筆者最後想寫一篇，分享有關若非技術人士，可以怎樣最優化掌握人工智能的好處。
掌握用法和商業應用
一般若並非以電腦為主修學科，也一樣可以有效掌握科技。最簡單的方法之一，就是掌握其用法 (Use Case)、用戶處境 (User Scenario / User Story)、用戶流程 (User Journey)、用戶體驗 (UX: User Experiences)。
掌握這五者，加上學習相關應用軟件的用法，就大概夠用。例如不少人在做的掌握 MidJourney 和 Stable Diffusion 的用法。在大部份需要科技的商業公司，包括不少藍籌企業，都需要有科技產品設計 (Product Design)、商業發展 (Business Development)、巿場營銷 (Marketing) 等的人士。而以上這段的技能，就是大致都包括了產品設計上的基本技能。
而可以想像和明白：掌握了產品層，然後專業技術就去找技術人士幫助。這樣就會分擔到不同的功能和設計工作。
演算法和概念的學習
除了產品，也值得留意學習科技業內的演算法。演算法大多都未必需要高深的技術知識。例如人工智能的強化學習 (Reinforcement Learning)、Transformer Model（有勉強譯作「變換器」，是其中一種智能網絡模型）；或當中一些演算法例如 Gradient Ascent/Descent（梯度上升法 / 下降法）之類。這些都是類似科普知識，經閱讀都能掌握。
以前區塊鏈時代，筆者也是向人推薦可以學習演算法。例如拜占庭容錯演算法（去中心化的核心，BFT: Byzantine Fault Tolerant）、零知識證明（ZKP: Zero Knowledge Proof)、區塊鏈高速架構的優化設計、等等。這些科普知識，當中的設計包含了不少奧妙、有趣、而不深奧的邏輯方法。差不多若開個 youtube，10-15 分鐘都可以簡單講解。例如 Wired channel 向不同程度的人解釋上述的 ZKP，對談對象包括10歲和13歲的少年也能清楚明白（連結）。而且不單是用在電腦科學，是可以用在任何的領域當中。
下面左圖是 Transformer 的設計。而右圖是簡化圖解梯度下降法（演算法）的概念。
科技普及階段模型
以前筆者親自設計和分享的一個科技應用普及的階段模型。在這裡也貼一下。都是那些階段見過不少科技的普及次序後，歸納出的一個原理。科技可以有個分類：
1. 國家級。最尖端的科技是一般平民接觸不到。例如 Siri 便本來是由民企與國防合作投資開發的科技。互聯網本來也是，來自其前身 Arpanet。
2. 實驗級。一些已公開科技，但仍是很初步，資源甚少。與其說應用，不如說開荒。而且很不好用、不穩定。一般只會由科技人去接觸。
3. 普及工程級。具普及的 API。
4. 普及民用級。所有人都能接觸到的科技。例如瀏覽器、通訊軟件、Facebook、Google 之類。
通常任何在媒體已取得潮流的科技，都會是上述 2與3之間。會有很多普及功能，但若要找最先進的功能，很多仍是實驗級，需要很多整頓和除錯時間。
行業應用
怎樣將科技帶到其他行業中，使到其他行業也可以得著科技的好處。這是將科技普及化的意義和價值。而這一點，是需要不同行業中長期深造，深化明白不同行業原理的人員，與科技人員配搭，一起設計出科技工具，使到不同行業都能得益。這是科技普及的意義。
而這也是現代化，將學術成果能應用到「官、產、學、研」，並使到產業應用的生態，能回饋到學術和研究內，的系統方法論。
Stories Tech Biz 