每天一篇，
最輕鬆的 AI 新聞

70% 的 Z 世代說，他們擔心 AI 對就業的衝擊。蓋洛普同一份調查裡，四分之一的人說，如果智慧型手機從未被發明出來，會更好。這是第一個從小在智慧型手機環境裡長大的世代。 今年夏天，紐約出現了一個叫 Summer of Ludd 的活動：現場禁止攜帶手機，沒有任何社群媒體宣傳，參與者喊「不要 Gemini、不要 GPT、不要 Claude」。這股新魯德運動反的是演算法、隱私追蹤、科技對社交生活與睡眠的侵蝕。 有點好笑的是，這場反社群媒體的活動，是透過 TikTok 傳播出去的。 哈佛有個大學部學生問了一個問題：AI 時代還要讀書嗎？她靜不下心，讀不完一本書，覺得跟不上同學的讀書會。她收到的答案出乎意料：讀不了一本書，就同時讀十本。 拿起一本，讀了五頁，注意力跑了，放下，拿另一本。十本同時讀，每本的關係是輕的，少了「必須讀完這本」的重量，反而在不同的段落裡找到出乎意料的連結。 這個建議背後有個觀察：你試著把自己逼進一個對多數人都難的框架，從頭到尾、一口氣讀完一本書。學術界幾百年前就應付過同樣的問題，解法是摘要、主旨句、章節小標。整天讀書的學者，注意力本來就是短的，那些格式是配合人類大腦設計的。AI 讓資訊量爆炸了，你的大腦還是那個需要換氣的版本。 Summer of Ludd 的邏輯，跟那個讀書建議說的其實一樣。他們用 TikTok 組織活動，進了現場把手機收起來。活動結束了，手機又出來了。他們練習的是選擇的那一下，把注意力投向自己決定的地方。 下次讀到一半想放下，就放下，換一本。你一直都是這樣讀的。

1952 年，Grace Hopper 在一台叫 Mark I 的電腦前，把第一個編譯器寫完了。它做的事很簡單：讓人可以說「ADD」，機器自己翻成 010101。在這之前，寫程式等於直接對機器的語言說話。之後，人說的話，機器翻成指令。 這條路往後走了七十多年，一直走到今天的 AI 程式碼生成器。你說「幫我寫一個接收城市名稱回傳今日天氣的函式」，幾秒後程式碼出來，連文件字串都有，可以直接跑。AI 寫程式的速度，已經遠超任何人類工程師。 但這個工具的底層，沒有在「想」。 它讀過的 Python 可能比全世界所有工程師加起來都多。但它的工作機制是預測：根據訓練過的幾十億個範例，找出統計上最可能跟著出現的下一個 token。它知道「接收城市名稱」之後通常跟著什麼。為什麼，它說不上來。七十年前，Grace Hopper 的編譯器在翻。今天的 AI，還是在翻，只是翻的對象變成了你的語言。 這個翻譯機有個實際的問題：開發者大約只接受它給的 30% 建議。另外 70%，被看完直接刪。即使是那 30% 被接受的程式碼，測試發現大約有一半含有已知的安全漏洞，語法乾淨、看起來正確，但隱患藏在裡面。 就在同一個禮拜，芝加哥大學法學院宣布了一件看起來反方向的事：從今年起，一年級學生上課不能帶任何電子設備，連筆電都不行。學校說，它想給學生一個沒有翻譯機的空間，先讓思考自己跑一遍，再讓工具進來。他們用的是蘇格拉底式教學：教授問，學生當場回答，案例自己讀、爭點自己整理、邏輯自己推。這套訓練，是要讓學生在用 AI 之前，先有能力判斷 AI 翻出來的東西對不對。 AI 把翻譯做到了七十年前無法想像的程度。芝大說，在你讓 AI 替你翻之前，先自己弄懂你在翻什麼。兩件事同一時間發生，沒有誰對誰錯。 那 70% 被刪掉的 AI 程式碼建議，生成了，也消失了。芝大下學期的一年級，進課堂，桌上什麼都不擺，教授問，自己想。

明尼蘇達大學的研究員 Jie Ding 做了一個工具，叫 Academic Humanizer。他的邏輯很直接：現有的 AI 偵測器太不準確，常常誤判人類寫的文章是 AI，害無辜的學生被錯判成用 AI 代寫。他的工具幫使用者改寫句子，讓文章「更像人寫的」。 幾天後，《Nature》出了一篇報導，學術界吵翻了。 學術界開始討論：這工具是不是讓 AI 代寫更難被抓？但如果 AI 偵測器時不時把人寫的文章判成 AI，能不能被偵測到就不是重點了。 這後面有個更根本的問題：一篇文章交到你手上，你跟它的作者之間，還剩下什麼信任關係？ 學生交報告給老師，論文投稿給期刊，這中間有個隱含的默契：你說這是你做的，我就信你。Academic Humanizer 這類工具的出現，讓那個默契變得愈來愈難倚靠。 紐約市同一週凍結了所有帶有 AI 標籤的新教育軟體採購，先喊停、等共識。三個不同的群體同時出聲：隱私倡議者、教師工會、還有一批更廣的反對者。四千份聯署要求暫停兩年。 從這個凍結採購的動作你可以看到：在 AI 環境裡，信任該怎麼重建，現在沒有人有答案。 這不只是教育的問題。任何你收到的文章、報告、訊息，你現在都在默默做同一個判斷：這個人說他寫的，我信嗎？