這5職業「最有可能被AI取代」！最新調查曝關鍵：重複性高、身體互動少
這就是我覺得一直在模糊焦點的地方，也造就了更多人不想精進或橫跨多領域嘗試的理由。但事實上，要能取代人力所需要具備的最低條件有：
1.精簡化工作流程、提升效率、時間成本降低。
2.低門檻、易上手、無須投入學習成本、易被複製及量產。
3.已預留可隨時被整合自動化的下一步。

這是我運用EXCEL與Google Gemini 1.5 Flash + 同事無私分享的行業工作知識，所整合出來的排車位用法，作業時間直接大幅縮短30分鐘以上，離職也能無縫傳授給新人快速上手。



所以我主管看到這表格畫面，就直接說了：「你要是能將班次調整作業給自動化，那我們這部門就可以不需要你了」XD

感想：「如果這樣子就能取代N名員工，那投資Ai的公司是要情何以堪？ 」

剛好今天有司機又請病假，馬上就立即使用Google Gemini 1.5 Flash來快速調整發車班次，真的是有備無患。

生成式Ai職場實戰系列21：

使用Google Gemini 1.5 Flash幫我確認時間表調整班距，這也是沿用輔佐下中國象棋獲勝的方式達成的。

#多重思維鏈

美國碼頭工人罷工迎戰生計最大威脅：自動化
微軟、Google都押注的「AI代理」是什麼？最強利基點，能讓軟體業成為AI浪潮的新贏家？

【高中生一邊上學邊賣吊飾 一夕暴增500訂單崩潰實錄】@Claire-sh7sc
也不是每一位學生都可以這樣玩的XD

Google Gemini 1.5 Flash已經可以辨識圖片內容是否為Ai生成的！

我們透過研究基於規則的系統的複雜性如何影響經過訓練來預測這些規則的模型的能力，從而探索人工系統中智慧行為的出現。我們的研究重點是基本元胞自動機 (ECA)，這是一種簡單但功能強大的一維繫統，可以產生從微不足道到高度複雜的行為。透過在不同的 ECA 上訓練不同的大型語言模型 (LLM)，我們評估了規則行為的複雜性與 LLM 所表現出的智慧之間的關係，正如它們在下游任務中的表現所反映的那樣。我們的研究結果表明，複雜性較高的規則會導致模型表現出更高的智能，正如它們在推理和國際象棋走法預測任務中的表現所證明的那樣。均勻系統和週期性系統，以及通常高度混沌的系統，都會導致下游性能較差，凸顯了有利於智慧的複雜性的最佳點。我們推測，智能源自於預測複雜性的能力，而創造智能可能只需要接觸複雜性。

(論文在留言處)

不好意思，我已經先用中國象棋上隨機找人實戰了，因為Google要用的是多重思維鏈，只能說，根本就是Alpha GO降臨。傳Google正在研究推理AI 奮力追趕OpenAI | Anue鉅亨 - 美股雷達
延伸閱讀：「Ai推理」的標準定義是什麼？ - sanboy289的創作 - 巴哈姆特

有夠準！山陀兒鬼切怪走勢 輝達AI早抓到