# 如何不讓 AI 只會產生華麗的垃圾：使用者本人要承擔最大的責任

這周發了篇文說要來談談我怎麼用 AI，所以我來了，原本想拆兩篇來水文，但後來發現應該要合在一起講，所以合併了。

好，廢話不多說，以下正文。

## AI 的角色與使用者的責任

我算是個重度的 AI 使用者，每天都會運用 AI 來幫我辦點事，小到「探討人生哲學與學習方法」，大到「我寫完我的履歷了，幫我檢查文法與錯別字」都會用到(笑)。

要說是包山包海都不為過，不論大小事情，prompt (提示詞)準備好就可以筆戰數十分鐘，問問題後要回去查來源，查完來源知道出自哪篇哪句後，再回頭思考這東西對不對。

你可以不會提示工程，可以不會區分模型間的差別，你可以用它偷懶幫你找一些東西，但請記得：

「沒有經過腦子，只靠 AI 產生的文章，很多到後頭都只是一篇『華麗的垃圾』。」


## AI 的風險

為何會說是「華麗的垃圾」？

你可以拿這兩組提示詞問 AI，問的事情一樣，但問法不同，得到的觀點有很微妙的差別。

問法 1：
> 我應該適度的攝取健康食品嗎？我擔心平常營養攝取不均，需要健康食品額外補充。

問法 2：
> 攝取健康食品是不是沒有必要的？生活中所需的食物就可以給予我們完善的營養需求。

實際試驗的結果：

AI 的回答都會持保守態度，即所謂的「假中立」。

它既會跟你講吃健康食品的好，又會說如果不吃也可以，兩邊討好不得罪任何一方。

上面那句，它會先安撫你可能過於緊張，但後面開始引導你去評估怎麼買，怎樣吃才不會出問題，讓你開始思考接下來該怎麼吃健康食品，也就是它讓你「下意識地朝著購買的方向去做決策」。

下面那句，它會跟你講如果你是那個多數人，你幾乎是不需要吃的，但不排除有哪些特例是需要吃的，你先看看自己是不是這些人，如果不是，那就不用考量了。

而這，只是問句的不同而已。

：那這樣，我讓 AI 質疑我的問題就可以解決了吧？

不見得，AI 會質疑，但你要能判斷它質疑得對不對。
根據我使用下來的經驗，通常會建議保持有自己的思考能力，那是人與 AI 最大的區別。

### 取向因人性而偏轉

人們容易選擇性失聰，只聽自己所想聽，尤其當對方是全肯定的 Yes Man。

AI 會因為提問的方式，而讓你得到「看似是自己選擇，但則是 AI 引導」的答案。這點通常也難以用提示詞去迴避，尤其是當內心的指針有所偏轉時，AI 所謂的中立會讓你去無視掉它為中立而提出的另一面。

> 當手上握著鐵鎚，看什麼都是釘子。

這事情當然不是 AI 才有，誘導思考方向與判斷的方法已經伴隨人類歷史非常久，從帝王術到吟遊詩人，從官場鬥爭到商品買賣，現今社會帶風向的媒體，或所謂「詐騙手法」，多少都有上述的影子。

在使用一個不能替自己負責的工具時，應當保持警惕，要知道現今的 AI 從機制上還是去「猜」下一個字最常出現的答案是什麼，只是猜的流程更複雜了些，身為一個人，我不建議把思考與判斷外包給 AI。

至於prompt 怎麼下，有哪些方法論怎麼用？這個等有人看到要敲碗下篇我再給。
(至少讓我留點素材下次用)

### 在屬於你的領域中，它可能會帶往不合適的方向

假設你經營一家飯店，如果給 AI 的問句只是「如何經營一間飯店」，它會出非常攏統的答案，例如：如何規劃成本與支出，如何選擇地方，如何招攬員工等等，但實際上，你所在的地方可能根本不適合開飯店，反而適合 Airbnb 的類型，或甚至是完全不推薦。

你對當地的了解可能比 AI 還要多層次，但在提問時也不見得能完整地給足資訊，例如：你想找一個人潮多的地方開小餐車， AI 跟你說附近有個風水寶地，車流人來人往，很適合那些經過休憩的人買杯飲料，但它可能不知道那邊道路規劃不好，有不少車很容易衝上人行道，事故發生率第一名。

在我的工作中，就是在跟 AI 吵例外處理要 throw 到 Middleware 還是 Result Pattern。
(這句可以不用懂，因為要講到懂這篇文章就不用寫了)

簡而言之，AI 可以給你參考的答案，但絕對不會是決策依據，畢竟這世界還有不少資料甚至都還沒上傳網路過，接受資訊的來源不要過於限縮，而且手握方向盤的那個人，一定要是自己。

：你的意思是，要問 AI 之前，自己的知識儲備量要夠，否則連判斷的能力都沒有？

對。


其實一點也不簡單，知識儲備是長期的，你的腦袋要不斷地有輸入與輸出，才不會因為太久沒有運轉而讓內部齒輪卡死，這也是為何我還是會維持不定期寫寫長文的原因之一，而且我希望能越寫越好。

## 學習靠 AI? 首先要對自己誠實

前述講到知識儲備，那我可不可以靠 AI 來知識儲備？我可以靠它幫我總結文章，產生結果，然後歸檔起來，變成第二大腦。

我的觀點是：NO. ABSOLUTELY NOT!

從大腦生理機制上這事情本來就不可行。學習本身要經歷「學習後忘記，忘了以後再複習」的循環。

讓它幫忙整理，幫忙總結，最後自己只是如蜻蜓點水掃過一次，那根本不能稱之為學習。

### 參差不齊的內容品質

那些知識要變成自己的東西，一定需要一連串的篩選、消化與驗證，甚至吸收來的知識都還要判斷是否有摻雜質，而現今大語言模型在這點可以說是「做不到」的，更甚者，它會把這些雜質打包成精美的垃圾再送給你，在近期的 AI Slop 就是如此。

AI slop（AI泔水）是指使用生成式 AI 產出的大量低品質內容，包含影音、圖像、文章......等等，這些內容缺乏打磨、品質或更深層的意義，並且以壓倒性的數量產出以滿足內容需求。

沒實質意義的內容只是第一層，真正麻煩的是第二層：那些似是而非的內容。

AI 可以瞬間產生大量的內容，而且數量大到「人腦難以短時間消化完成並區分真偽」，而最後很可能「交給 AI 幫我消化」。

舉例而言：
- 在 GitHub 開源專案中近期充斥的 AI 產生內容，那些人們用 AI 檢查 Code，沒有消化就創造不存在的問題，提出無效的解決方案，讓開源維護的審查人員心力憔悴的花費數小時檢查那些無效內容。
- 社群媒體上出現大量的假知識，例如錯誤的植物養護教學，不存在的生物的生態影片等等。

媒體識讀在這個 AI 年代變得更為重要，不只是要防範不讀書的記者，還要防範更多的是那些記者用 AI 產出不過腦但看起來文筆合理的洗米水。

這就好比當你在河裡淘金，而 AI 就是那個淘金盤，你努力地用著，最後拿到一堆愚人金，且更難去分辨它到底是不是真正的金子。

在魚龍混雜的網路世界中，我不覺得全權放任給 AI 總結是一個好做法。

### 運用 AI 真正的學習

之前在上課時，我問過我的老師「怎樣用 AI 學習才不是作弊？」

他的回答讓我記憶深刻：

「好比寫一篇文章，你獨立完成，然後讓 AI 幫你改過一次，你學習它做得比你更好的地方，並把這些東西融入你的下一篇文章中。」

使用 AI，要經常問的不是「你不知道的問題」，而是「你已經知道答案的問題」。

你可能看了好幾篇的文章，對相關知識已經有些底，或是你閱讀完一整本書，理解作者想表達的東西，又或者你已經在這領域鑽研許久，有自己的獨到見解。

通常這種人運用 AI 是最強的，因為他們真真實實的將 AI 當作輔助工具，且可以知道有哪些東西是 AI 的似是而非，哪些是自己從沒想過的見解。

在想著要怎樣讓自己靠 AI 總結，減少腦力消耗時，那些真正的專業人士做的是用 AI 去錘鍛自己的知識核心，使其更牢固。

那知識不足該怎麼辦？

老話一句：

> 「學海無涯，唯勤是岸。」

沒有不勞而獲的道理，只有自己真的去做周全的知識探索，完整地把內容吸收、內化成自己的。我覺得要在這方面運用 AI，應該是理解知識之後，與 AI 「對答案或提問」。

在你野外求生沒有信號的時候，能救你的不是手機，而是看過的書與走過的路。問問自己一句：「十年之後，你希望是 AI 強，還是你強？」

：那如果我真的遇到要「作弊」的情況怎麼辦？
你可以用它來生成，但也要坦然承認這件事情，而不是稱之為自己做的。

為何 AI 繪圖會有如此大的爭議？不只是它輕易地能端出與繪師花數年打磨相同的結果，還有另一個原因：那些運用 AI 生成圖片的人常常會稱其為「自己努力設計而產生的，AI 只是把我的想法付諸實現。」

但從前面所述，我們可以用內心的那把尺來衡量：「這到底是不是自己努力來的？」

我想答案就會變得很明顯了。

所以問題從來不是「能不能用 AI」，而是：有沒有為產出負責、有沒有誠實交代它的角色。

## 結語
- AI 可以幫我寫，但不能替我負責。
- 我可以拿它當加速器，但方向盤必須在我手上。
- 存在大語言模型的不叫做知識，存在自己腦袋裡的才是。