知識有不同的速度

標題取自🇹🇼 泛科學的創辦人鄭國威的📹 演講，他在演講中分享了他做科學傳播的歷程。

以下是我對這段內容的摘要，並非逐字引用：

他們在做內容選題時，除了現實地判斷一個主題會不會紅之外，也會判斷它屬於哪一種速度的知識。

快知識，像是新聞，今天不講，明天就被其他新聞蓋過了。
中速的知識，像是科技趨勢，它變化很快，但背後有很長的脈絡。表面上每天都有新消息，但如果只追著新聞，就只看得到浪花，而看不到海流。像是 AI、半導體、太空、能源、生醫等議題。
慢知識，不急著搶今天的流量，也不為了趕上明天的話題，它需要把問題慢慢拆開，看它的歷史、方法、爭議與人性。

快知識會用 3 分鐘的泛科學新聞短影片；中速的知識會做 10-15 分鐘的影片，但目標是提供一張入門的簡易地圖；慢知識用慢科學系列長影片，因為這種知識太難壓縮，需要理解科學家如何問問題、如何採樣、犯過什麼錯，又如何修正，最終可能也不會有明確的答案，只是一個暫時可信的理解。

他也分享他的科學素養：「快的時候要能判斷，慢的時候要能停留」。我們現在很習慣讓所有事情都變快，使用倍速播放、快速摘要、短時間內精通 XXX，但有些東西不能精通得太快，太快精通的，通常就是誤會得很完整。

在 AI 時代下，或許判斷什麼知識該用什麼速度去理解是一項非常重要的核心技能。

聽到國威分享慢知識那段時，深感理解大型軟體專案就是在學一種慢知識。在開源貢獻 Apache Kafka 的過程中，完全就是在處理其中的歷史、方法、爭議與人性。這個專案已經 15 年了，仍有許多處理即時資料的系統在使用它。在這種有歷史、使用者又多的系統裡，同一個功能往往有很多種實作方式。真的做下去時，又可能會跟使用者或是其他開發者的想法有衝突。在一個開源專案中，當主要投入維護的公司有自己的商業考量時，技術方案的取捨也會受到影響。

在與 AI 協作開發 Kafka 時，也常因為太多歷史的痕跡讓 AI 被誤導，像是之前在修改文件時，有留下一個轉址的檔案，這個檔案是為了仍在某些地方被使用的舊網址而存在的，但從專案中完全無法看出這一點，AI 根本不知道該拿這個檔案怎麼辦，只會一本正經地說幹話。

軟體開發的方式雖然有劇烈地改變，但作為一份工作本身，仍然是在理解歷史、釐清需求，以及和不同立場的人協調。

說到底，或許沒有一件事能脫離處理歷史、方法、爭議與人性。

我只摘要了很少的一部分，整部演講 24 分鐘都非常精彩，還有談到這些有趣的主題：

1. 局部的戰敗被包裝成哲學立場
2. 情緒很滿、證據很薄
3. 科學的脾氣：晚一點下決定
4. 科學傳播是替觀眾找到入口，溝通工程不等於討好
5. 比喻只是鷹架，理解了就要拆掉
6. 注意力與準確性的取捨
7. AI 時代的科學素養，要更會問來源、更會分辨「整理得很好」跟「講得對」

非常推薦大家去看。