生成式AI正徹底改變科學研究的第一步，成為研究人員尋找靈感與腦力激盪的新橋樑。文章探討AI如何降低尋求靈感的心理門檻、分析資深與新手面對AI的不同反應，並提供實用的AI反向思維技巧，教導讀者在資訊氾濫的AI年代中，培養去蕪存菁的關鍵眼光與決策能力。

香港AI培訓學院導師文恩澄出席Quality People DSE記者會，分享AI與未來職場趨勢，指出學生不必盲目追AI工程，而應學懂在自身專業中應用AI。

隨著AI和自動化接管流程規劃與數據匯總，「高效交付」對中層專才的價值正快速貶值。文章指出，許多專才思維仍停留在「如何更好地執行」，而非「是否應該執行」，這在資源決策上顯得力不從心。中層專業人士必須從「交付者」轉變為「決策錨點」，強化難以被自動化的「判斷力」和「結構化思考」。這場轉型是為了確保專業價值，避免在效率浪潮中被邊緣化，轉向提供深度分析與價值評估的決策輸入。

學AI，懂電腦科學，係優勢，但唔係唯一路 成日都有人問：「冇Computer Science底，咁適合去學AI、甚至深入研究AI嗎？」呢個問題喺AI發展得咁快嘅年代，好多人都會思考。有啲人會覺得冇技術底就難入門，但事實上，AI早已唔再只屬於程式員。 我本身並冇Computer Science背景，但而家已經教緊AI，學生之中甚至有讀過CS嘅人。呢個經驗令我更加確信：學AI唔係靠學位，而係靠思維同方法。 以前，要同機器溝通，真係要靠代碼；而家，AI識得理解語境、聽得明自然語言、甚至能夠推敲人嘅情緒。換句話講——AI嘅「聰明」，唔再只屬於寫程式嘅人，而係屬於懂得表達、懂得提問、懂得整合嘅人。 AI唔止屬於技術圈 以前嘅科技，係一門技術；而家嘅AI，係一門語言。NLP（自然語言處理）令AI學識人嘅語氣同意圖。所以今日，識用AI唔一定要識programming，反而要識得點樣「講清楚自己嘅想法」。 好多非技術背景嘅人都發現，AI唔係睇你識幾多，而係睇你幾清楚知道自己想要乜。你講得清楚，AI就幫到你；你模糊，AI都會迷失。可以話，AI唔係你嘅替身，而係你思