最近看了一些關於AI發展規律的研究時，很多時都圍繞Scaling Law這一定律。這是一個在AI領域舉足輕重的概念，原本預測AI能力會隨著數據量、運算力和模型規模的增加而呈指數級成長。
但現實的發展軌跡似乎開始偏離這個預期軌道了。
AI的進步速度已達到每半年翻一倍，遠超過原本Scaling Law 的預測。
比較有趣的是，我看到一個現象：從前怎也沒想到，投入更多數據後，進步的幅度反而開始遇到瓶頸。這個現象打破了大家對AI發展的最初認知。
這到底是好還是不好的現象呢？
為什麼會這樣？
或許，單純堆疊數據量已經無法突破AI的認知界限。就像人類的學習過程，光是不斷灌輸信息，並不等於能培養出一個人真正的理解力和創造力。
這個發現其實能套用在後期製作的工作本質上。在我們的專業領域裡，技術不斷向前，設備一直更新，但最終能打動人心的，往往不是技術本身，而是運用技術的智慧和創意。
一直都有為數不少的人對AI的快速發展感到焦慮。但其實，這個領域的發展規律給了我們一個重要啟示：技術的進步不是單向的直線，而是充滿了轉折和突破。
現在的AI發展已經進入了一個新階段。這個階段需要的不只是更多的數據和更強的運算力，而是要思考如何更有效地利用這些資源。這正是我們後期製作人一直在做的事情。我們不是簡單地堆砌特效，而是懂得如何精準地運用技術來講述故事。
這就是為什麼協會一直在積極探索AI技術的各個層面。
我們不是在追趕潮流，而是在尋找一個能讓會員們和業界們真正理解並掌握這項技術的方法。通過工作坊、研討會，我們看到大家開始對AI產生了新的認識。
每一次新技術的出現都是一次機遇，考驗我們能否保持開放和靈活的思維。特別是現在，AI發展開始出現新模式，我們更要保持清醒，既不盲目追捧，也不故步自封。
專業的判斷力和創造力永遠是最寶貴的。
當AI發展遇到瓶頸時，這不就是人類智慧大展身手的好時機？
“Christopher Cross的《Arthur’s Theme (Best That You Can Do)》表達了對過去的懷念和對成長過程的反思，這正是我們在面對AI發展時必須不斷進行反思的反映。”
麥振鴻
2025 年1月23日
