2024 年的諾貝爾化學獎，有一半頒給了 Google DeepMind 的兩位 AI 研究者 Demis Hassabis 和 John Jumper。 他們開發的 AlphaFold，讓科學家能夠從蛋白質的胺基酸序列，預測它複雜的 3D 結構。 這是科學界努力了五十多年的難題。 過去，科學家可能需要花費數月，甚至數年，才能透過實驗解析一種蛋白質的結構。 現在，AlphaFold 通常只需要數十分鐘，就能完成一種蛋白質的結構預測，部分較小的蛋白質甚至只需要幾分鐘。目前也已建立超過兩億種蛋白質的結構預測資料庫，供全球研究人員使用。 這項突破讓我想到一個問題： 如果 AI 的價值，不只是讓我們把原本的工作做得更快，而是讓我們開始有能力解決過去難以解決的問題呢？ 數學領域也有很有意思的進展。 2025 年，Google DeepMind 發表 AlphaEvolve，這套 AI 系統結合 Gemini 與自動驗證機制，嘗試尋找新的演算法與數學解法。 研究團隊讓它挑戰超過 50 個尚未完全解決的數學問題，結果在其中約 20% 的問題上，突破了過去已知的最佳成果。 例如，Kissing Number Problem 是一個研究了三百多年的幾何問題，探討在多維空間中，最多能讓多少個互不重疊的球同時接觸中央的球。 在 11 維空間中，過去已知的紀錄是 592 顆，而 AlphaEvolve 找到了可以排列 593 顆球的新方法。 雖然還不知道真正的最大數量是多少，但 AI 確實推進了這個數學問題的研究。 知名數學家 Terence Tao（陶哲軒）談到 AlphaEvolve 時說： "Tools such as AlphaEvolve are giving mathematicians very useful new capabilities." 他指出，這類工具能協助數學家快速測試可能的反例、探索問題的極端情況，改善研究直覺，進而更容易找到嚴謹的證明。 我覺得這裡有個值得注意的轉變。 過去，我們主要讓電腦幫忙計算，或執行人類已經知道如何解決的問題。 現在，AI 開始能夠參與探索未知的過程，協助研究者發現新的解法。 AI 的角色，正在從提升 Productivity（生產力），走向擴展人類的 Capability（能力）。 不過，AI 創造的新價值，不一定都來自艱深的科學研究。 例如 Be My Eyes，是一個協助視障者的服務平台。 過去，視障者可以透過手機連結志工，請對方協助辨識物品、閱讀包裝上的文字，或了解眼前的環境。 後來，Be My Eyes 加入 AI 影像理解功能 Be My AI。 使用者可以透過手機拍照，請 AI 描述眼前的資訊，不必每次都需要等待其他人的協助。 這個服務的價值，不只是讓辨識物品變得更有效率，而是讓視障者在日常生活中，擁有更多自主性。 最近閱讀林之晨與蔡祈岩合著的《AI 的它時代，臺灣企業的大機遇》，其中有個觀點讓我印象深刻。 當 AI 大幅降低產品與服務的提供成本，可能會帶動過去因為成本太高，而無法充分滿足的「精緻化需求」。 仔細想想，很多需求其實一直存在，只是過去受到技術、人力或資源的限制，難以被充分滿足。 Be My Eyes 就是個很好的例子。視障者希望能夠獨立取得周遭的視覺資訊，這個需求並不是 AI 出現之後才有的。 改變的是，現在有了新的技術，讓這項需求有機會透過不同的方式得到滿足。 創造新價值，不一定需要發明新的需求，也可以透過新的方法，滿足那些一直存在、卻沒有被充分滿足的需求。 從這些案例來看，我覺得 AI 帶來的機會，可以分成三個層次。 第一個是 Efficiency（效率提升）。 用更少的時間與資源，完成原本的工作。這是目前大家最熟悉的 AI 應用方式。 第二個是 Capability Expansion（能力擴展）。 讓我們能夠完成過去因為知識、技術或資源不足，而難以做到的事情。 第三個則是 Value Creation（價值創造）。 利用這些新能力，解決原本難以解決的問題，或滿足過去無法充分滿足的需求。 這三個層次並不互斥，但如果只把 AI 當成提升效率的工具，可能就會錯過後面兩個更值得探索的機會。 那麼，我們可以如何利用 AI 創造新的價值？ 我想，可以先試著問自己三個問題。 第一，有哪些問題，是我過去認為太困難，所以一直沒有嘗試解決的？ 隨著 AI 的能力進步，不妨重新檢視那些曾經被自己判定為「做不到」的事情。 第二，有哪些需求一直存在，卻因為成本、時間或專業門檻，而沒有被好好滿足？ 試著從身邊的人、自己熟悉的領域觀察，找出那些大家已經習以為常，卻仍然不方便，甚至無法做到的事情。 第三，AI 能不能幫助我用新的方式解決這些問題？ 可以先讓 AI 協助探索可能的解法，挑選一個小範圍的問題，實際做出 Prototype，再從使用者的回饋中了解它是否真的有用。 面對 AI，除了問： 「我現在做的事情，能不能用 AI 做得更快？」 或許更值得問的是： 「有哪些過去做不到的事，現在有機會透過 AI 實現？」 因為 AI 最值得期待的，不只是提升效率，而是讓我們有機會創造新的價值。
