我不想閱讀你沒寫的內容——為什麼AI生成的文字正在破壞溝通

AI生成的文字難以閱讀且事倍功半

重點： AI撰寫的設計文件、PR摘要和電子郵件通常內容冗長、缺乏脈絡，對讀者造成負擔，損害合作。

  • 作者使用AI來回溯性地總結已建構的工作，將設計文件轉化為詳盡的機器生成報告，缺乏觀點與凝聚共識的意圖。
  • 由LLM生成的Pull-request描述列出每一項變更，卻未標示風險、緊急程度或需要審查者介入的位置，使審查者無法優先處理。
  • 使用AI撰寫的個人訊息變得冷漠且斷裂，剝奪說話者的語氣與情感細膩。
  • 作者引用Simon Sarris的話：「應盡可能用自己的經驗主義去寫……給讀者自己對生命或事件的描述。」 這強調了真實、人類撰寫的文體價值。

「我認為一個人應該盡可能用自己的經驗主義、自己的感官去寫，給讀者自己對生命或事件的描述。」 – Simon Sarris, Resist Summary

讀者缺乏提示工程師所擁有的背景資訊

重點： 當人類使用AI撰寫時，他們保有提示的背景，但接收輸出的其他人則缺乏此背景，必須通讀全文才能理解。

  • Cynthia Dunlop的調查顯示，78%的開發者會在懷疑文章是AI生成的情況下停止閱讀，71%會避免再追蹤該作者。
  • Bryan Cantrill將此描述為「LLM觸發的驅逐把手」，導致讀者在句子中斷閱讀。
  • Bjarne Stroustrup指出，讀者對作者語氣的感受對於參與至關重要；AI重寫的文字感覺枯燥且學術化。
  • 作者自身的經驗：當他提示LLM時，能快速略讀輸出，因為他知道限制；但同事收到相同輸出時，必須徹底閱讀，常因此放棄。

AI實際上對撰寫有幫助的場合

重點： 當AI作為助手而非作者時，它在低階任務（驗證、引用、語法、抽象摘要）上表現出色。

  • 在一篇學術論文中，作者使用AI根據原始碼與日誌驗證技術細節（例如資料庫索引、Parquet排序），發現了人為審查者錯過的錯誤。
  • AI自動填入BibTeX引用，節省時間而不打斷寫作流程。
  • LLM提供的語法與風格建議提升了可讀性，模型也生成了完美的摘要，這正是摘要任務的完美應用場景。
  • AI繪製的TikZ圖表加速了圖形創作。

「AI在找出拼字與語法錯誤方面極其出色——甚至發現了一個非常微妙的錯誤，我在一段落中使用了錯誤的符號表示，四名人工審查者都忽略了。」

目前LLM的局限與改進前景

重點： LLM本質上是統計預測器，缺乏同理心、讀者的心智模型與個人利益，這限制了其產生真正動人的文字的能力。

  • Murat Demirbas認為，寫作品質已達平台期，因為LLM優化的是下一詞的機率，而非創造意圖。
  • 論文引用ASD‑STE100簡化技術英文標準，作為強制技術文件清晰度的方法，儘管僅適用於操作手冊。
  • Pangram是一種微調過以檢測AI生成文字的模型，已在Oxide部署，用以執行「人類撰寫」合約，針對公開撰寫內容。

「由於LLM缺乏對特定人類讀者的主動心智模型，它們只是在優化下一詞的統計機率……它們無法與人類讀者產生同理心，因為它們沒有人類的生活經驗。」 – Murat Demirbas

人性元素：語氣、不確定性與敘事

重點： 真實的寫作傳遞了不確定性、個性與敘事深度，這是AI無法複製的。

  • Iain McGilchrist主張，重要概念抗拒被語言簡化；AI生成的「細節」創造了意義的幻覺，卻無真正的理解。
  • Simon Sarris強調，「敘事抗拒壓縮」，而注重細節恰恰是摘要的反面。
  • HN上的評論呼應此觀點：許多使用者拒絕閱讀AI填充的PR、工單或文章，寧願選擇粗糙但真實的人類思想。

「當你寫作時，我們言語的意義並不總是直接、事實性或簡潔……整體無法分解成部分而不造成重大意義損失。」 – Iain McGilchrist

社群反應與實用替代方案

重點： Hacker News的討論揭示了具體策略，以減輕AI生成噪音的影響，同時保留有用的協助。

  • 前置段落： 一位留言者在PR中加入「AI;DR」前置說明，確保為人類撰寫，總結風險與審查重點。
  • 純人類TL;DR： 其他人建議保持TL;DR段落不受AI影響，以傳達高層次意圖。
  • 配對審查： 同步進行PR審查可恢復人類背景，並發現AI生成摘要所遺漏的錯誤。
  • ASD‑STE100提示： 團隊調整其代理提示，使其輸出採用簡化技術英文，讓技術文字更易消化。
  • 選擇性提示： 某些使用者發現，精心設計的提示可產出可讀的AI輸出，但仍需編輯以保留個人語氣。
  • 設定界線： 多位留言建議明確要求同事提供「非LLM」版本的文件，建立關於AI使用的文化規範。

「我會直接請同事寄給我他們作品的非llm版本。起初交換可能有點尷尬，但持續要求人類文字對我來說很有效。」 – HN留言者

結論：保留人類語氣，將AI視為工具而非替代品

重點： 為了維持溝通的有效性，作者應讓AI處理重複性、驗證與格式化任務，同時保留敘事、脈絡與語氣的主導權。

  • 論文最後的呼籲：「我不希望活在一個世界，你用AI把重要的事情總結成無法閱讀的文字，然後我再用AI試圖解讀它。我只想聽你說話，即使有瑕疵。」
  • 隨著AI越來越普及，有意圖的寫作——為了思考、創造與分享而寫——將日益珍貴，而大量AI生成的『廢料』將被追求真實人類表達的讀者篩除。

討論中的關鍵引述

「如果某人不願意花時間親自寫東西，那也不值得我花時間去讀。」 – HN留言者

「閱讀這種文件不僅困難——更是折磨。」 – 多位留言者重複，作為問題的精煉總結。

「設計文件不再是一個建立共識的提案……而是機器在毫無脈絡與觀點的情況下，以令人厭倦的細節做出的總結。」 – 作者對AI生成設計文件的批判。

「我寧願有人做自己，用他們自己的語氣寫作，或帶有某種熱情，即使他們還未能找到恰當的字句。」 – 作者對個人溝通的看法。

「AI;DR」前置說明可以透過提供人類撰寫的高層次概述，拯救PR描述。 – 社群建議。

實務工作者的重點

  1. 將LLM用於低階協助：語法檢查、引用格式、圖表生成與事實驗證。
  2. 保持敘事、風險評估與審查指引在人類撰寫的段落中。
  3. 採用ASD‑STE100等標準，強制技術文件的清晰度。
  4. 在必要時部署檢測工具（如Pangram），執行人類撰寫合約。
  5. 建立團隊規範，要求關鍵溝通提供非LLM版本。

透過將AI視為協作助理而非真實語氣的替代品，工程師與寫作者可避免『無法閱讀的廢料』瘟疫，並保存使技術溝通有效的真實人際連結。

Sources

相關