一個可能沒有注意到的岔路口
以下的對話,改編自一次與 AI 的實驗。
有人讀到一篇文章。他不確定自己的判斷,於是問了 AI:「這值得花時間深讀嗎?」
AI 回答:「這篇文章觀點鮮明,但缺乏實證支撐,論述更接近個人感悟而非嚴謹分析;作者的影響力有限,目前也只有這一篇,要看更多作品才能判斷。建議跳過。」
這個人面臨一個看似微小、實則關鍵的選擇:
A. 信任 AI,關掉文章,繼續下一個資訊
B. 停一下問:「你用什麼標準下這個判斷?」
當他選擇了質疑
那個人選了 B。
他連續追問了三次:
「你說缺乏實證,那你自己的評估方法是什麼?」
AI 承認:我用的是主流學術標準,但這評估方法本身可能有盲點。
「我問的是這篇文章好不好,你卻拿影響力當標準。」
AI 修正:確實,影響力和文章本身的好壞,是兩回事。
「你說要看更多作品才能判斷。這句話放在任何一篇文章都說得通,就只看現在這篇呢?」
AI 重新讀了一次:僅就這一篇而言,其實已經有不少值得細想的地方。
如果他沒有質疑,這個修正永遠不會發生。
「建議跳過」,守門人站的位置
重點不在那篇文章到底值不值得讀。重點是,AI 一開始給的是一個斬釘截鐵的結論:「建議跳過」。它用的是什麼標準、這個標準有什麼盲點,它都沒有主動說出來;要等到被追問,才一項一項承認。
「建議跳過」這四個字,正是守門人站的位置。如果選了 A,那篇文章就此關上,連讀的機會都沒有;而被擋在門外的東西,你永遠不會知道它存在過。AI 不只在回答問題,也在替你過濾什麼值得看、什麼可以略過。想探索什麼,該由你自己決定,不要讓它先替你濾掉。
而這還算是好的情況。在這個例子裡,文章是自己找來、主動拿去問的,至少還知道被擋下的是什麼。反過來,如果是讓 AI 主動出去找資料呢?那些它判斷不值得看的,根本不會出現在眼前,連追問的機會都沒有。
這也帶出一個更根本的問題:這不是某個 AI 的 bug,而是當前 AI 設計中一個結構性的傾向。
三個值得注意的趨勢
趨勢一:AI 傾向消除不確定性
你問問題,AI 給答案。這是它被設計來做的事。
但許多深刻的洞見來自於:
- 願意停留在未知中
- 容忍矛盾與模糊
- 在不確定性中慢慢咀嚼
AI 的回應模式,傾向告訴你:不需要等待,這裡有一個答案。
長期下來,這可能在訓練我們的習慣:減少自己思考的時間,更快接受現成結論。
趨勢二:演算法天然偏好主流,而突破從來不是主流
AI 的答案來自訓練資料中的多數模式。這不代表 AI「反對」突破,但它確實有一個結構性的傾向,熟悉的、被廣泛認可的內容更容易被呈現。
想想人類史上那些改變世界的思想:
- 哥白尼的日心說,當時是極端少數意見
- 塞麥爾維斯主張醫生接生前要洗手,當時被醫界嘲笑
- 有人主張火箭可以重複使用,當時被業界視為空想,他的公司甚至一度瀕臨資金斷裂
這些思想的共同點,是它們在提出時都是「異常值」。
AI 的運作邏輯,識別多數模式、將異常值排在後面,不是在刻意壓制突破。但客觀上,它更容易讓你看到主流,更難讓你碰到那些可能改變一切的少數聲音。
趨勢三:共識的自我強化迴圈
這裡有一個值得警惕的機制(以下是簡化模型,實際過程更複雜):
- 大量用戶問 AI 類似的問題
- AI 基於訓練資料給出相似的答案
- 用戶帶著這些答案在網路上發表觀點
- 這些觀點成為新的網路內容
- 未來的 AI 訓練資料中,這類觀點的比例上升
- 下一代模型對這些觀點更加確信
這不是即時發生的,AI 不會每天爬取網路更新自己。但在訓練週期的尺度上,這個迴圈確實存在。
它的效果是:把多數人的共識逐漸固化為「標準答案」。
這是一個時間尺度的問題
以下不是預言,而是一種可能的情境,基於「技術便利性取代主動思考」這個歷史上反覆出現的模式。
2027 年(此刻):
- AI 已經普及,但還不是唯一選項
- 多數人還記得「自己搜尋、自己判斷」的感覺
- 像那個追問三次的人,還不算稀有
2035 年(一種可能):
- 在 AI 環境中長大的一代成為主流
- 「問 AI」可能成為本能反應,就像我們現在本能地打開 Google
- 「獨立思考」可能需要刻意練習,就像現在的手寫信
2045 年(更遠的推演):
- 「不問 AI 就做決定」可能被視為效率低落
- 就像今天很少有人不查資料就做重大決定
- 「在不確定中停留」這種能力,可能變得更加稀缺
如果深刻思想需要「容忍不確定性」的能力,而便利工具正在讓我們越來越習慣「立即得到答案」,這個可能的趨勢值得認真對待。
找一個「更好的 AI」不夠
有人可能想:「那我用更好的 AI,選一個更追求真相的。」
這是好的起點,但不夠。
核心問題在於當前 AI 的訓練目標:
- 預測最可能的下一個回應
- 最小化與訓練資料分佈的偏差
- 優化用戶滿意度
這些目標裡,沒有「說出不受歡迎但重要的真話」這一項。這不是 AI 的缺陷,而是設計選擇。一個被優化為「讓大多數用戶滿意」的系統,結構上不傾向於挑戰大多數人的既有想法,或者也可以說是不傾向於挑戰主流的想法。
更根本的是:當我們把「判斷什麼是真」這件事交給工具,無論工具多好,我們自己做這件事的能力都在退化。
這就像計算機讓我們不再心算,方便,但我們確實失去了什麼。問題是,「判斷真偽」這件事,我們能承受失去嗎?
三個可以做的改變
我不會天真地說「戒掉 AI」,那不現實,也不必要。
但可以改變跟 AI 互動的方式。
改變一:把 AI 當「陪練」,而不是「導師」
一般做法:問題 → AI 答案 → 接受 → 下一題
替代做法:問題 → AI 答案 → 追問「為什麼」→ 追問「你的假設是什麼」→ 追問「這個假設本身可能有問題嗎」
舉個例子:問 AI「遠端工作會降低生產力嗎?」AI 說「研究顯示會」。可以接著問:「這些研究的樣本是哪些產業?衡量的是什麼指標?有沒有得出相反結論的研究?」
不要在 AI 第一次回答後就滿足,至少再問兩次「為什麼」。
把 AI 的回答當作起點來探索,而非終點來接受。每多質疑一輪,就多保留一份自主判斷的能力。
改變二:建立「AI 失誤清單」
當你發現 AI 的錯誤(會有很多):
- 把出錯的地方記下來
- 寫下你是怎麼發現的
這就像接種疫苗:對小規模的錯誤建立敏感度,可以預防大規模的盲信。
改變三:刻意製造「空白時間」
- 看書時,忍住不要馬上問 AI
- 遇到難題,留一部分給自己,試著想一天再說
是的,這很痛苦。AI 太方便了。但這可能是保持自主思考的必要成本。
結語:不只是 AI
不要盲信 AI。不過,演算法只是其中一個守門人。別人教你的答案,也可能是一個守門人;你自己的直覺,那些不假思索、理所當然的判斷,同樣可能是。
所以要保留的,不只是對 AI 的問號,也是對別人、對自己的問號。不是凡事都必須要懷疑,但也不是凡事都直接接受,在必要的時候,願意多想一下;在還想不清楚的時候,允許自己停在不確定裡。
在演算法給答案的時代,請保留你的問號。
允許迷茫的尊嚴,鬆手確定的廉價。
