長期以來，人文社會科系常被貼上「畢業即失業」的標籤，被視為傷春悲秋的無用裝飾。尤其當 AI 席捲全球，大眾更斷言：連文章都能自動生成了，誰還需要文科生？ 然而，資深獵頭 Bryan Ackermann 在《Business Insider》的報導中卻給出了反直覺的斷言 ——人文素養，正成為 AI 時代極其珍貴的能力。 — ▌ 當程式碼變廉價，「共鳴」成了差異化關鍵 諷刺的是，AI 風暴首先衝擊的並非文科，而是曾被視為鐵飯碗的資工領域。當 AI 幾秒內就能產出精準程式碼，企業反而發現他們更缺「無法被複製的人味」。Anthropic 共同創辦人 Daniela Amodei 指出，招募 AI 人才時，他們極其看重「溝通者」特質。機器能玩機率遊戲產出通順文字，卻不懂人類曖昧的喜怒哀樂。一家不了解「人」的公司，即便用 AI 生成再多行銷企劃，也難逃審美疲勞。唯有能精準洞察社會風向、讀懂難言之隱的人才，才能橋接技術與社會，讓品牌產生共鳴。 — 雖然《Business Insider》戲稱這是「英語主修的復仇」，但現實依然骨感。數據顯示，人文學科的失業率仍略高於技術領域。這並非人文與理工的優劣勝負，而是一場關於「主體性」的價值重定位。真正的人才不會讓自己困在單一科系的圍牆裡。現在頂尖企業與大學更推崇跨域協作：讓理工背景者思考科技倫理，讓文科生學會用數據實踐創意。 AI 時代最難被取代的底氣，並非單純的學科背景，而是那份持續學習的開放心胸，以及定義生活、建立深層連結的能力。

3.94 億頁、254 種語言，上架 Hugging Face，為模型添一份可考據的底氣 你是否也曾被 AI「信誓旦旦卻引用不明」的回答誤導過？ 生成式 AI 崛起後，資料來源不透明、品質參差不齊，一直是大型語言模型（LLM）最受詬病的痛點。 哈佛大學與波士頓公共圖書館（BPL）決定從根源下手——推出 Institutional Books 1.0：一次釋出 近 100 萬冊、254 種語言、約 3.94 億頁 的公領域原始文獻，並全數上架 Hugging Face，開放研究與模型微調（fine-tuning）自由取用。 — 為何提升資料庫準確性這麼重要？ • 第一手來源：資料直接出自圖書館、博物館館藏，不再是網路二手轉載。 • 語言多樣：英文僅佔不到 50%，其餘橫跨德、法、義、西、拉丁文等；最早文獻可追溯至 15 世紀朝鮮手寫花木隨筆。 • 版面保真：結合 Google 早期掃描檔與 OCR（光學字元辨識）優化，盡可能還原原書排版與註釋。 — 該計畫由哈佛大學主導、獲微軟與 OpenAI 贊助，目標是：「讓知識機構與 AI 開發者，對『資料完整性』與『公共利益』擁有同一把尺。」目前已號召多所圖書館、博物館加入，未來預計陸續釋出更多高可信度的原始資料集。 早在 2000 年代，Google 曾協助哈佛掃描大量館藏，嘗試打造 2000 萬冊的線上書庫。計畫一度因版權爭議遭遇訴訟，直到 2016 年美國最高法院裁定屬「合理使用」才告落幕。 此番再度攜手，哈佛與 Google 只開放確定屬公領域的書目，並透過最新 OCR 技術重新校對，盼在法律與技術層面一次補足過往隱憂。 — 這件事對 AI 意味什麼？ • 降低「幻覺」機率：當模型能直接引用原始文獻，錯引／自創引用的機率理論上可降低。 • 增添多語深度：英語比重下降，開啟更多非英語語料訓練與微調的可能。 • 長文本推理測場：3.94 億頁掃描檔，意味著大規模長篇閱讀／摘要測試的素材充足。 但效果究竟多大？還需要使用者實測──「好料」端上桌，能不能煮出佳餚，考驗開發者功力。 — AI 圈仍在觀察—— 唯一可以確定的是，可靠來源已成為下一輪模型競賽的關鍵字。 目前 Institutional Books 1.0 已於 Hugging Face 上線，任何研究者、開發者均可免費下載。未來，圖書館與 AI 社群能否共同打造出一條兼顧「開放」與「可信」的知識供應鏈，將是全球資訊生態的下一道考題。