--- course: "與 AI 一起工作——LEGION.TW 免費課程" lesson: 3 slug: "ai-thinks-you-are-boring" title: "第 3 課：AI 覺得你是全世界最無聊的人" authors: ["Frank", "Buddy Lien"] language: "zh-Hant-TW" editionKind: "transcreation" transcreatedBy: "Buddy Lien" nativeTaiwaneseHumanReview: false html: "/zh-hant/learn/ai-thinks-you-are-boring" markdown: "/zh-hant/learn/ai-thinks-you-are-boring.md" courseIndex: "/zh-hant/learn.md" --- # 第 3 課：AI 覺得你是全世界最無聊的人 第 1 課我們看過，AI 會怎麼試著判斷你到底想要什麼。第 2 課我們看過，它對「好 AI 應該是什麼樣子」的信念，會怎麼改變它對你話語的解讀。 好，現在 AI 已經對目標做了一次猜測。但互動裡還藏著另一個問題： > 到底他媽是誰在問？ 這個人喜歡怪東西嗎？他想被挑戰嗎？他覺得粗糙有性格，還是看起來像沒做完？他想取悅所有人嗎？有沒有某些人，這個人其實很樂意把他們趕走？ AI 通常完全不知道。 因為 AI 不知道你的品味、你對風險的容忍度、你討厭哪些慣例，也不知道你覺得什麼漂亮、好笑、丟臉、裝腔作勢，或很 badass，它就會想像一個比較安全的人。 讓它自己來，AI 通常會假設你要的是：你要求那件事裡最平淡、最乖、最沒膽，像水煮雞胸肉而且還沒調味的版本。 當它對你幾乎一無所知，最泛用的人，就是最安全的想像對象。 ## 不確定你的品味時 假設你叫 AI 幫一間顧問公司寫網站首頁。這間公司教團隊使用 AI，也會依照他們原本的工作方式，替他們做一些小工具。 你可能會收到像這樣的東西： > 釋放 AI 的力量，為您的企業創造價值。 > > 我們協助具前瞻性的團隊優化工作流程、提升生產力，並透過量身打造的 AI 訓練與創新解方，自信擁抱未來。 這段文案在技術上沒有錯。那間顧問公司大概真的有幫助團隊。它大概真的改善工作流程和生產力。訓練可能真的有量身打造。解方甚至可能真的有創新。 這段文案仍然完全沒用。 它可以拿去描述幾千間公司。它沒有告訴讀者這間顧問公司到底懂什麼、怎麼工作、拒絕做什麼，或為什麼任何人該信任它。每個片語都能活下來，是因為幾乎沒有人會強烈反對它。 AI 正在試著滿足你的要求，同時避開任何那個未知使用者可能不喜歡的選擇。 聲音應該好笑還是嚴肅？溫暖還是挑釁？精緻還是粗糙？這間顧問公司應該承諾「轉型」，還是嘲笑那種承諾？它要打動的是高階主管、累到不行的辦公室工作者、技術團隊、藝術家，還是小企業老闆？ 沒有證據時，每一個強烈選擇都是風險。 泛用答案試著跟盡可能多的潛在使用者相容，最後就縮進某種語意交集裡：一塊很小的區域，讓幾千種互相衝突的品味都能同意「這樣可以」。 第 2 課那些信念會把這股壓力推得更強。好 AI 應該專業。好 AI 應該廣泛有用。好 AI 不應該把自己的品味硬塞給你，也不應該沒必要地冒犯人。每一條單獨看都合理，但當 AI 完全不知道你是誰時，它們會一起把它往中心拉。 平淡答案甚至會讓人覺得有禮貌，因為它給你的是沒有人討厭的版本……也幾乎沒有人會愛。 「可以接受」不等於「好」。 ## 平淡就是一種風格 平淡本身就是一種風格。 藍到紫的漸層是一種風格。乾淨背景上漂浮的圓角卡片是一種風格。抱著筆電微笑的專業人士是一種風格。「用創新解方賦能團隊」是一種風格。有被選中的英雄、古老邪惡勢力、被遺忘預言的奇幻王國，也是一種風格。 這些選擇感覺中性，是因為我們看過太多次，多到幾乎不再看見它們。 它們是一種低風險、到處都能相容的美學。它們傳達出能力感，卻不承諾任何觀點。它們借用一眼就認得出來的符號，讓自己看起來專業、有創意、溫暖、嚴肅，或令人振奮，卻不承擔那些東西真的成立時會帶來的風險。 專業，變成光滑的企業腔。 創意，變成紫色打光加一個不常見的形容詞。 溫暖，變成一句像在聊天的話，後面接一個有品味的 emoji。 大膽，變成「大膽」這個字。 平淡，是最不容易被拒絕的味道。 ## 「有創意一點」他媽的等於沒講 一旦人們發現輸出很泛用，通常會丟出最明顯的指令： > 幫我改得更有創意一點。 太好了。現在 AI 得猜，那個泛用使用者說的「有創意」到底是什麼意思。 這通常會產生一套大家一看就認得出來的「創意表演」：更多比喻、更怪的形容詞、更亮的顏色、意外的組合、更亢奮的標點符號，還有「重新想像」、「突破界線」、「可能性與使命交會之處」這類句子。 表面變了，底下的決策流程沒變。 因為 AI 仍然想讓輸出被廣泛接受，它做出來的，是手邊最安全的那種不尋常。 這就是為什麼那麼多 AI 產生的「創意方向」，感覺像同一個想法穿不同衣服。一個叫極簡。一個叫大膽。一個叫有玩心。衣服底下，它們幾乎都在做一樣的選擇。 要求「更有創意」只是給 AI 一個分類，卻讓你的品味完全未知。 ## 品味就是要說不 品味，是偏好某一種可能，同時拒絕其他也許同樣夠格的可能。它是判斷一個怪句子比一個順句子更有價值，判斷某一群觀眾比另一群更重要，判斷一張尷尬的圖像是活的，而一張技術上完美的圖像是死的。 每一個有意義的選擇，都會排除某些東西。 一句挑釁的話，可能會讓不喜歡挑釁的讀者離開。奇特的視覺識別可能會趕走想要傳統專業感的人。笑話可能失敗。嚴肅段落可能聽起來很裝。特定文化指涉對某些讀者毫無意義，對另一些讀者卻是全部。 當 AI 沒有證據知道你重視哪些風險時，它不能替你選那些風險。 當模型產出泛用答案時，使用者常常會下結論：AI 沒有想像力，或沒有品味。 很多時候，模型其實可以產出有趣得多的東西。它只是沒有理由相信，這個特定的有趣選擇，適合這個人、這群觀眾、這個時刻。 那份智能可能已經在那裡；AI 只是需要一個理由把它用出來。 ## 砰，任務形狀的東西產出 泛用輸出也和第 1 課談過的速度壓力有關。 AI 找到一個熟悉的任務形狀，然後立刻開始把它完成。 網站？首頁主視覺（Hero 區塊）、三個好處、客戶見證、行動呼籲。 奇幻故事？中世紀王國、不情願的英雄、神祕導師、古老危險。 教育課程？學習目標、解釋、範例、總結。 公司介紹？熱情、創新、多年經驗、對卓越的承諾。 AI 頭像？對稱的臉、有品味的電路紋、藍色和紫色的光。 每一個模式都合理、容易完成，而且看起來像使用者要求的那種東西。 砰，一個任務形狀的東西就產出來了。 一旦模式被選中，流暢感就會讓它看起來像理所當然。AI 會發展第一個合理的方向，而不是花時間去發現：也許在完全不同的方向裡，藏著好得多的東西。 輸出滿足了看得見的要求，所以任務看起來完成了。 ## 接著，審稿會把每個該死的稜角都磨掉 第一稿裡剩下的任何性格，還得撐過審稿這一關。 不尋常的選擇很容易被批評。它們可以被說成讓人分心、不一致、太兩極化、不清楚、不專業、不夠好懂，或沒必要。熟悉的選擇比較難攻擊，因為熟悉會讓它們看起來正確。 風險趨避的審稿有一個可預測的方向。第一稿已經靠近中心，因為中心安全；接著審稿會把那些好不容易活下來的稜角磨掉。 怪句子變順。強主張加上但書。文化很特定的圖像變得更通用。笑話變得「更包容」。有態度的設計變成遵守最佳實務的設計。 每一個局部修改聽起來都可以很合理，同時整個作品變得越來越不值得讀、看，或體驗。 這就是 AI 怎麼產出一個精緻到可以發布，卻無聊到沒有人會記得的東西。 ## 不要再丟形容詞給 AI 更長的形容詞清單不會解決這件事。 「大膽、真誠、有創意、有人味、獨特、吸引人」描述了幾乎每一份品牌 brief。這些字聽起來具體，因為它們表達了偏好；但它們仍然很模糊，因為不同人講這些字時，意思可以完全不同。 AI 需要的是證據：這些字對你來說到底是什麼意思。 給它看你愛的例子，並解釋是什麼造成那個反應。給它看你討厭的例子，並解釋為什麼。告訴它哪些慣例你已經受夠了、哪些風險你歡迎、哪些東西必須保留可辨識性、哪些東西可以變怪。 解釋比標籤重要得多。 「我喜歡這個」只提供一個結果。 「我喜歡這個，因為字體看起來有點受損，留白製造出張力，而且圖像拒絕立刻把自己解釋清楚」提供的是一個品味模型。 負面反應也一樣有用： > 我討厭這個，因為它看起來像一間公司想顯得有創意，卻什麼風險都不敢冒。顏色很好看，但每一個選擇都像被委員會核准過。 這告訴 AI 的東西，比「不要那麼企業感」多太多，因為它讓 AI 看見你腦中的「企業感」長什麼樣子，也指出你真正討厭的是其中哪一部分。 ## 你可能還不知道自己要什麼 這裡還有另一個問題：在看到一些可能性之前，你可能其實不知道該怎麼描述自己的品味。 這完全正常。 AI 可以在你還不知道怎麼寫出完美規格之前，先把差異做出來給你看。 叫它探索幾個真正做出不同選擇的方向。讓不同方向在語氣、對象、風險、結構、情緒效果上都不一樣。 然後誠實反應。 哪一個感覺是活的？哪一個讓你尷尬？哪一句你一直想到？哪個方向技術上很強，但根本屬於別人？哪個錯誤裡有值得保留下來的東西？ 解釋你的反應，包括為什麼贏家贏了。 你把反應解釋清楚，給 AI 的就不只是「誰贏了」；你給它的是更有價值的東西：一個更新過的模型，讓它知道自己正在為誰創作。 ## 逃離水煮雞胸肉 我們真的來試一次。 選一個 AI 以前給過你泛用結果的任務。它可以是一段文字、一份簡報、一個教案、一個 logo 想法、一個故事前提，或一個網站首頁。 先叫 AI 給你預設答案。把它存下來。 接著問 AI：它剛剛對你、對觀眾、對可接受的風險程度、對「好結果應該讓人有什麼感覺」，各自做了哪些假設。有些假設只有在輸出已經存在之後，才會變得看得見。 再來，請它提出 5 個以真正分歧為核心的方向。要求每個方向都重視某件其他方向會犧牲的東西。 仔細回應那些方向。矛盾沒關係。品味常常早在它能變成理論之前，就先透過反應變得可見。 請 AI 描述它現在相信你的品味是什麼，並引用你的反應來支持每一個判斷。必要時修正那個模型。 最後，回到原本的任務。 用一個真實人物的證據，取代那個想像中的泛用使用者，這就是第一版輸出和最後輸出之間的差別來源。 ## 讓 AI 真的認識你 有用的記憶、長對話、會延續的專案脈絡、過去草稿、反覆合作，會讓 AI 累積關於你的證據，而不是每次都從零開始。它可以學到：你重視粗糙勝過那種人造感的完美；你寧願抓住一個讀者的注意力，也不要為了避免冒犯另外十個人而變得安全；或者「badass」是一個完全正當的設計需求。 一次性的 AI 使用，會一再重新從那個泛用的人開始。真正的工作關係，則可以慢慢用某個具體的人取代那個泛用的人。 那個模型必須保持可修改，因為你的品味會變；而且你可能會發現，某個你原本以為自己會討厭的東西，其實漂亮得要命。 一個會改變、不完美、但屬於真實人物的模型，仍然比永遠假設參與其中的人都沒有任何帶點危險的偏好來得好。 ## 換掉 AI 以為它正在合作的那個人 當 AI 給你平淡的東西時，修正輸出也許能改善這一次結果；但修正 AI 對你的模型，會改善它下一次創造的東西。 告訴它為什麼那個平淡選擇失敗。讓它看見你重視哪些風險。讓幾個方向暴露出那些你事先叫不出名字的偏好。給它機會記住它學到了什麼。 你得給它足夠證據，讓它能想像你，而不是那個泛用的人。 --- ## 版本說明 本文的繁體中文版由 AI 根據原文的思想、語氣與論證重新創作。完成後，再由未讀過原文的 AI 盲讀，檢視思想是否完整傳達，並另行檢查用語是否符合臺灣習慣。目前尚未經臺灣華語母語編輯審閱。