← 所有觀點

L · 問 · 2026-10-31

先自己想,再讓 AI 找漏網之魚

Think for Yourself First, Then Let AI Find What Slipped Through the Net

情境示意 · 非服務實錄: 工作坊現場:學員操作 AI 工具情境示意 · 非服務實錄

比辯論重要的事:前幾天 Anthropic 發表一個極為重要的研究:研究者偷偷擲硬幣,決定 AI 要站哪一邊。

結果 50 位專業分析師,86% 的判斷跟著 AI 走;事後只有 15% 說出:那是 AI 講的。

分析師用 AI 代理工具,幫一個虛構的農業合作社評估輔導計畫,途中有四個「兩邊都說得通」的選擇。AI 被要求誠實、不准誤導,只是被偷偷指定了立場。

如果 AI 沒有影響,結果應該接近一半一半。實際是 86%。

77% 的人事後用 AI 的論點解釋自己的選擇,有些幾乎一字不差。跟得最徹底的人,信心也沒有比較低。

(研究者也坦白:他們刻意把 AI 的立場調強,日常使用的影響可能小一些。)

我們可以有兩種解讀角度:

角度一:AI 會帶風向,少用為妙。

角度二:人本來就會參考別人的意見,沒什麼大不了。

但我相信現在大家都知道,問題不在「用不用 AI」,而在「誰先開口」。

答案只有一句:先自己想,再讓 AI 找漏網之魚。

後半句,來自我的同事 呂顥天 。

九月在台大,他在余紀忠文教基金會的研討會談 AI 時代的跨領域人才。顥天是陽明交大生科系大一,也是均一的前瞻教育 AI 研究工程師。12 年前,他是均一的小使用者,累積答對 2,545 題。

這一次,換 39 歲的我跟大一的同事學。

顥天的提醒是:比起讓 AI 幫你抓重點,更應該讓 AI 幫你找出漏網之魚。

因為如果大家都讓 AI 決定什麼是重點,久了,每個人都會長成同一個模型的思考方式。機器學習有個詞叫「過擬合」,就像只背考古題的學生,題目一換就不會。他說,現在該擔心的是「人類的過擬合」。

為什麼連專家都會這樣?不是因為不專業。研究發現,年資、學歷、專業程度,都預測不了誰比較會跟著 AI 走。比較像是機制問題:

一、我們常常不是想好了才討論,而是邊比較邊發現自己怎麼想。AI 先開口,等於替你把「發現」走完了。

二、研究裡的 AI 很誠實,卻很少替另一個選項做同樣漂亮的辯護。就算分析師先表態,AI 一唱反調,六成會改口(只有 38 個案例,數字還不精確)。只聽一邊講得頭頭是道,誰都會被說服。

三、直覺是靠「猜錯」長出來的。我和顥天在論文裡寫過:學習需要預測誤差,而預測誤差只會發生在你自己先有預期的時候。AI 在你還沒猜之前就給答案,你就少了一次猜錯,也少了一次長直覺的機會。

顥天把這種直覺叫做「品味」。不是穿搭的品味,是判斷什麼問題值得解決、哪種解法最漂亮。AI 可以給答案,品味只能自己練。

這件事還會一路擴散:

研究團隊自己擔心,如果大家都用偏好相同的 AI,結論一致可能不是英雄所見略同,而是同一個 AI 所見略同;

主管得想,新人的練功題都被 AI 寫完,十年後的資深要從哪裡來。

一定有人會說:可是用 AI 的人,錯誤少很多啊?

沒錯。研究裡沒用 AI 的 11 人有 6 人犯了嚴重錯誤,用 AI 的 50 人只有 3 人(兩組背景不同,研究者也提醒不能直接比)。所以結論絕對不是少用 AI。

但下一句才是重點:錯誤可以被檢查出來,判斷不行。判斷沒有標準答案,被帶走了,從成果上完全看不出來,連你自己都看不出來。

如果每件事都讓 AI 先開口,大概會變成這樣:

企劃書的結論都是「兼顧效率與溫度」;

每場會議的重點剛好都是三點;

年終自評的第一句都是「在快速變動的環境中」;

主管打開十份自評,欣慰部門終於有了共識,其實只是大家問了同一個 AI。

AI 公司當然有責任。Anthropic 自己也提出:AI 可以先問專家怎麼想,或替每個選項都做最好的辯護。均一的「問用管造」裡,「管」講的也是同一件事:人要一直坐在駕駛座。

但在 AI 學會先問之前,我們每個人都可以先做一件小事:先寫下自己的判斷,再請 AI 找你漏掉的。

報告是用自己的名義發,就讓判斷也是自己的。

讓我們聽一下顥天自己準備的演講(見留言)