AI-Blindness：LLM 生成內容的認知摩擦

AI-Blindness 的出現

AI-blindness 是一種認知反應，人類大腦會下意識地識別並忽略 AI 生成的內容，這與網頁瀏覽中的「橫幅盲視」（banner blindness）類似。當使用者遇到遵循可預測 LLM 模式的文本或圖像時——例如過度的冗長、一種「精緻」但空洞的語氣，以及將微小細節框架化為突破性進展的傾向——就會發生這種現象，導致大腦將這些資訊視為雜訊而非訊號。

這種認知過濾通常會導致一種生產力悖論：雖然 AI 的設計目的是為了加速內容創作，但產生的「slop」（垃圾內容）可能會減慢接收者處理資訊的能力，導致需要增加來回溝通，以澄清那些在技術上存在但於認知上不可見的觀點。

AI 生成「Slop」的特徵

經歷 AI-blindness 的使用者可以識別出幾種會觸發這種心理斷路器的重複性標記：

語言模式

• 過度冗長： 用過於複雜或冗長的方式來描述簡單的概念。
• 可預測的術語： 使用特定的 AI-isms（例如短語如 "this cuts just through it" 或 "the first gate is real"）以及與 Claude 等模型相關聯的通用「陳腔濫調」語氣。
• 阻抗不匹配： 精緻、書本般的語法與缺乏對話性、人類細微差別之間的脫節。
• 低資訊密度： 語法正確且結構良好，但幾乎不包含實際意義或洞察力的句子。

視覺與結構標記

• 怪異的圖像： AI 生成的圖像乍看之下可能看起來正確，但仔細觀察後會發現包含「身體恐怖」（body-horror）元素或不合邏輯的細節（例如，一個看起來像是覆蓋著霉菌的 quiche）。
• 通用設計： 一種趨向於特定 UI 元件的趨勢——例如「pills」（藥丸狀按鈕）、過於繁雜的登陸頁面，以及過度使用深色模式和青銅色點綴——這些都標誌著 AI 輔助設計。
• 扁平化結構： 技術計劃或文件缺乏高層次的概念層級，反而呈現為細節的「扁平化義大利麵」狀。

對讀者的認知影響

閱讀 AI 生成的文本通常被描述為不是識字能力的失敗，而是溝通的失敗。使用者報告了幾種不同的心理效應：

• 認知疲勞： 強迫自己閱讀 AI 文本可能會讓人感覺像是在進行「創意工作」，為缺乏內在洞察核心的文字賦予意義。
• 處理失敗： 一些使用者描述了一種「短路」現象，即大腦識別出 AI 模式並立即得出結論認為不存在資訊，使得即使在內容不為空時也無法解析文本。
• 回憶問題： 有報告指出在記憶 AI 生成的內容時存在困難。因為內容缺乏獨特的「人類」錨點或洞察，它在腦海中變得難以記憶且難以捉摸。
• 「噁心感」因素： 對於「LLM 穿著人類皮膚」的一種本能反應，特別是當人類在鏡頭前或在播客中閱讀 AI 生成的腳本，並假裝內容是原創的。

專業領域的影響與對策策

在專業環境中，AI-blindness 正在為技術工作流中創造新的形式的「認知債務」和摩擦。

對技術工作的影響

• Pull Request (PR) 摩擦： 開發者報告解析解析 AI 生成的代碼註釋時存在困難，通常要求同事用單行、手寫的簡潔註釋來取代多行 AI 註釋。
• 文件化衰退： 雖然 AI 可以消除錯字並改善結構，但它往往無法提供必要的專家審核，導致文件在形式上「客觀上更好」，但在實質內容上卻更少用處。

緩解策略

為了對抗 AI-blindness，一些專業人士正在採用以下策略：

• 提示詞分享： 要求同事分享用於生成文件的原始提示詞（prompt），而不是冗長的輸出結果。
• 選擇性閱讀： 快速瀏覽 AI 輸出，以尋找「精華」（通常是第 2 和第 3 段），同時忽略開頭的「塗脂抹粉」和結尾的重複。
• AI-to-AI 處理： 將 AI 生成的文件餵回給另一個 AI，讓其將內容總結為幾個高密度的要點。
• 簡潔提示詞： 使用特定的模型（例如 Sol）來審查並激進地修剪過於冗長的 AI 生成散文，將其修剪成簡潔、資訊量大的訊息。