[AI Thinking] This Isn’t Stock Prediction — It’s an AI Experiment

最近我開始了一連串的預測實驗，包含每天的股票趨勢預測。很多人看到這裡，可能會誤以為我準備轉行當理財專家，或是沉迷於用機器人找飆股。

其實這是一個天大的誤會。

股票市場對我來說，只是一個充滿極端變數與雜訊的「大型壓力測試場」。我真正在做的，不是預測股票，而是「多模態 AI 模型融合」的極限探索。我試圖釐清：AI 到底能幫我們做到哪些以前做不到的事？

AI 講不過我就想跑？因為我會抓錯，還會逼它算數學….哈

最近在做各種 AI 預測實驗，包含多模態模型的融合與市場數據的推演。很多朋友看我每天跟這些大型語言模型（LLM）泡在一起，以為我是個崇拜新科技的「AI 信徒」。事實上完全相反，有時候推演邏輯講不過我，它就會試圖裝死或想跑。

為什麼？因為我會看它是否正確輸出，而且專門抓它的錯。哈！

AI 讓我做到「原本做不了的事」

在過去的硬體產品開發中，定價往往是一個充滿主觀直覺的「資訊黑箱」。我們可以輕易算出實體零件（BOM）的成本，但我們幾乎無法客觀量化「品牌溢價」與「專家口碑」。

這是我原本做不了的事，但 AI 融合讓我做到了。
我建立了一套系統，把專門處理表格數據的 XGBoost、專攻小樣本的 TabPFN，以及圖神經網路（GNN）組合起來，最後再交由 LLM（大型語言模型）作為智慧中樞進行決策融合。透過這個多模態架構，我甚至能把權威媒體的「文字評論」轉化為動態權重，硬生生把預測準確率提升了將近 10%。

這就是 AI 帶給我的突破：它幫我把無形的商業直覺，轉化為精準的量化數據。

LLM 的數理跟邏輯其實並不好

現在市場上有一種很危險的風氣，大家把 ChatGPT、Claude 或各種大模型當成無所不能的神，丟個模糊的指令，然後對產出的結果照單全收。但實務上，大型語言模型的底層邏輯是「文字接龍」，它的數理運算根本不是專長，演算法本身也常常帶有極端的偏差與幻覺。

在真實的商業決策中（例如新產品的定價、BOM 表的成本估算），如果盲目相信模型給出的數字或推演邏輯，那絕對是一場災難。只要 AI 給出的推演邏輯稍有不合理，或者在處理結構化與非結構化數據融合時試圖用一堆廢話掩蓋錯誤，我就會立刻抓錯、直接打回票，甚至故意讓它去算數學，逼出它的極限與盲點。

我不依賴 AI，也不盲從。因為我深知，在實戰中，分析它為什麼預測失敗、抓出它的錯誤並建立容錯機制，這比單純在簡報上展示成功案例更有技術含量。

把團隊溝通的「專案管理框架」拿來跟 AI應對

既然知道 AI 會胡說八道，那我們該怎麼駕馭它？我的做法很簡單：把以前在硬體廠用來管理專案與防呆的傳統框架，直接拿來面對 AI。

當你把 AI 當成一個算力極強但需要嚴格管控的「虛擬幕僚」時，你就不能讓它自由發揮。我會用兩道管理學的防線，來箝制它的運算邊界：

第一道防線：用 5W2H 嚴格限縮運算背景 在給 AI 下指令時，我一定會套用 5W2H 來把任務規格定義得一清二楚。我會明確告訴它：為什麼要做這次預測（Why）？要交出什麼具體格式的產出（What）？這個決策要在哪裡使用？更重要的是，限制在哪裡？透過 5W2H，我把 AI 的思考路徑鎖死在特定的商業背景與物理極限裡，不給它機會去網路資料庫裡亂抓不相干的雜訊來拼湊答案。

第二道防線：用 QQCDR 畫出明確的防呆底線 就算背景鎖定了，AI 還是很喜歡為了討好你而講廢話。這時候就要用 QQCDR（品質、數量、成本、期限、規則）來當作驗收標準。以前看傳統的規格文件（PRD），常常會看到諸如「查閱多次」、「讓心情愉悅」這種毫無邏輯的主觀字眼。我對 AI 的要求也是一樣的鐵血：只要它越界，或是寫出這種無法量化成真實數據的廢話，這就是踩到 Rule（規則）的紅線。我會強制它立刻重啟、修正，直到擠出具備商業價值的乾貨為止。

我不依賴 AI，我們是「互相學習」

很多人面對 AI 時，會把它當成無所不能的神，給個指令就全盤接收它的答案。但我想….我不會依賴 AI給的答案。

在我的實驗室裡，AI 比較像是一個運算力極強、但需要嚴格管控的幕僚。我跟 AI 的關係是互相學習的。AI 學習我給定的嚴苛商業框架與物理邊界，而我則學習它在龐大數據中找出的隱藏關聯。我會抓錯；但我需要它，因為它能處理我處理不來的海量資訊。

在 AI 時代，真正的競爭力是辨別錯誤

這也就是為什麼，我會花時間去記錄那些「預測失敗」的過程，或是寫下《有沒被免費版AI給過錯的答案？》這類的反思文章。

AI 時代最值錢的能力，不是學會怎麼寫出多長、多華麗的提示詞，而是當 AI 把一份看似完美的報告或預測結果丟到你面前時，會發現這是不是坑，哈哈！

保持不盲從、懂管理、會抓錯的理性態度。只有當你清楚知道自己要什麼，並且具備建立容錯機制的能力時，AI 就不再是個會產生幻覺的黑盒子，而是真正能幫你打破商業盲區的最強武器。

下次我再來分享，到底誰是「最會挖坑的 AI」…

2026發布的百大 AI App 排名，大家可以觀察看看，到底哪些 AI 工具真的通過了市場用戶的壓力測試。

▲ a16z百大AI App(上:網頁用量排名)(下:手機用量排名) Source：a16z

• 10秒看透一個人的性格：心理學視角下的微妙觀察
  在人際交往中，我們常常希望能快速了解對方的性格特質，以便更順利地溝通和相處。很多人以為，了解一個人必須花費大量…閱讀更多內容：10秒看透一個人的性格：心理學視角下的微妙觀察
• 1對1的溝通
  1對1溝通在領導管理中是建立信任、理解和促進團隊成長的重要工具，卻常被淺嘗輒止。有效的1對1溝通需明確目標、保持開放氛圍和主動傾聽，幫助領導者深入了解團隊成員、評估需求、提供支持，並促進持續成長。
• 2026 職場與人生開年：放下「舊慣性思維」，升級你的腦系統
  我們的「腦系統」該換代了 我們正處在一個知識折舊率極高的時代。過去幾年，AI 和自動化工具的發展，已經證明了重…閱讀更多內容：2026 職場與人生開年：放下「舊慣性思維」，升級你的腦系統
• 50歲在職讀碩士，不只是夢想，也不要想機會 — 其實簡單是一切的根本
  在50歲這個人生階段，讀碩士的意義已不再是追逐夢想或尋找機會，而是保持生活的簡單與探尋成長的態度。年齡成為學習的優勢，簡單的心態能減少壓力，幫助我們享受學習的過程，展現自我的熱情與勇氣。
• 7 個未發現的『日常心理陷阱』-為什麼我們總是被自己困住？
  現代生活充滿挑戰，我們經常遭遇心理陷阱，影響情緒和決策。要改善自我，需識別如選擇過載、自我預言、情緒感染等現象，學會放下過去的偏見，接受不同觀點，專注自身成長，以走出困境，提升生活質量。