不要把學習外包給AI！Google雲端AI總監：用AI換速度，你賠上的是「未來的能力」|數位時代 BusinessNext

AI技術越來越普及的時代，軟體工程師無時無刻不面臨著放空大腦的誘惑，只要輸入需求，AI就能在幾秒鐘內給出解決方案。專案順利完成、Bug也立即修正，但工程師的能力卻毫無長進，人們正逐漸習慣以未來的能力為代價，換取眼下的工作效率。

Google雲端AI部門總監、知名軟體工程師艾迪．歐斯曼尼（Addy Osmani）近期撰寫文章向大眾呼籲，不要將「學習」外包給AI模型，現在這種輸入訊息讓AI給出答案的固定模式，正讓科技業陷入嚴重的「認知放棄」（cognitive surrender）危機。

歐斯曼尼直言，雖然AI能在當下快速修正程式碼中的錯誤，但人類的思維模式卻毫無進步。這種為了達成「完成任務」的盲目依賴，對在長期職業生涯中保持敏銳度可能造成負面影響，隨著成千上萬次缺乏思考的互動影響，工程師在沒有AI協助下獨立構建系統的能力正在逐週退化。

多項研究發現，過於依賴AI會導致能力下滑

這不是歐斯曼尼的個人說法，多項權威研究都發現了類似的趨勢。Anthropic於2026年初進行的一項試驗中，讓兩組工程師學習新的Python程式庫。雖然有AI輔助與純手動學習的兩組人馬完成速度相同，但在隨後的理解力測驗中，AI組的正確率僅有50%，遠低於手動組的67%。

有趣的是，在AI組內部，僅利用AI複製貼上生成程式碼的工程師，測驗得分甚至跌破40%；反之，利用AI詢問概念性問題者，得分則超過65%。這證明決定結果的不是工具，而是使用者的態度。

此外，麻省理工學院的「Your Brain on ChatGPT」研究也透過腦電圖測量發現，隨著外部輔助程度增加，大腦各部分的連通性會逐漸降低，其中使用大型語言模型的大腦連通性最弱。

在撰寫完文章後，高達83%的大型語言模型使用者甚至無法回憶或背誦自己剛產出的任何一行內容。研究人員將此定義為「認知負債」（Cognitive Debt）——在今天省下了腦力，明天就必須付出失去批判性思考能力的代價。

另一項發表於計算機協會人機互動會議（CHI 2026）的研究也指出，若在任務一開始就讓大型語言模型介入引導問題框架，即便後續工作由人類獨立完成，仍會顯著降低決策品質。

AI會就好？仍有任務需要工程師獨自面對

歐斯曼尼指出，目前的AI工具預設環境與用戶體驗設計，完全是為了「縮短開發週期」與「減少按鍵次數」等指標而優化。但他強調，工具消除了所有摩擦，然而學習往往存在於摩擦之中，即使Claude、Gemini都推出了類似學習模式的功能引導人們思考，高壓工作中仍幾乎無人使用。

有人認為，如果AI都能做，為何我還需要理解？這就像以前開發者需要學習機器語言，現在幾乎不用一樣，是正常的技術演進。

不過，歐斯曼尼解釋，對於重複性的程式碼或用過即丟的腳本，委派給AI的確符合經濟效益；但對於真正的核心軟體而言，放棄思考讓AI處理終將面臨問題。例如AI產生幻覺時，面對看似合理實則錯誤的答案，只有具備足夠專業知識的工程師才能識破。

又或者系統崩潰除錯時，AI生成的程式碼同樣會出錯，工程師不理解架構便無法找出根源；或者基礎架構變更時，當框架更新或安全審查出現結構問題，無法單靠提示詞解決，需要工程師手動進行系統遷移，這就仰賴工程師自身的本事。

延伸閱讀：翻轉失控Vibe Coding！3位工程師靠「駕馭工程」讓AI自動寫出百萬行程式，他們做對了什麼？

越用越笨還是相輔相成，怎麼用AI決定未來方向

歐斯曼尼表示，這不代表AI只會讓人越用越笨，而是取決於你怎麼使用這項技術。AI同樣可以培養出優秀的工程師。

他建議，在向AI尋求解答前，應先自行撰寫兩三句話的假設，用AI的回答來驗證自身理論。在進入陌生領域時，應優先要求AI解釋運作原理與權衡取捨，徹底理解概念後再要求程式碼。

同時，應將AI的輸出結果視為菜鳥工程師的成果，抱持批判態度審視內容，並適當退回而非測試通過就盲目合併。最後，偶爾手動重寫AI生成的程式碼，並在對話結束前多發送一則指令，要求AI說明其設計思路，都是避免能力退化的有效方法。

「『產出』與『學習』是兩個獨立的指標。你的主管與客戶只會關心前者，而後者只能靠你自己。」歐斯曼尼表示，他寧可只交付80%的成果並換取100%的學習，也不願本末倒置，耽溺於眼前的便利，犧牲未來專業技能的發展潛力。

延伸閱讀：
問AI「這樣好嗎」等於白問，這個終極提示詞讓AI給出好建議

想導入AI，同事兩手一攤說「我不會」！這句好用提示詞幫大忙，一年造30個自動化工具

資料來源：Addy Osmani部落格

本文初稿為AI編撰，整理．編輯/陳建鈞

若將生成式人工智慧（GenAI）技術視為改變人與資訊互動的重要分水嶺，Physical AI（實體AI）則讓 AI 真正理解並介入真實世界：從機器人、自駕車到智慧製造，AI 正從「理解內容」走向「理解物理世界」，其中，自駕車被公認是 Physical AI 最具代表性的落地場域，也是目前最能驗證 AI 感知、推理與決策能力的應用，因為，不僅要控制車輛，還必須即時與人流、車流、道路設施及各類載具互動，需要極高的 AI 感知、推理與執行能力。

對深耕智慧移動多年的勤崴國際而言，Physical AI不只是 AI 技術演進，而是自駕車產業邁向下一個世代的重要轉折：從依賴規則控制（Rule-based）的自駕系統，逐步升級為具備感知、推理、學習與持續優化能力的智慧移動平台，讓全球自駕車產業競爭從單一技術比拚，走向資料、場域、生態系與 AI 能力的全面競賽。

Physical AI讓自駕車從「照規則開車」走向「理解世界」

過去，自駕車依靠高精地圖、光達（LiDAR）、攝影機等感測器，以及大量預先設定好的規則進行判斷，這種作法能處理相對固定的情境，但一旦遇到複雜且快速變化的交通環境，例如大量機車穿梭、行人突然穿越、不同國家的交通規則，系統很容易受到限制。

勤崴國際認為，Physical AI 的出現正改寫自駕車的發展模式：透過更強大的 GPU 算力，結合世界模型（World Model）、數位孿生（Digital Twin）與模擬器（Simulator），AI 能先在虛擬世界完成大量交通情境模擬，再將學習成果快速部署到真實道路，不僅大幅縮短訓練與驗證時間，也讓自駕系統持續學習與進化。

「在 Physical AI 賦能下，自駕車將從依照規則開車轉變成能理解環境、預測意圖，再做出最佳決策。」勤崴國際副總經理林映帆表示，例如當系統看到路邊有人揮手，不只是辨識動作，而是能推論對方有搭車需求；當機車快速切入車道，也能提前預測可能路徑，而非等事件發生後才反應。

這也意味著，自駕車的競爭已從「規則設計」走向「AI學習能力」的競爭：自駕車不僅是智慧移動的新載具，更是觀察 Physical AI 是否真正成熟的重要指標；換言之，Physical AI比拚的不是演算法，而是誰能持續累積真實場域、建立與完善資料庫，讓 AI 在每一次行駛中不斷學習、持續進化，形成下一波智慧移動競爭的關鍵。

七年累積三十個場域，勤崴國際打造台灣智慧移動新能量

相較於 Waymo、Tesla 的優勢來自數百萬輛車持續累積道路資料，勤崴國際的策略是透過不同場域的長期營運，建立屬於台灣的智慧移動資料庫。

自2019年投入自駕車商業化應用以來，勤崴國際不僅持續深耕高精地圖、自駕系統、車聯網及自駕運輸技術、於全台完成超過30個自駕場域部署，累積自駕行駛里程突破38萬公里、服務超過80萬人次，更逐步建立台灣少數具規模的智慧移動資料庫；為進一步加速自駕車產業價值鏈發展，勤崴國際也攜手車廠、路側設備，感測器、AI 平台、車聯網、客運與場域業者打造完整的自動駕駛生態系。

以台積電南科園區的自駕巴士服務為例，由於路線涵蓋園區內外道路，自駕車不僅要與物流車、叉車及一般車流共存，離開園區後更須面對台灣特有的高密度機車交通環境，對 AI 的感知與決策能力形成高度挑戰；截至今日，該服務已累積超過92,435人次搭乘、自駕行駛里程超過83,542公里，接駁率高達96.7%；此外，勤崴國際也於廠區內導入自駕接駁車與自駕載貨車，累積服務超過216,794人次，驗證自駕技術在智慧工廠場域的落地能力。

除了工業場域，勤崴也將自駕技術延伸至觀光應用，例如今（2026）年6月在南投埔里福興溫泉區推出「啡嚐咖心」觀光自駕車服務；林映帆指出，相較於工業場域重視效率，觀光應用更重視人車互動與乘車體驗，遊客只需一鍵即可啟動自駕接駁，系統除了安全辨識行人與周遭環境，也能透過語音互動提升搭乘安心感，證明自駕車不僅適用於產業應用，更可成為偏鄉觀光與高齡化社會的新一代公共運輸解決方案。

接下來，勤崴國際將憑藉著在南部科學園區、南投與新北市的落地運行經驗，攜手產業夥伴、針對未來對自駕公車有需求的城市，協助客運業者解決公車缺工等議題。

林映帆說：「我們的目標是提供自駕全方位解決方案。」在累積物流、廠區接駁、觀光、無塵室搬運等多元場域經驗後，勤崴逐步發展出「一個平台、多種載具、多種場域」策略：將共通技術平台模組化，再依不同客戶需求進行客製化調整，讓每新增一個場域，都成為下一個場域快速且安全部署的重要養分。

勤崴國際副總經理林映帆表示，將以「一個平台、多種載具、多種場域」策略，攜手自駕車產業鏈夥伴，協助AI自駕車等智慧移動落地應用，以及打造「國家隊」前進海外市場。

圖／數位時代

隨著Physical AI的成熟與落地，未來智慧移動的競爭，不再只是比誰擁有更大的模型，而是比誰能持續累積場域、建立完整資料庫，以及串聯完整生態系；在這個關鍵時刻，勤崴國際除因應不同場域客戶需求提供自駕車解方，也希望攜手更多產業夥伴，共同打造具有國際競爭力的智慧移動國家隊，讓台灣在全球自駕與 Physical AI 的新賽局中，占有一席關鍵位置。