都還是一個小孩,父親過世後他幾乎精神崩潰,因為他從來不知道怎麼樣依賴自己。這個故事提醒我們,他們是「達人」,但他們也是「少年」;他們仍然有需要慢慢來的部份。「少年達人現象」會愈來愈明顯,我們不要覺得奇怪;但少年仍需情感的灌注與愛護,不要太快讓他們只有自己。

往下滑看下一篇文章
OpenAI 重磅講者親臨高雄|掌握前瞻 AI 與產業轉型關鍵趨勢
OpenAI 重磅講者親臨高雄|掌握前瞻 AI 與產業轉型關鍵趨勢

隨著 AI 工具逐漸普及,真正拉開差距的,已不只是技術或算力的強弱,是企業能否整理資料、重新設計流程,並把 AI 融合既有工作方式,持續轉化為營運價值。

Amazon Web Services(AWS)將於10月23日於高雄舉辦「2026 亞馬遜港都 AI 創新日」邀請 OpenAI 與製造、金融、交通、零售及運動育樂等領域的實務代表,從技術趨勢、資料治理、流程設計與組織轉型等面向,拆解 AI 落地前必須處理的現實問題,協助企業重新檢視自身的導入條件與下一步布局。

企業下一步,不只是再導入一套 AI 工具,而是讓 AI 進入日常營運

模型可以採購,系統可以建置,但資料是否整理到位、流程能否重新設計、組織是否清楚由誰負責,才是決定技術能否持續發揮價值的關鍵。

高雄近年推動數位轉型,同樣面對這項核心課題。亞灣周邊聚集扣件、石化、鋼鐵等傳統產業,場域複雜、既有系統眾多,正因如此,更能檢驗一套 AI 導入方法是否具備複製與擴大的條件。城市發展也從建置算力基礎,進一步走向讓技術真正進入產業與治理現場。

AWS 連續六年深耕高雄,今年以「雲騰智慧大南方 齊創 AI 好未來」為主軸,將討論重心從雲端與算力基礎,推進到應用全面升級,協助城市從「有 AI」走向「AI 有感」。

政府治理是否更即時、產業流程是否真正改變、市民與使用者能否感受到服務提升,才是「AI 有感」的具體檢驗。延續「高雄試點、全臺普及、雲端出海國際」的發展路徑,10月 23 日登場的亞馬遜港都 AI 創新日要談的不只是企業「有沒有 AI」,而是導入之後企業的真實改變。

2025 亞馬遜港都 AI 創新日現場,資料照
圖/ AWS

OpenAI 重磅講者親臨高雄,從技術前沿看見企業的關鍵課題

今年活動特別邀請 OpenAI 東南亞暨台灣合作夥伴總監 Mark Jeffrey,以「前瞻 AI 如何助力產業領袖開創新局」為題,分享在 AI 技術快速演進之下,企業應如何重新思考未來布局。

面對 AI 能力邊界持續擴張,哪些應用已具備規模化條件?哪些仍需要更完整的資料、治理與組織準備?這是正在規畫下一階段 AI 投資的企業必須先回答的關鍵課題。

上午議程將從資料、組織與金融三個面向,拆解 AI 落地前必須處理的現實問題。「數據為本,AI 啟航」先回到資料基礎:外部模型跑得再快,若企業自身的欄位定義、存取權限與資料品質尚未整理到位,技術仍難以轉化為可靠判斷。

「打造 AI-Ready 組織的關鍵布局」論壇則聚焦組織當責。AI 專案通常橫跨資訊、營運與管理部門,真正困難的不只是把系統建起來,而是由誰推動流程改造、由誰認列成果,以及當 AI 產出的判斷出現問題時,責任最後應由誰承擔。公部門、製造業與雲端服務業者如何從不同角色處理這些問題,對其他組織同樣具有參考價值。

金融創新論壇將討論 AI、虛擬資產與企業轉型。金融場域對資料安全、合規、風控與可追溯性的高度要求,也提醒企業:效率不能取代治理,AI 更不能成為責任模糊的理由。能否在高監管、高風險環境中建立清楚邊界,將直接影響 AI 應用能不能被長期採用。

2025 年活動論壇現場,資料照
圖/ AWS

從六種產業場景,看 AI 如何走進真實流程

真正具備參考價值的 AI 案例,不只要說明「做了什麼」,還要回答幾個更實際的問題:解決哪一段流程、使用哪些資料、在哪個節點交給 AI、誰負責最後判斷,又如何確認投入確實產生價值。

下午議程規劃橫跨智慧支付、製造、媒體科技、智慧交通、零售製造與運動育樂六種產業場景。每個場景面對的資料條件、即時要求與風險門檻都不相同。

產業場景 議程規劃與關鍵課題
智慧支付 藍新金流運用 AWS AI 自建智能 KYC 與交易監控;處理身份辨識、交易監控與風險判斷
製造 以語意層串接資料孤島,讓 AI Agent 正確理解分散在不同系統的資料
媒體科技 會說台語的 AI Agent:從醫院櫃台到第一線的落地實戰
零售製造 零售製造轉型;把技術接進實際營運與使用者體驗

這些差異進一步說明,AI 沒有一套可以直接複製到所有產業的標準答案。企業真正需要的,不只是更多案例,而是看見不同產業如何依資料條件、即時要求與風險門檻,把 AI 融入實際營運與使用者體驗。

現場同步打造「產業賦能走廊」,邀集超過 15 組雲端生態系夥伴設置展示攤位,聚焦智慧製造、金融科技與城市治理的真實痛點與解法。無論企業目前卡在技術、資料、治理,還是組織協作,不同問題點,都能找到對應的解方。

10 月 23 日,從智慧製造的產線優化、金融科技的風控升級,到運動產業的會員體驗創新,看 AI 如何從概念走進產業現場,成為百工百業轉型升級的實際動能。

10/23高雄展覽館盛大舉行
圖/ AWS

「2026 亞馬遜港都 AI 創新日」,掌握 AI 賦能百工百業、領航產業升級的實務趨勢
立即報名

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
一次搞懂工業AI
© 2026 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓