播放音檔（在新分頁開啟原站）連到 Super Data Science
摘要
訪談探討演算法危害、自動化對職場的衝擊、AI 在醫療救命的應用，以及在大模型時代數學與系統思維仍至關重要。聽眾可了解演算法恐懼的真正來源、數位勞工的未來、AI 如何改變醫療，以及資料專業者應具備的核心能力。
A podcast episode discussing algorithmic harm, the future of automated work, AI in healthcare, and the enduring value of mathematical skills for data professionals.
摘要、重點與章節標題由語言模型整理，細節（誰說的、數字、先後）可能有誤；要引用請以原始內容為準。
重點
- 演算法的危險不在複雜度，而在於不透明與強制使用。
- 若完全自動化，機器人產業可能快速擴張並改變實體世界。
- 掌握數學原理與系統思維，仍是區隔頂尖資料專業者的關鍵。
章節
依話題轉折切分，標題由 AI 產生
- 00:00演算法複雜度非恐怖源，AI 聊天機器人更危險
- 04:23大語言模型監控員工，終結牛仔式工作模式
- 08:58AI 監控白領工人，加劇不平等與去人性化
- 16:38Notion 推出自訂代理，打造協作式 AI 工作空間
- 19:20AI 醫療應用趨勢：成為患者 advocate 而非求醫
- 23:27澳洲企業家利用 AI 基因組學開發癌症新療法
- 26:07資料科學家強調，掌握底層數學仍具關鍵價值
- 29:40未來資料專業者需掌握全鏈條思維
適合誰看
對演算法倫理、AI 職場影響或資料專業發展有興趣的從業人員。
摘要依據
- 講者
- Jon Krohn
- 依據
- 語音轉文字
為什麼排在這裡
- 人氣
- 0.35
- 新鮮
- 0.80
在主題頁與搜尋結果裡，名次由相關、人氣、新鮮三個分數決定；這一頁沒有搜尋的關鍵字，所以沒有相關分數。排序怎麼算
相關內容
- 1024: In Case You Missed It in August 2026Podcast ・ Super Data Science ・ 34 分鐘
- State of the AI Industry - Episode 12Podcast ・ OpenAI Podcast ・ 50 分鐘
- Exclusive BTS of my Automated AI System (LIVE)影片 ・ Matt Wolfe ・ 3 小時 1 分（在新分頁開啟原站）
- What will automated firms look like?Podcast ・ Dwarkesh Podcast ・ 10 分鐘
- SITCON 2026｜AI 世代，畢業即失業？｜R0影片 ・ SITCON 學生計算機年會 ・ 40 分鐘（在新分頁開啟原站）
- AI, JD, and other letters of the lawPodcast ・ The Stack Overflow Podcast ・ 38 分鐘
摘要由 AI 根據原文產生，可能有誤；完整內容請看原站。播放音檔（在新分頁開啟原站）