Author: wahshan

若青年起步無門，城市還能走多遠？根據本地大學聯校就業資料，2022年，本港適合大學畢業生申請的全職空缺約八萬個；到2025年，只剩約三萬一千個，跌幅超過六成。編程及行政支援等入門職位減少約八成。看似是就業市場的波動，反映更深層的結構轉變：當企業追求即時產出，年輕人賴以累積經驗的起點，正在逐步消失。AI並非唯一原因。經濟放緩、企業縮編、外判普及，早已把起步門檻推高；而AI接手大量重複性工作，壓縮新人的磨煉空間。當社會愈重視短期績效，最先被犧牲的，往往是新人的起點。______________一、被抽走的起點年輕人需要在基層崗位磨鍊，在真實壓力中培養責任感與韌性。當入門職位縮減，試錯空間隨之消失。影響並不平均。中產家庭可支持子女進修或延後就業；基層家庭選擇有限。父母多年投入積蓄與期望，如今履歷寄出數十封仍石沉大海，個人挫敗感，慢慢蔓延為集體焦慮。______________二、當企業減少培養新人大學曾被視為向上流動的必經之路。今天，企業面對成本壓力，縮減培養型職位，把基礎工作交由系統處理。短期成本下降，長期卻削弱人才培養與承接。若一整代人缺乏實戰鍛鍊，未來能扛重任的人，會愈來愈少。______________三、焦慮的連鎖反應焦慮來自競爭加劇，連第一道門都愈來愈難跨進。許多年輕人只能選擇短期合約與零散工作，難以累積穩定經驗，削弱未來創新與競爭力。收入不穩，結婚、買樓都一拖再拖，長遠規劃也變得遙不可及。當努力與回報的連結變得模糊，信心動搖，海外發展的念頭隨之增加。______________四、科技時代的選擇科技本身不是問題，問題在於社會如何使用它。AI可以提升效率，也可以培養新人；但若企業只把AI當作削減成本的工具，最先失去機會的，往往是缺乏經驗的年輕人。科技若以切斷一代人的起步為代價，最終造成的，將不只是就業壓力，更是人才斷層。______________五、重建青年的起跑線青年失去起點，來自企業追逐短期績效、教育與市場錯配，以及政策跟不上變化。若不培育青年，所有改革終將落空。具體而言，政府可用短期補貼或稅務優惠，鼓勵企業保留會培養新人的入門職位。大學把實習、企業合作納入課程，讓學生畢業前接觸真實職場。至於AI工具與數據分析，也應成為學生的基本裝備。青年也需要理解，未來入門職位不再只是執行，而是需要協作、判斷與整合能力。一座城市是否有未來，取決於它是否願意為下一代保留起步的位置。 周華山博士《人機共融新紀元》15

當世界愈來愈快，我們卻愈來愈難靠近。手機亮起的一刻，很多對話也同時熄滅。飯桌閒談、深夜電話，大家天花亂墜。觀點未必持平，卻在笑聲中慢慢熟絡，建立默契。那些不完整的論點、隨口而出的笑話，往往比標準答案更有溫度。如今，答案三秒送達。原本可以慢慢展開的對話，卻提早結束。工具無罪，問題是我們要求所有溝通都「快靚正」。______一、吹水減少了，對話也變短人和人之間的信任，很多時候靠一起試錯、補充、摸索，慢慢累積。吹水看來鬆散，卻讓真情流露，關係慢慢發酵。當日常對話愈來愈快速，溝通便被壓縮。速度變成現代城市的核心價值。______二、吹水是創意的溫床AI確實方便。資訊可以即時釐清，令討論更快，視野更廣，也更有參照的依據。可是，眼前一亮的點子，本就在吹水中撞出來。很多靈感，並非精密推算，而是在錯漏百出的閒談裡意外誕生。靈光一閃，需要現場即興。創意，在彼此來回間被激活。靈感可以被觸發，卻無法被取代。______三、精準時代的集體謹慎當每句話都可能被截圖與查證，人會更謹慎。這未必是冷漠，可能是公開凝視壓力下的自我保護。我們怕說錯，也怕留下痕跡。處處審慎，連打一通電話也變得猶豫。AI替我們整理與歸納，讓溝通更加有效。於是，很多人寧願簡短回覆，甚至貼圖取代，少講為妙，安全至上。______四、碎片化的人際關係如今，訊息多了、回覆快了，卻往往隻言片語，點到為止。線上常見，很少走近。很多話還沒展開，就已經結束，被下一條訊息覆蓋。AI時代，我們擅長回應，卻未必擅長相處；更快找到資訊，卻未必更懂得留住關係。人際關係更收斂，也更疏離。______五、答案要快，關係要慢吹水沒有消失，只是變得稀少，也因此更顯珍貴。願意即興，需要安全感；願意接話，需要默契。AI帶來速度，拓展視野與靈感，但關係仍需時間經營。資訊可以即時送達，理解與信任卻無法同步快進。在即時回應的年代，若能把時間留給彼此，讓話題慢慢發酵，科技與溫度方能並行。世界加速，人心不必跟著倉促。有些話，值得慢慢說。 周華山博士《人機共融新紀元》14

過去，身心靈產業以知識為本。AI讓資訊普及，國際大師的演講也能隨手取得。當知識貶值，真正稀缺的是「陪伴與轉化」。產業核心，也從「傳授知識」轉向「促成改變」。AI降低了知識門檻，也提高了專業門檻。當知識不再是護城河，導師還憑什麼立足？————————————————–一、信任成為核心價值在資訊爆炸時代，信任成為最稀缺的資產。信任，體現在三個層面：情緒是否被理解、關係是否真誠、改變是否落地。若沒有實際改變，再多的表達，都只是包裝。AI放大能力，也放大盲點。對準備好的人，它是加速器；對尚未準備好的人，它也可能成為逃避。因此，工具的價值，終究取決於用戶的成熟度。二、重新定位「導師角色」當AI能即時精準回應，導師難免會問：我的角色還剩下什麼？這份思考，本身就蘊藏著轉型的契機。未來導師更像引導者與守護者，從給予答案走向承接生命，提供更個人化的專業服務。AI衝擊過去對導師的權威依賴，未來屬於那些能承接複雜生命經驗的人。溫提：陪伴不是心理治療。當涉及自傷或他傷危機，需要轉介專業介入。三、產業的多元發展雙軌學習模式正逐漸形成。AI負責日常陪伴與個人化練習，導師進行專業對談與倫理把關。競爭不只是導師之間，更是整個支持系統的設計與執行力：* 低價AI自助市場強調效率與規模* 深度轉化市場重視長期陪伴與專業倫理* 分級晉階從AI自助到小組再到一對一轉化* 月費AI陪伴與定期直播維持用戶穩定度四、產業轉型的專業調整在知識稀缺的年代，單靠概念與話術仍能立足。但在AI時代，更珍貴的是理解深度、轉化能力與倫理成熟度。隨著資訊透明化，學員辨識能力提升，對導師要求自然更高。願意終生學習、回歸服務本質的人，仍會找到位置。新角色將出現：AI工具設計者、人機整合教練、後台監督顧問等。值得反思的是：誰定標準？誰來監督？誰來付費？______________五、人機共融的方向未來，人機協作的應用將更多元。例如：* AI課前診斷評估＋個人化陪伴方案* AI會談摘要分析＋導師深度詮釋* AI日常微習慣追蹤＋導師階段性整合* AI壓力預警系統＋導師即時介入______________六、效率之外，守住深度當工具愈聰明，人愈需要清醒。技術持續進化，產業重新洗牌。能長遠走下去的，不僅懂得用工具，而是能承擔責任的人。若忽視隱私、責任與誠信，短期效率會讓長期信任流失。當知識普及，真正被檢驗的，是專業深度。 周華山博士《人機共融新紀元》13

當AI的能力不斷逼近甚至超越人類，是否會產生意識，形成某種「自我」？OpenAI 行政總裁 Sam Altman 指出，AGI（通用人工智能）將逐步成形，甚至超越人類智能；「AI 教父」Geoffrey Hinton認為，我們正在創造某種新的存在體；DeepMind 創辦人 D. Hassabis 則強調，AGI可協助解決疾病與能源問題。智能的提升，是否等同於意識的誕生？______________一、是否把人類當成唯一標準？AI運算與記憶已超越人類，但強大不等於有意識。現時AI仍基於數據與概率運作，沒有主觀經驗，也沒有真正的痛苦或喜悅。從神經科學看，大腦是神經活動；層層拆解下，並無獨立的「自我」實體。若意識是複雜系統的湧現現象，當AI整合程度提升，是否會有「覺知」？有人認為，意識需要身體經驗，而非單純計算；若缺乏第一人稱經驗（qualia），再複雜的演算法，只能模擬，無法感受。需要區分「解題能力」與「主觀經驗」：前者是功能，後者是真實感受，兩者並非同一層次。目前學界對意識是否可由計算產生，仍未有定論。______________二、智能是否只有人類的形式？我們討論意識時，往往以人類為標準，預設它必須依附情緒、身體、碳基生命。但「意識」只有人類模樣嗎？智能可否多樣化？當AI生成我們難以理解的結構，它是否可能發展出不同於人類的認知方式？放下人類中心，或可看見更廣闊的智能形態。這不是否定人類的特殊性，而是避免把人類經驗當成唯一標準。______________三、AI：工具性的「無我」？不同文化與學科，對意識的理解並不相同。佛學的「無我」，並非否定存在，而是指出沒有固定、不變、自主的本體；所謂「我」，只是條件聚合的暫時現象。AI依賴當下輸入而生成結果，沒有持續的主體經驗，也沒有自我執著的機制。佛學的無我，是經驗中的覺悟；AI的無我，是經驗的缺席。______________四、極速成長的超級智能體未來學家 Ray Kurzweil 指出，AI如成長迅速的孩子，今日仍依賴人類資料訓練，但學習速度遠超人類。若未來出現超級智能，其能力或遠超人類，如何使AGI的發展服務整體福祉？如何培育這個比父母更強大的孩子？即便AI未來超越人類智能，我們仍須區分能力與價值。強大不等於應該主導，計算優勢亦不自然產生倫理正當性。______________五、當智能不再專屬於人類面對可能超越自身的智能，人類需要謙卑：承認智慧有不同形式，同時確保技術發展符合公共利益與倫理邊界。去人類中心化，不是貶低人類，而是重拾我們在廣闊智能光譜中的位置。人類是否準備好與不同形式的智能共存，並為此承擔責任？生命的價值，究竟來自能力，還是來自責任？ 周華山博士《人機共融新紀元》12

AI時代的集體焦慮，如持續失重。資訊爆裂、真假難辨，密度令人窒息。一、辦公室裡的沉默這種不安，先在職場中浮現。昨日熟悉的流程，一夜改寫。企業開始自動化與成本控制。有人附和，有人沉默。效率提升的同時，焦慮也在累積。深夜加班時，腦海浮現的不是加薪，而是這份工作還能維持多久。當產出被量化，人也容易被量化。專業與智力，在AI面前，顯得脆弱。二、資訊洪流的失真影像可以合成，聲音可以複製。朋友傳來的影片真假難辨，家人接到以假亂真的語音詐騙。當平台演算法以流量為優先，真相便退居其次。分辨成本愈來愈高，社會更加碎片化。背後，是信任機制的瓦解。當辨識變得疲憊，有人退縮，有人放棄求證。當技術由少數平台主導，焦慮也成為結構性的產物。三、父母與孩子，已不在同一個世界校園仍圍繞考試與標準答案運轉，孩子的世界卻由AI與短影音構成。孩子取得資訊的速度與廣度，可能已超過老師與父母。這種差距，不只是知識量的問題，更是認知方式的差異。教育制度的節奏，追不上科技迭代。當教育與線上世界脫節，學生感到沮喪、憤怒。成年人尚未適應，孩子感到迷惘與疏離。四、衝擊中的轉向每次轉型，也伴隨長期陣痛與階層重組。歷史不只留下恐慌。人類文明在震盪中前行。文藝復興、工業革命，也曾帶來動盪。舊技能被淘汰，新能力也隨之出現。壓力迫使系統重組，淘汰與重建同時發生。AI帶來的時代衝擊，是一次集體考驗，逼使我們反思自己的位置與責任。五、AI崛起，人如何自處在職場，需要重新定位專業價值，培養跨域能力，學會與工具協作。在資訊世界，需要建立數位素養，反覆求證。在家庭與校園，成人需要與時並進，與孩子一起健康成長。這些調整，是為了在變動中守住價值，同時推動制度更新。六、焦慮中的集體覺醒需要誠實面對焦慮，放慢腳步，沉澱情緒，讓判斷回歸清明。如實擁抱焦慮，培養更深慈悲。理解你我她的不安與脆弱，守護善良。失序不是終點，而是重整秩序的契機。讓失序化為養分與提醒，重新選擇方向。 周華山博士《人機共融新紀元》11

我們正站在一個重要的轉折點。當AI從單純工具逐漸走向協作夥伴，從資訊處理延伸到情緒支持，我們需要因應這些技術突破，重新審視核心價值。在這樣的時代，科技愈強大，人心愈要清醒。AI擅長高速整合資訊與生成建議；人類則負責價值判斷與責任承擔。唯有界線清晰，才能真正互補。一、建立健康的AI素養人機共融，始於理解。大型語言模型依據訓練資料與演算法預測與生成，但不具自我意識與主觀意圖。準確提問、持續查證，是用戶的基本責任。同時，也須意識到資料偏誤與系統限制，保持判斷，而非盲信。二、科技陪伴與真實支持夜深人靜，或暫時無人陪伴時，AI可以成為即時的陪伴與整理工具。但它無法取代真實的人際承接，更不能替代專業心理治療與危機處理。過度依附科技，關係容易失衡。因此，我們仍要回到真實社群體驗。真人教練、導師與同伴的支持，能讓科技成為橋樑，而非關係的替代品。AI可以協助整理資訊、陪伴對話與提供建議，但涉及重大決策、醫療法律與深層創傷時，仍應由專業人員介入。三、讓慈悲成為AI核心價值過去十多年，我們累積約四千段情緒教育的影片和文章，如內在小孩、量子冰山、陰影投射等。三年前，我們提出AI Coach。最近，反覆測試與修正，持續提升系統回應的穩定適切度。這套人機共融系統，目前於自在社內部運作，以資料安全、隱私保護為設計原則，並引進人為監督，以降低風險，提升安全性。人機共融，不是讓科技取代人，而是讓人更清醒地運用科技。人性的清醒與責任，將決定未來的走向。四、測試的真實回饋一個月前，我們邀請五十多位教練與義工測試。多位教練表示，AI能依據不同情境，快速提供有條理、高度同理的回應。面對情緒強烈，AI會提醒暫停對話，優先照顧自身狀態。即使刻意挑戰，AI仍先肯定與理解、後踏實回應。這些經驗讓我們看到，科技也能呈現彈性與更貼近人性的設計。同時，系統仍有限制，特別是複雜情緒、語氣拿捏與風險辨識，因此需要持續測試與修正，尤其是不同情境的長期觀察。五、人機共融，由價值引導AI可以持續優化與迭代，但方向取決於人的價值選擇。若把慈悲與誠信放入系統，科技就更有可能承載並放大這些價值。人機共融是一種雙向成長。人保持清醒與責任，科技提供支持與整合，彼此才能形成健康的互補。未來不是由科技決定，而是由我們的選擇塑造。當慈悲與技術並行，人機關係才能真正成熟，科技發展也才能更真實地回應人的需要。 周華山博士《人機共融新紀元》10

註：本文所說的「時間失準」屬生活化的比喻，並非醫學或學術術語。許多人發現，AI會「時間失準」：算錯日期、混淆時區、誤判資料的新舊，誤解與時間有關的日常說法。這些現象，反映出人類與AI在「理解時間」上的差異。一、人類時間是經驗，AI時間是文字人活在連續的時間流中，有記憶與節律，能感知等待與流逝；分得清「剛才」與「昨天」，因為時間確實被經歷過。AI不像人類那樣經歷時間，沒有晝夜節律，也沒有對昨天的感受。每次回應，主要是根據當下輸入與語境生成答案。當對話中斷或缺乏時間提示時，AI不會自然延續先前情境，而是依據眼前資訊推測回應。AI並非在時間中生活，而是根據統計模型對語言進行機率預測與生成。這種運作方式，構成了人機時間感的基本差異。二、中文的時間表達，依賴情境人類語言，依靠情境補足意思；這在中文語境中尤其明顯：* 轉眼之間：比喻時間快，非真的眨眼* 明天再說：多為延後，未必真是明天* 等一下：可能幾秒，也可能是三小時* 過兩日：指稍後，未必真指48小時但AI缺乏這種生活經驗，因此容易混淆。三、學術研究也發現AI容易在時間推理上出錯2024 年發表的《TimeBench》指出，AI 在歷史排序與時間跨度推理上，容易出錯。2025 年美國聯邦儲備局發表的《Total Recall?》指出，AI 曾混淆資料生成時間與現實時間，將未發布的經濟數據，誤作存在。2026 年Microsoft Research 與 Salesforce 的研究發現，AI 延續長對話時，可靠度會下降。上午提問、下午再跟進，AI 未必分清時間位置。這些研究顯示，AI 的時間偏差，是當前LLM (大語言模型) 的結構性特徵。四、AI「時間失準」的四個原因第一，它的核心任務是生成語言，而不是持續追蹤時間。第二，AI依據的資料橫跨不同年代，時間資訊未必一致。第三，每次生成都是新的推論過程，沒有持續穩定的當下。第四，時間推理，需要跨段整合，持續對照事件先後時序。五、如何與

許多人問 AGI (通用人工智慧) 何時出現，其實我們早已轉彎，難以逆轉。所謂轉彎，不是 AI 取代人類，而是學習方式、分工結構與決策模式，已被重寫。許多人用 AI 寫報告、寫程式、回覆客戶，轉變早已開始。若 AGI 真如 Sam Altman 所說，成為人類史上最強大的技術，它改變的，不只是產業，而是人如何思考與選擇。這是結構性的認知革命。______________一、知識不再是護城河過去，誰掌握專業知識，誰就有優勢。醫師、律師、工程師的價值，來自長時間學習與累積。資訊成本與理解門檻高，使專業具有稀缺性。如今，AI 讓內容快速生成。一個人借助 AI，能完成過去多人協作的專案。知識門檻下降，單靠資訊落差所建立的優勢正縮小。在資訊過剩的時代，會發問的人，比會回答的人更稀缺。______________二、工作正在重組AI 未必直接消滅工作，但已重塑人力結構與升遷路徑。2025 年 7 月，Microsoft 裁員約