你可以外包工作，但你永遠無法外包學習

You can offload a task, or even a job, but you can never offload your learning.
- Satya Nadella

前天，微軟 CEO Satya Nadella 在 X 發表了一篇長文，乍看之下很像心靈雞湯，但整段文章給了非常清晰的 AI 時代的學習框架，雖然微軟的重點是放在公司，但我看完後認為他提出的 Human Capital (人力資本) 跟 Token Capital (算力資本) 也符合我們一般人成長的邏輯。

他提到，在 AI 時代裡面必須同時建立兩種資本：

Human Capital 人力資本：
你的知識、判斷力、人際關係、對當前任務 pattern 的識別能力。

Token Capital 算力資本：
這個 Token Capital 並不是指模型的強度，而是你自己打造、控制的 AI 系統，這個系統可以是非常個人的，如自己的知識輸入、轉譯、輸出；也可以是工作上的 Workflow，

很多人以為人力資本會因為 AI 出現而貶值，其實不然，每個人都因為 AI 而拉高成品的中位數，自然整體的標準就變的更高了，不曉得你們有沒有同樣的感受，有些人在用 AI 的方式令人錯愕，他很明顯地比他以前更強，但跟現在的交付標準來比，就有些不堪入目。

此外他給了三個具體的資本成長方向：

1. 建立 Private Eval（私有評估系統）
你的模型有沒有在對你真正重要的指標上進步？這個只有你自己能測。外部分數高的模型，不代表它在你的系統上表現地好。

2. 建立 Private RL 環境（私有強化學習）
讓模型在真實的運作場景上學習、成長，而不是只靠通用型來處理。每一次你跟 AI 互動都是成長的養分。

3. 做「老手」測試
如果你今天換一個新模型進來，你積累的知識會跟著消失嗎？如果會，代表你的知識還鎖在某個特定模型裡，不在你的系統裡。這是他說的「主權測試」（sovereignty test），直接把國家主權模型的邏輯搬進公司、個人。

這篇文章讓我想到一個 AI 裡很常見的誤區：大家常常在問「用哪個模型？」。但如果你對 AI 的所有期望，都是「找一個最強的模型然後接上去用」，你其實只是在接一個訂閱服務。三年後，更強的模型出來，其他人接上，你的優勢在哪裡？Nadella 說的「私有強化學習環境」和「私有 eval」，我自己的理解是，用 AI，要讓你的知識嵌入 AI，而不是讓 AI 去替代你的知識。

另外也要小小工商一下，我們正在招募社群志工大使！

如果你也相信 AI 時代最需要的不只是工具，而是一群願意一起學習、交流、成長的人，歡迎加入 AIPost 未來人聚場社群志工計畫，招募截止日為 6/23 20:00。