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

INSIDE/ Mia攝

Andrew Mayne分享加入OpenAI擔任提示工程師的經歷，強調跨領域專業的價值。他分享，發掘自身專業與AI技術的交集，持續學習與保持好奇心，是掌握先機的關鍵。而在科技的尖端，人人都有機會成為專家。

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，100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？（本文由2025 INSIDE Future Day提供。）