DIGITIMES
林一平
國立陽明交通大學退休終身講座教授暨榮譽教授、中國醫藥大學教授
現為中國醫藥大學醫療資訊學系講座教授,曾任科技部次長,為ACM Fellow、IEEE Fellow、AAAS Fellow及IET Fellow。研究興趣為物聯網、行動計算及系統模擬,發展出一套物聯網系統IoTtalk,廣泛應用於智慧農業、智慧教育、智慧校園等領域/場域。興趣多元,喜好藝術、繪畫、寫作,遨遊於科技與人文間自得其樂,著有<閃文集>、<大橋驟雨>。
被聽見不等於被相信
義大利哲學家兼小說家翁貝爾托·艾柯(Umberto Eco, 1932~2016)認為社群媒體讓過去只在酒吧裡發言的人,如今與諾貝爾獎得主擁有同等的發言權。這句話在英文世界常被轉述為「無數的白痴」(legions of idiots),要旨則很清楚:公共言論曾經受專業與問責過濾,如今這層過濾已經鬆動。新冠疫情提供清楚的例子。「疫苗植入晶片」「5G傳播病毒」「喝漂白水殺菌」等說法在各大平台流傳,世界衛生組織甚至以「資訊疫情」(infodemic)稱之。2018年發表於《科學》的研究,分析Twitter(現稱X)上的謠言傳播,發現虛假消息被轉發的機率比真實消息高約7成,觸及1,500人所需的時間約只有真實消息的6分之1。研究同時排除機器人帳號的影響,指出關鍵在人:人們更願意轉發新奇、令人驚訝或厭惡的內容。人的偏好是傳播的起點,平台的排序機制則把這種偏好一再放大。艾柯說的並不是限制言論自由。社群媒體確實讓邊緣群體與少數議題獲得前所未有的能見度,這是不能抹煞的貢獻。真正的問題是發言與權威被混淆:人人可以說話,不等於人人的說法同樣可靠。當真相與謠言在同一個舞台競逐注意力,競逐標準往往是情緒強度,而非證據品質。生成式人工智慧使這種混淆更難察覺。過去,信譽建立在可追溯的作者身分、編輯把關與同儕審查上,每一句話背後都有人準備好承擔後果。如今,內容大量由演算法生產與分發,形成一種「機械化的信任機制」。這種信任是被製造出來的:平台以排名邏輯與分享數、按讚數等社會證明,營造出「多數人已經驗證」的錯覺;生成式模型則以流暢的語氣與合乎規範的格式,模擬權威資料的外貌。過去的權威來自有人願意為一句話負責,現在的權威則來自一句話看起來像有人負責。這兩者的差距,正是數位信譽危機最難察覺的地方。2023年美國的Mata v. Avianca, Inc. 案正是例證。律師向法院提交ChatGPT編造的判例,引述與格式宛如真正的法律文書,律師甚至回頭詢問ChatGPT這些案例是否真實,得到肯定答覆便信以為真。法官最終對律師及其事務所處以5,000美元罰款,並要求他們通知被冒名的法官。這個案件的教訓不只是AI會編造。真正的問題是:當形式上的完備取代實質審查,專業人士便把驗證義務交給形式上的權威。那麼責任該由誰承擔?只苛責使用者並不公平,因為推薦邏輯由平台設計,獲利也主要歸平台;但完全免除使用者的判斷義務,同樣不切實際。這裡有一個不易解開的張力:平台愈強調自己只是「中立管道」,就愈能迴避編輯責任,它的排序機制卻實實在在地決定什麼被看見。較合理的做法是分層負責:平台負責風險評估與演算法透明,內容生產者負責來源可查,使用者負責基本的查證習慣。歐盟《數位服務法》已朝此方向嘗試,要求大型平台公開推薦系統的運作原則、評估系統性風險,並向研究者開放資料。然而演算法透明化並非單純的技術揭露,而是牽涉個人資料保護、商業機密與公共利益的多方博弈,如何取得平衡仍在實務中摸索。獨立的事實查核網絡與內容來源標示,則補足制度之外的檢驗能力。回頭看酒吧的比喻:酒吧裡的話本來就不必負責,所以也不必被當真。今天的問題在於,平台把酒吧裡的聲音接上講堂的擴音器。網路上人人都是節點,既是資訊來源,也可能是誤導來源。當信任被自動化,聆聽便不再是一種判斷,而是一種預設。每個聲音都值得被聽見,卻不必然值得被相信。把「被聽見」與「被相信」重新區分開來,讓兩者各自接受檢驗,也讓權威重新建立在可追溯的責任之上,才是數位時代重建信譽的起點。
2026-11-19
機器停止運轉之後,人還剩下什麼?
馬斯克(Elon Musk)多次描繪同一幅圖景:人工智慧終將取代人類大部分工作,人只要享受生活就好。他近年更常談「普遍高收入」,山姆·奧特曼(Sam Altman)等矽谷人物也有類似的後勞動想像。這些話很動聽,卻留下一個問題:一個不再被需要的人,要拿什麼來享受?收入可以發放,意義卻沒有辦法發放。一百多年前,E.M.福斯特(E.M. Forster)已把這個問題寫成一則寓言。我認為真正的問題不是機器會不會停止運轉,而是它停止運轉時,我們還剩下多少能力。1909年的《機器停止運轉》(The Machine Stops)裡,人類退居地底,各自住在六角形的小房間,食物、音樂、教育與通訊全由一台全球性的機器供應。人們極少觸碰彼此,透過螢幕般的裝置交流,並把機器奉為信仰。那時網際網路與智慧型手機都還不存在,福斯特寫的卻像今天低頭滑手機的日常。最狠的一筆,是主角瓦希蒂(Vashti)過得一點也不痛苦。她向從未謀面的聽眾講課,需要什麼按個鈕就有,對身體接觸感到排斥,認為地表危險而死寂。這是「只要享受」的完成形態:沒有匱乏,沒有摩擦,也沒有任何理由起身。我們對螢幕的依戀多半同樣不是被強迫,每一次不出門、不動手,都有一個舒服得無可挑剔的理由,我自己也不例外。她的兒子庫諾(Kuno)是唯一的裂縫。他想用自己的雙腳踩上真正的大地,找到出路,看見草地與山丘,隨即被機器的修復裝置拖回地底。他沒有逃成,但他要求的,正是機器最無法供應的東西:一份由自己的身體確認的真實。故事結尾,地底文明隨機器崩潰,被放逐到地表的少數人卻有機會活下來。他們是因為選擇離開而得救,還是只是恰好被機器拒於門外?小說沒有交代他們過著什麼生活。逃出系統與擁有自由未必是同一件事,因為自由不會在機器消失後自動降臨。它是一種能力,而能力要靠時間養成。免於勞動並不對每個人都是損失。對長年從事重複又耗損身心的工作,或扛著沉重照顧責任的人來說,解脫是實實在在的好事。我在意的是解放與退場的界線。解放是擺脫束縛,去做自己重視的事;退場是不再被需要,於是慢慢停止做任何事。退場不一定痛苦,它往往以舒適、無痛、無聊的形式出現:人不是被禁止行動,而是再也找不到非行動不可的理由。那麼勞動之於人到底是什麼?異化的勞動不值得懷念,今天許多工作正是如此。我要保留的不是特定職業,也不是替「有意義的工作」立一座神壇,而是勞動裡的練習、判斷、負責與承擔後果。手被磨出繭,判斷被現實糾正,錯誤留下疤痕,人才慢慢知道自己是誰。問題不在工作辛不辛苦,而在這份辛苦是否屬於自己。若一切都由機器代勞,我們免去的不只是辛苦,還有笨拙、失敗與痛苦,而這些正是為自己的選擇負責的代價。一個從不需要犯錯的人,就不必真正做決定。庫諾在地表只站了一會兒,但已足以讓他分辨被供應的生活與自己活過的生活。便利本身不是危險,危險在於我們把免除一切摩擦當成目的,卻忘了人是在摩擦裡才長出選擇的能力。機器停止運轉之後,真正要問的不是誰來發收入,而是我們還剩下多少能力,去過一種不必被供應的生活。
2026-11-11
推銷資訊服務的態度
微軟(Microsoft)總部某個會議室的牆壁上印有一句話:「當面對艱難的決定時,我們只需問自己什麼最適合客戶,那麼決定就會很簡單。」這句話值得所有資訊服務業者深思。資訊服務商在推銷產品時,應審慎評估產品是否真正符合客戶的需求。帕卡德(Vance Packard, 1914~1996)在1957年出版的暢銷書《隱形的說客》(The Hidden Persuaders)中,批評部分業者以誘導手段向消費者兜售不必要的產品。他指出,1955年的汽車製造商偏好大膽的色彩,1956年則轉而強調柔和的色調;同年出產的打字機與電話色彩繽紛,用意大概是讓消費者對自己使用的樸素黑色款式感到不滿。換言之,賣家常藉由「心理淘汰」,也就是改變產品的顏色與樣式,讓消費者認為手上的產品已經過時,進而購買新品以提升銷量。這種做法的特點,在於製造的是主觀的不滿足感,而非客觀的效益提升。需要釐清的是,業者引導潛在需求與製造虛假需求之間存在差異:前者是協助客戶發現原本未察覺的實際助益,在道德上尚有討論空間;後者則是在產品效益並無提升時,刻意使客戶產生不足感,在商業倫理上值得商榷。判斷的界線,在於客戶獲得的是實質效益,還是僅有心理上的刺激。書中另一個例子,則顯示業者如何利用消費者的自我價值感。大賣場的貨架上曾堆滿蛋糕添加物,其實製作蛋糕只需要水,但家庭主婦總覺得好蛋糕不可能那麼簡單。行銷人員的對策,是讓她們參與更多製作步驟,於是蛋糕公司改為指示買家自行添加雞蛋與牛奶,銷售額隨之增加。兩個案例的手法雖不同,本質卻一致:業者訴諸的是消費者的心理感受,而非產品的實質效益。帕卡德所批判的手法,在今日資通訊產業並未消失,反而以新形式出現。我將這種現象稱為「iPhone現象」(iPhone phenomenon),係指新一代產品發表時,原本性能依然良好的舊產品因消費熱潮而被大量汰換。以蘋果(Apple)iPhone為例,每逢新機發表,許多愛好者便在當天一早到門市排隊購買。當然,汰換的動機難以一概而論,其中有一部分源自客觀的功能需求,另一部分則可能來自主觀的不滿足感。對業者而言,這股熱潮固然是商機,但也應體認到,新技術往往存在尚待解決的不穩定因素,若只為搶先推出而忽略品質,客戶最終承擔的是使用上的風險。更值得業者自省的是軟體更新的做法。手機應用服務商經常透過網路遠端更新軟體,並宣稱是為了使用者的利益。然而,部分使用者反映,某些更新後的軟體耗用較多運算與記憶體資源,使舊手機運行變慢,形同變相促使使用者放棄仍然堪用的裝置。此一現象的實際成因與普遍程度,仍待更多研究佐證,但業者不宜忽視這類疑慮。此外,許多預先安裝或積極推薦的應用程式,例如清理工具、防毒軟體、省電工具、記憶體最佳化設定與預設瀏覽器,許多客戶鮮少使用。負責任的業者應當採納帕卡德的忠告,在產品設計與更新策略上以客戶的實際需求為準,而非堆疊用處不大的附加品。回到微軟會議室牆上的那句話,面對艱難的決定時,業者只需自問什麼最適合客戶。帕卡德的洞察則提醒我們,最容易偏離這個問題的,正是銷售壓力迫使業者訴諸心理戰術之時。因此,業者可將客戶的實際效益納入產品週期的評估指標,並在每次軟體更新前進行對舊機型的效能影響測試。唯有秉持誠信,將客戶的實際需求置於短期利益之前,才能建立長久的信賴關係,使決定回歸簡單。
2026-11-04
AI算力會成為「新石油」嗎?
1973年石油危機時,世界學會了為石油停下腳步。掌握石油的人未必統治世界,卻有能力讓世界停下來。隔年,在美國國務卿季辛吉(Henry Kissinger)推動的美沙戰略合作,以及財政部長賽門(William E. Simon)參與的盈餘回流安排下,能源、安全與美元金融體系緊密結合,石油美元(Petrodollar)逐漸成形。它不是一紙強制契約,而是市場慣例、安全保證與金融深化共同作用的結果。半個世紀後,排隊的不是加油站前的汽車,而是等待高階晶片的科技公司。2026年8月,美國戰略暨國際研究中心(CSIS)的研究人員詹森(Benjamin Jensen)提出從石油美元走向Token美元(Tokendollar)的構想。據該文,這個構想不只涉及美元穩定幣(Stablecoin),也主張建立算力相關的期貨市場,並以經過驗證的AI工作成果,而非原始Token數量,作為計價依據。該中心的吉里尚卡(Navin Girishankar)更早主張將先進AI晶片出口許可與美元結算結合。這些仍是智庫的政策構想,不是已實施的制度。這個構想的起點有一處邏輯上的推論缺口:石油埋在地下,開採邊界雖能被技術推移,存量終究有限;算力卻可以被技術重新發明。因此真正的問題不是算力能否成為「新石油」,而是這項資源的霸權保鮮期有多長。我將「霸權保鮮期」定義為某種技術、資源或制度的市場支配力,在替代方案取得足夠規模之前能維持的時間。它不是有無的問題,而是長短與可延長性的問題。要讓這個概念可以檢驗,可以觀察3個指標:替代技術成熟的速度、使用者轉換平台的成本,以及領先者將技術優勢制度化的能力。三者決定保鮮期的長短,也是本文後續判斷的依據。石油的稀缺是動態的。頁岩油革命並未讓地球多出一滴油,卻改寫「什麼叫做可開採」。算力也是如此。矽不稀缺,稀缺的是極紫外光(EUV)微影、先進封裝、高頻寬記憶體(HBM)與電力組成的製造能力,而這些能力集中在台積電、ASML、NVIDIA與美國雲端企業手中。供應鏈集中,確實像石油。但石油燃燒後即消失,算力卻是設備持續提供的服務,經濟邏輯更接近電力與通訊網路。更關鍵的是,演算法能直接改寫需求。透過模型蒸餾(Distillation)、量化(Quantization)與稀疏化(Sparsification),同一項任務可能只需原本一小部分算力。這不是發現新油田,而是讓工作不再需要那麼多「石油」。效率提升未必讓總需求下降。十九世紀的傑文斯(William Stanley Jevons)發現,蒸汽機更省煤,煤炭用量反而更大。機制在於效率提升降低單位成本,成本下降刺激需求;當需求擴張的幅度超過單位資源的節省幅度,總消耗便會增加,後稱傑文斯悖論(Jevons Paradox)。這是條件式的結果,而非必然。AI也可能如此:每個Token愈便宜,全球算力需求可能愈龐大。然而需求成長不等於定價權增加。供應者增多、替代品湧現,定價權會從「控制供給」轉向「控制標準與生態」。市場愈大,不代表霸權愈強。Token美元要複製石油美元,必須釐清4件常被混為一談的事:美元計價、美元結算、穩定幣使用量,以及美國公債的新增需求。它們分別對應交易規模、貨幣持有需求、準備資產配置與資金淨流入,彼此不會自動連動。從以上觀點出發,可以檢驗3道關卡。第一關是技術控制:全球是否必須依賴美國控制的算力。美國在前瞻模型與高階晶片確有優勢,但開源模型、專用加速器與本地部署,讓許多日常應用不必依賴最先進的晶片。第二關是貨幣結算:美元計價不等於美元結算。台灣醫院可以購買美國雲端AI服務,產生美元支付,也可以本地部署開源模型,主要支出則是設備與電力。吉里尚卡本人也承認現有晶片出口協議並未附帶結算貨幣要求,這意味著第二關目前只能仰賴自願。第三關是資金回流:企業收到的美元可能用於買設備、發薪水或投資海外,未必流入美債市場;銀行存款轉成穩定幣,也未必是淨需求增加,實際效果取決於準備資產配置與資金替代關係。石油美元本身說明以上3道關卡的獨立性。美國從未控制全球石油生產,第一關並不成立,但美元計價與資金回流仍然實現,靠的是美國金融市場的深度。這意味著第一關未必是必要條件,真正不可缺的是結算與回流,而這兩者取決於金融制度,不取決於資源控制。在3道關卡之外,還有計量單位的問題:原始Token難以通約。石油有統一報價,電力有標準化的千瓦時(kWh),Token卻沒有跨模型的統一價值單位。同樣1,000個Token,在不同模型、硬體與推論方式下,成本與價值可能天差地遠。或許有人反駁,石油在標準化之前也沒有統一報價。差別在於,石油的標準化發生在物理層面,例如API重度與含硫量,可以被檢驗;Token的價值取決於模型能力、推論品質與任務匹配度,這些屬性難以在交易前被獨立驗證。但這個批判只針對以原始Token計價。提案者的解方,是改以驗證過的工作成果計價,並建立期貨市場。這並未讓問題消失,而是把它轉移:誰來驗證成果,誰來定義什麼算有價值的成果。誰掌握驗證標準,誰就掌握新的定價權,這正是可能被制度化的優勢。若晶片出口許可與美元結算正式結合,美國確實可能設下技術與金融的雙重收費站,但收費站能否長存,取決於別人能否另闢路徑。另闢路徑的力量正在出現,其中最值得注意的是邊緣AI(Edge AI)。當醫院、工廠與農場能在本地完成大量推論,需求便不必都流向跨國雲端。但這裡必須分開2件事:算力在地化,與技術及金融自主化。一家台灣醫院把影像診斷模型部署在自己的伺服器,推論不再經過跨境雲端,卻仍可能使用美國設計的晶片、軟體授權與美元計價的服務。因此在地化是自主化的必要條件之一,卻不是充分條件。對Token美元的含義是:邊緣AI可能縮小跨境雲端Token流量,卻不必然削弱美國的技術與金融連結。傑文斯悖論讓算力市場擴大,邊緣AI讓算力分散,兩者可以同時發生。這不代表霸權必然短命。先進晶片需要巨額資本,軟體生態系難以複製,HBM與先進封裝的供應鏈高度整合,管制也能延緩擴散。用前述3個指標來看,保鮮期取決於3種速度的競賽:替代技術成熟的速度、使用者轉換平台的成本,以及領先者把優勢制度化的能力。轉換成本愈高、制度化愈深,保鮮期愈長。算力霸權與美元霸權也並非命運共同體。美元的護城河是金融市場深度、支付網路、法律制度與交易慣例,不是晶片。算力霸權可能先衰退,美元霸權卻繼續存在;反過來,美國即使繼續領先AI,也不保證全球AI服務都用美元。Token美元最值得追問的是:美國能否把一項終將被稀釋的技術優勢,轉化為壽命更長的金融制度優勢。對台灣而言,供應鏈的重要性不等於價值分配的主導權。硬體標準往往由軟體與生態系定義,利潤也傾向集中在平台層。若價值分配集中於模型與平台層,台灣的晶片市佔率再高,議價空間也可能受制於高度集中的下游客戶。因此台灣真正該追求的,是把晶片優勢延伸到軟體、模型、系統整合與高價值應用。當全球競逐每秒能產生多少Token,台灣更應追問每單位算力能換來多少實際成果,例如醫療診斷準確率的提升、製造良率的改善,或單位用電所產出的產值。1973年,世界學會了為石油停下。AI時代的問題是,世界是否還需要為算力停下。石油時代的競爭,是爭奪誰能控制稀缺;AI時代的競爭,卻可能是爭奪誰能讓稀缺不再構成限制,以及誰能定義什麼才算有價值的智能。決定霸權保鮮期的,不是今天誰擁有最多算力,而是明天誰能讓別人不再需要依賴它。
2026-10-22
利比多經濟與AI時代的未來城市
現代城市發展正面臨一場經濟範式的轉換。傳統經濟模式依賴物質資源、勞動力與實物生產,文創經濟則以創意與文化內容為核心,開啟新的價值創造路徑。法國後現代主義哲學家讓-弗朗索瓦·利奧塔(Jean-François Lyotard, 1924~1998)在1974年出版的《利比多經濟》(Libidinal Economy)中提出的概念,為檢視這場轉換背後的欲望結構提供具批判性的視角。利奧塔的「利比多經濟」根植於對馬克思政治經濟學與佛洛伊德精神分析的雙重批判。這裡的「利比多」(libido)並非僅指性慾,而是泛指一切投資於對象、身體與符號之上的情感能量。他認為傳統經濟學過度仰賴理性計算與效率最大化,忽略經濟活動底層不斷流動的「欲望之流」(flux of desire)。「強度」(intensity)則指這股能量在特定瞬間的聚集與爆發,尚未被意義與價值固定下來。利奧塔並未簡單讚頌欲望,他同時指出,同一股能量既能帶來創造,也可能被資本體制吸納。日本次文化是觀察這種能量的典型場域,因為其商品以情感投入與迷戀作為流通的燃料。以《新世紀福音戰士》(Neon Genesis Evangelion)為例,作品以少年角色的焦慮與自我懷疑為敘事核心,觀眾因此產生強烈共鳴,並自發形成龐大的二次創作社群。動漫中的速度感與斷裂剪輯,不只是美學技巧,更是不經明確語意、直接作用於感官的強度。文化評論家東浩紀在《動物化的後現代》(2001)中以「資料庫消費」描述御宅族如何拆解作品中的角色與設定,再依自身偏好重新組合,這說明迷戀本身就是一種生產活動。這些能量也不停留在螢幕上,東京的秋葉原由店鋪、展演與街道構成,正是欲望之流在都市肌理中凝結的痕跡。然而,秋葉原近年的觀光化與連鎖化也顯示,次文化空間同樣會被資本重新整編,這正是利奧塔所指的雙重性格在城市中的具體呈現。人工智慧的興起使這個議題更加複雜,風險需分2個層次來看。在工具層次,生成式AI能在數秒內產出圖像、音樂與文字,輔助個人創作並降低表達門檻,風險相對有限。在基礎設施層次,當AI成為推薦系統、城市管理與資源分配的底層架構時,它便不再只是工具,而是決定何種欲望得以被看見的結構性力量。哈佛學者祖博夫(Shoshana Zuboff)在《監控資本主義時代》(The Age of Surveillance Capitalism, 2019)中指出,企業蒐集使用者的行為痕跡,藉以預測甚至塑造未來行為。短影音平台依據停留時間排序內容,便是常見的例子:創作者為了迎合演算法而調整風格,原本多元的表達逐漸趨同。城市空間也面臨類似的重新編碼,哪些街區被導航與地圖推薦、哪些店家被看見,愈來愈由平台邏輯而非居民決定。關鍵不在於AI是否參與創作,而在於它被設計來放大個體的差異,還是被用來複製同質化的消費偏好。針對基礎設施層次的問題,可以設想3種城市構想,並正視其現實摩擦。其一是非功利性的公共感知空間,例如沒有消費動線與商業招牌的光影與聲音廣場,但必須面對土地成本與維護經費由誰承擔的問題;其二是動態迴饋的情感互動裝置,由人工智慧、物聯網與虛擬實境協作,依人群節奏調整燈光與聲景,但仍須處理「集體節奏」是否可能被少數群體主導的問題;其三是去中心化的社群記憶廊道,居民可藉AI共同創作在地敘事與公共藝術,直接回應演算法壟斷可見性的困境,卻也要面對AI共創內容的著作權與詮釋權歸屬。這些難題說明,情感導向的都市設計不能只靠技術,而必須搭配明確的治理權責、經費機制與資料倫理規範。必須坦白指出,《利比多經濟》原本是對「大敘事」與「理性體系」的解構,利奧塔刻意避開批判者的立場,也拒絕區分「真實」與「虛假」的欲望,更不提供任何城市規劃方案。本文使用「收編」一類語彙,其實隱含一個相對純粹的欲望,這與利奧塔的立場存在張力。將其延伸至都市發展,屬於後設詮釋與應用,價值在於提供檢視技術與城市的問題意識,而非可直接套用的藍圖。據此,本文主張未來城市的評估指標不應只有GDP與效率,還應包括2項可檢驗的標準:市民能否在城市中遭遇未經演算法預測的經驗,以及能否參與未被商品化的集體記憶生產。前者對應公共感知空間與情感互動裝置,檢視推薦與管理系統是否保留意外的空間;後者對應社群記憶廊道,檢視公共文化是否仍有不以交易為目的的生產場域。若這兩項標準無法被滿足,再先進的智慧城市,也只是把欲望更有效率地納入計算。
2026-10-20
辨識AI偽造
有人問我如何辨別AI偽造的內容,我想起南宋岳珂在《桯史》裡記下的一則故事。岳珂是岳飛的孫子,嘉定庚午年(西元1210),他在臨安一場宴席上遇見一張名為「冰清」的古琴。琴腹銘文寫著唐代大曆年間由蜀郡雷氏斫成,貞元年間再修。席上的葉知幾以博古知音自命,一見便斷為至寶,力勸主人李奉寧買下。有人還從《澠水燕談錄》中找到同名古琴的記載,銘文年月全數吻合,眾人更加篤信。岳珂旁坐覺得不對勁,便起身細讀鳳沼內的題字,然後問了一句,貞元是哪個朝代。眾人答是唐德宗,他才指出題字裡的「貞」字,貝字缺了旁邊一點。宋仁宗趙禎在位時,「貞」字因避諱而缺筆,這是宋人的書寫習慣,唐代工匠不可能預先知道。偽造者自己是宋人,習以為常的避諱不知不覺寫進要冒充唐代的作品裡,而那份吻合的書證,恰恰是他照著書抄出來的。800年後的今天,同樣的場面換了新的形式。2026年3月,中東局勢升高,社群平台上出現大量AI生成的影片,聲稱拍到伊朗飛彈轟炸特拉維夫,被數百萬人觀看。有用戶拿其中一段去問X平台的AI聊天機器人Grok,它斬釘截鐵地回答,那是當天從特拉維夫陽台拍到的真實畫面,這則回覆獲得160萬次觀看。查核機構NewsGuard卻發現,那段影片裡的街道空無一人,警報聲也與真實的特拉維夫飛彈警報不符。兩件事的破綻本質相同,造假者只模仿表面,卻沒能顧及內容所處的時空與地方脈絡。古琴的偽造者無意間洩漏自己的時代,假影片則洩漏它與真實現場的脫節。Grok在這裡扮演葉知幾,識破的人,用的正是岳珂的方法,拿一條真實世界的規則去核對。這個類比有一個限度。冰清古琴的破綻是一條確定不變的制度規則,深偽的視覺破綻卻會隨技術進步而消失,眨眼、牙齒、手指、屋頂重複這類線索,今天只能當輔助。所以更耐久的,是時空與出處這一層的核對,例如時間地點是否矛盾、原始出處在哪裡、當事人與可信機構有沒有回應。也別把查證外包給另一位葉知幾,無論是名人、演算法熱度還是AI聊天機器人,權威的一句斷語,都不能取代自己走近細看。所以面對可疑內容,不妨學岳珂起身走近,而且由內而外分3層。第一層是冷靜,情緒被觸動的當下先停3秒,暫不轉發。第二層是溯源,以關鍵詞搜尋原始出處,查看主流媒體或事實查核機構是否報導,並對照不同角度、不同語言、不同時間的報導。第三層才是細看,逐幀檢視邊緣、光影、聲音與文字,但要記得這一層的線索最容易隨技術消失,只能輔助前兩層。重大事件的澄清常在數小時到數日內出現,等待本身也是一種驗證。岳珂寫下這則筆記,起初只是記一樁見聞,800年後卻成了資訊時代的提醒。造假者能模仿內容,卻難以模仿內容背後的時代與脈絡,而破局的關鍵,始終是那個願意起身細看的人。
2026-10-13
生成式繭居族
生成式繭居族,指在COVID-19(新冠肺炎)疫情遺留的社交退縮基礎上,因生成式AI(如ChatGPT)提供低摩擦、高回饋的互動替代,使重返實體社會動機被進一步削弱的族群。波普康(Faith Popcorn)是美國知名趨勢觀察家,她根據1984年家庭行為數據,發現愈來愈多人傾向留在家中、避開外部不確定性,此現象後來被稱為「繭居」(cocooning)。她在1986年《紐約客》(The New Yorker)文章中解釋,此行為的核心是建立一道「安全外殼」,藉此隔絕經濟動盪與社會變動帶來的焦慮。當我第一次聽到「繭居」一詞,腦中浮現的是休斯(Howard Hughes)。休斯極具創造力,建立龐大商業帝國,擴展到拉斯維加斯的房地產、酒店、賭場與媒體事業,被公認是將拉斯維加斯改造為精緻都會城市的關鍵人物。然而晚年的他厭倦權力鬥爭,逐漸迴避社交,長年隱居,多年身心衰退後因腎衰竭去世。他的退隱源於疲憊與不信任,與波普康所述心理不盡相同,但都反映人面對壓力時,可能以退縮自我保護。這個案例雖與數位科技無關,卻或許預示:不信任累積到臨界時,任何能提供替代性安全空間的事物,都可能加速退縮。生成式AI,正是當代最容易取得的一種。波普康所觀察到的繭居,原指一般人因應不確定性而選擇居家,不必然涉及臨床心理疾病。不過也有人的退縮帶有社交恐懼或焦慮特徵:害怕他人眼光與評價,可能源於過去挫折或社交技巧不足,使其遠離社交,孤獨感加劇,思維趨於負面,面對壓力更容易陷入無力、無望與無助,進而拖延、喪失動機。繭居現象在COVID-19與生成式AI交互作用下被雙重放大,我稱之為「生成式繭居」。疫情迫使許多人為安全接受隔離,結構性地增加繭居人口,這群人既視限制為近似孤獨監禁的處境,又理解其保護用意;即使疫情淡去,這段經歷仍可能留下長期身心影響。當實體隔離轉化為常態性的數位依賴,智慧型手機與生成式AI便成了新一代的繭居推手,加深「數位繭居」(digital cocooning)的傾向。生成式AI可能透過2種機制推波助瀾:其一,AI提供近乎無條件、不批判的互動,對社交焦慮者近似低風險的社交替代,容易形成依賴;其二是認知卸載(cognitive offloading),思考與決策交由AI代勞,使用者的能動性與自我效能感隨之減弱。此外,發現AI能勝任原屬於自己的工作,也可能對存在價值感到茫然,擔心努力終究被取代。面對這樣的衝擊,繭居族群或許需要心理治療、社交技巧訓練與就業輔導,並循序漸進擴展社交圈,也可搭配數位素養教育,協助辨識AI互動與真人互動的差異;實體共學空間與社群活動則能提供低門檻的面對面機會。每個人都有缺點與挫折,沒有人能一帆風順走完人生,但只要願意努力,就有機會重燃熱情,走出繭居,重新投入社會。生成式繭居,不只是個人處境,而是這個時代共同面對的課題。當AI愈來愈像人,我們也需提醒自己,不要因此愈來愈像孤島般的繭居者;我們需要的,不是拒絕技術,而是仍練習選擇彼此。
2026-10-02
愛因斯坦一封信給AI時代的啟示
很多人問,自己的能力會不會被人工智慧取代。這讓我想起美國加州的杭廷頓圖書館(Huntington Library)保存的一封珍貴信件。1913年10月14日,阿爾伯特·愛因斯坦(Albert Einstein)親筆寫給南加州威爾遜山天文台台長喬治·黑爾(George Ellery Hale),詢問是否有可能在日間觀測到星光繞過太陽時的彎曲現象,而不必等待日蝕發生。事實上,早在1911年,愛因斯坦就發表文章預測,太陽的重力場足以讓恆星光線產生可觀測的彎曲,角度不到1角秒,這種現象可在日蝕期間透過觀測星星位置的偏移來驗證。1913年,他進一步寫信給黑爾,希望尋求不倚賴日蝕的觀測方式。黑爾回信說明,以當時的技術而言,唯有藉助日蝕遮蔽太陽強光,才有可能辨識出恆星在太陽附近的微弱光點。原本最接近的一次日蝕發生在1914年8月21日,德國天文學家弗倫德里希(Erwin Finlay-Freundlich)已組隊遠赴俄國準備觀測,卻因第一次世界大戰爆發,團隊在克里米亞遭俄軍短暫拘留,數日後才因戰俘交換獲釋,觀測計畫因此中止。這場意外中止,反而讓歷史避開一次誤判,因為當時愛因斯坦的預測角度尚不到最終數值的一半。戰爭期間,愛因斯坦持續修正理論,終於在1915年正式發表完整的廣義相對論,將星光偏折角度修正為約1.75角秒。1919年5月29日,英國天文學家阿瑟·愛丁頓(Arthur Eddington)率隊分赴巴西索布拉爾與非洲西岸的普林西比島觀測日蝕,兩地測得的星光偏移結果與廣義相對論的預測接近,為這套理論提供關鍵實證,也讓愛因斯坦一躍成為國際知名的科學人物。這封信的價值,在於展現科學思維的深層精神,提出問題,有時比找到答案更重要。而愛因斯坦這封信最耐人尋味之處,正在於它幾乎沒有提供任何答案,它只是一個問題,一個對宇宙本質的質疑與挑戰,後來又在戰爭的陰錯陽差中,意外得到修正與淬鍊的機會。在AI快速發展的背景下,這種人類思維的特質更顯珍貴。AI擅長處理大量數據與複雜模式,已在蛋白質結構預測、氣候模擬與天文研究等領域展現非凡能力,卻難以主動提出顛覆性的新問題。現今的生成式AI,包括大型語言模型,雖然能快速組合、歸納既有的資訊,卻缺乏人類那種因困惑而生的哲學性好奇心—那種明知無人能答,仍要提筆一問的衝動。它的強項多在於框架內的最佳化,而非超越框架的創造。愛因斯坦1913年的提問,當時幾乎無人能解,卻成為改寫物理學的起點,而中途因戰爭延遲的6年,反而讓理論本身更加成熟精確。他的直覺、想像與跨領域連結能力,正是AI所缺乏的人類核心素養。在AI時代,這封信也提醒我們,教育不應只著眼於技術培訓,更應鼓勵學生培養問題意識、想像力與批判精神。真正推動人類文明的,不只是解題的能力,而是提出新問題的勇氣。在答案觸手可得的時代,學會如何提問,或許正是人類智慧最終的堡壘。愛因斯坦那封寫於1913年的信件,就像一顆當時尚未被觀測到的星,提醒我們還有多少問題,始終等待著被提出。
2026-09-16
AI時代的唐吉訶德
「過多的理智反而是瘋狂,而最瘋狂的事,莫過於把人生看成它本來的樣子,而不是它應該成為的樣子。」塞萬提斯(Miguel de Cervantes, 1547~1616)《唐吉訶德》(Don Quixote)中的這段話,在400年後,竟意外成為映照AI時代的一面鏡子。400年前,唐吉訶德身披破舊盔甲,挑戰不存在的巨人,追逐早已消逝的騎士榮光。他的行為荒誕,卻又透著深沉的悲壯。400年後,人類站在AI革命的門檻上,似乎也面臨相似的困境:我們究竟該以清醒的理智直面AI帶來的顛覆,還是像唐吉訶德一樣,以幻想、恐懼或過度期待,來建構我們對AI的認知? 由此,一場辯論展開了。正方:我們就是唐吉訶德正方認為,人類確實像極了唐吉訶德。面對AI的崛起,我們投射太多不切實際的想像:有人將它視為能拯救世界的「巨人」,期待它解決貧窮、疾病與環境危機;也有人將它看作終將吞噬人類的「惡龍」,憂慮它取代工作、瓦解倫理,甚至終結文明。這些情緒,正如唐吉訶德眼中的風車與魔鬼,更多源自內心的恐懼與渴望,而非對現實的冷靜剖析。從這角度來看,我們對AI的狂熱與憂懼,正是現代版的「唐吉訶德式瘋狂」: 寧可用幻象對抗焦慮,也不願直面現實的複雜與混沌。反方:我們是唐吉訶務實的隨從桑丘反方則主張,人類並非唐吉訶德。唐吉訶德之所以可笑,是因為他完全無視現實,執意活在幻想中。然而,人類面對AI,雖然有情緒與誇飾,卻也同時展開嚴肅的應對:科學家為演算法劃定倫理邊界,政策制定者積極討論治理框架,產業界則致力發展人機協作的應用模式。若說唐吉訶德是單向度的瘋狂,人類至少展現理智與想像之間的拉扯與平衡。與其說我們是唐吉訶德,不如說我們正努力扮演隨從桑丘的角色:雖心存懷疑,仍以務實態度陪伴前行,在夢想與現實之間尋找可行之路。或許,真正的答案存在於兩者之間。唐吉訶德的故事提醒我們:若只剩下冰冷理智,世界將失去溫度與詩意;若全然受幻象支配,則會墜入荒謬與虛無。在AI的浪潮中,人類所需要的,既非一味恐懼,也非盲目崇拜,而是一種「帶著夢想的清醒」: 既能清醒認知「AI實際是什麼」,也敢於想像「AI應該成為的樣子」。歸根究底,問題不在於我們是否像唐吉訶德,而在於我們能否從他的荒誕與執著中汲取智慧。與其被純粹理智壓垮,或被虛幻期待支配,不如在理性與想像之間尋求平衡。AI,或許是這時代的新「風車」,而我們的選擇,將決定這場搏鬥是一則笑話,還是人類歷史的新篇章。
2026-09-09
閔可夫斯基的AI啟發
物理學家閔可夫斯基(Hermann Minkowski, 1864~1909)曾以一句名言革新人類對宇宙的理解:「從現在起,空間本身和時間本身注定要變為陰影,只有兩者的結合才能保持獨立的實體。」他將時間與空間統一為四維時空連續體。儘管他於1909年逝世,未能見證人工智慧的誕生,但他對高維幾何與統一框架的洞察,對現代AI的數學基礎與概念架構產生深遠影響。閔可夫斯基啟示我們,抽象集合可視為具內在結構與幾何屬性的實體。在機器學習中,資料往往存在於高維特徵空間中,例如一張圖片由數十萬像素構成,可表示為數十萬維的向量。這些維度並非獨立,而是共同形成一個連續且整體的幾何空間。數據點在此空間中的位置與距離代表資料之間的關聯性。這種觀點促使研究者運用幾何學、拓撲學與流形學習等方法,從高維空間中探索資料實際分布的低維結構。流形學習(Manifold Learning)的核心思想是:雖然數據存在於高維空間,但其本質結構往往嵌於低維非線性流形之中。AI的任務,正是揭露這些潛在流形,尋求數據的簡潔幾何表示。閔可夫斯基對距離度量的定義,也成為AI決策機制的數學基礎。他提出的閔可夫斯基距離(Minkowski Distance),即p範數(p-norm),為衡量資料差異提供統一框架。當p=1時為曼哈頓距離,適用於特徵維度獨立的情境;p=2時為歐幾里得距離,是聚類、分類與優化演算法的基礎,用以計算兩點間最短直線距離。在K近鄰演算法中,AI便依此距離判斷新資料點與已知樣本的相似性。這種距離度量已成為AI中表達相似與差異的核心語言。在相對論的框架中,閔可夫斯基強調對不變量的追求,即在座標變換下保持不變的量,例如時空間隔。這一概念同樣啟發AI模型在面對旋轉、平移或縮放等變化時仍能保持準確判斷。例如,卷積神經網路(Convolutional Neural Network)透過權重共享與池化層實現平移不變性,使模型能辨識移動位置的特徵;膠囊網路(Capsule Network)則更進一步,嘗試捕捉實體姿態,追求更強的視角不變性。閔可夫斯基開啟物理學的幾何化時代,也提醒我們:無論是物理的時空,或AI的特徵空間,其深層真理皆隱藏於結構與幾何之中。對當代人工智慧研究者而言,他留下的不僅是數學工具,更是一種從代數思維轉向幾何思維的視野,用以理解高維複雜數據的本質。
2026-08-27
智慧應用 影音