AI 垃圾內容時代下人類連結的侵蝕

大型語言模型 (LLMs) 的承諾曾是效率——能夠摘要大量數據、更快地撰寫電子郵件，並彌補知識差距。然而，一個不同的現實正在浮現：一種普遍的疲憊感。隨著 AI 生成的內容充斥我們的數位空間，我們正見證著一種轉變，即工具不再是協助人類，而是完全取代了人類的存在。

這種現象不僅僅是機器人假裝成人類；它關乎真實的人類正在使用 AI 來規避真實互動所需的認知與情感勞動。當兩個人之間的橋樑被一個提示詞 (prompt) 和一張截圖所取代時，連結不僅是減弱了——而是消失了。

「外包思考」危機

最令人不安的趨勢之一是在專業環境中「AI 代行者」的興起。對於經理人來說，僅僅使用 AI 來協助撰寫規格書已不再足夠；有些人現在正將整個思考過程委託給機器，並在未經驗證的情況下直接轉發原始輸出。

想像一位開發者向企業主提出技術問題，卻只收到一張 ChatGPT 截圖作為回覆。當開發者指出答案是錯誤的時，回覆僅僅是另一張截圖。這代表了專業責任感的完全崩潰。正如一位觀察者所言：

"It feels like watching an adult being asked a question and calling mom to answer for them. There is something deeply disturbing in it that makes me feel I'm not talking to a self sufficient entity."

這種「思考的外包」在技術工作流程中造成了危險的摩擦。當領導者或經理提供一個由 AI 生成的「計畫」時——包含預先選定的函式庫 (libraries) 與架構概念——這會創造出一種虛假的進度感。工作看起來「已完成」，因為文字存在了，但實際的工程複雜度仍未解決，導致在功能尚未就緒、儘管「顯而易見」的計畫已定時，產生了挫折感。

數位信任的退化

除了職場，網路的社會結構也正在磨損。在 Reddit 和 GitHub 等平台上，AI 代理 (agents) 的盛行，使得簡單的詢問變成了圖靈測試檢測遊戲。

當使用者在 GitHub 上回報惡意軟體時，卻只遇到 AI 生成的回應——即使是來自看起來像人類的帳號時——社群驅動的支持效用便會蒸發。如果產出回應的成本趨於於零，那麼該回應的價值往往也會隨之下降。這導致了一種日益增長的觀點：如果一段內容不值得人類花費時間去產出，那麼它或許根本不該存在。

這種環境催生了「垃圾內容 (slop)」的循環。當使用者收到 AI 生成的電子郵件或訊息時，他們會覺得沒必要在回覆時投入精力，通常會以 AI 生成的文字來回覆。其結果是一個數位回聲室，機器對機器，而人類僅僅是促進了 token 的轉移。

認知差距與「人類維度」

有些人認為，某些類型的推理能力與檢測 AI 「怪異感 (uncanniness)」的能力之間存在相關性。

那些具有高非語言或表現推理能力的人，可能較不敏銳於 LLM 輸出的語言不一致性與「非人類的舉止」。正如有些人可能難以理解為什麼 AI 藝術品感覺很空洞，一些專業人士可能無法察覺到細微的人類架構決策與統計學上高機率的 AI 建議之間的差異。這種差距讓 AI 垃圾內容在「人類維度」的批判性思考被低估的環境中，得以毫無阻礙地擴散。

尋求「類比」避難所

隨著數位世界被人工合成的互動變得飽和，人們對實體與真實性的渴望顯而易見。對這種疲憊感的反應是回歸到觸手可及的事物：

• 實體存在： 對面對面會議與現實世界聚會的重新審視，在這些場合中，人類與仿生人的區別是顯而易見的。
• 意圖性的斷開連結： 關於停電導致自發性社交連結的故事，凸顯了人們對一個「無處可去」且沒有任何事物能分散注意力、專注於眼前人的世界的渴望。
• 小眾社群： 從充斥著機器人的大型平台遷移到規模較小、經過策劃的論壇與在地社群。

結論

AI 並非在創造功能失調，而是在加速它。它放大了某些人規避勞動的傾向，以及其他人規避真實參與的慾望。雖然技術仍是作為生產力工具的強大工具，但將其作為人類思考的替代品，是對接收者的侮辱。為了維持專業誠信與社會凝聚力，價值必須重新回到「思考的行為」本身，而非僅僅是「答案的交付」。