企鵝不捨 啟發日記

親愛的，你今天過得好嗎？ 今天想和你分享的啟發關鍵詞是：「服務業」。 我們每天大概都生活在服務業裡。 早上買杯咖啡，是服務業；孩子去學校，是服務業；看醫生、搭計程車、銀行、保險、物流、餐廳、旅館、設計、娛樂，也都是服務業。 可是如果把時間倒回兩百年前，大部分的人其實不是在「服務別人」，而是在土地上工作。 人類的工作，是怎麼從田裡走進工廠，又從工廠走進辦公室、商店與電腦螢幕前的？ 這背後有一段很有意思的經濟史。 20世紀40年代，澳洲經濟學家科林・克拉克(Colin Clark)在《經濟進步的條件》中，把經濟活動大致分成三個部門： 第一級產業，是農林漁牧； 第二級產業，是製造與工業； 第三級產業，則是各種服務。 他觀察到一個長期趨勢： 當一個社會愈來愈富裕，勞動力往往會從農業走向工業，再從工業走向服務業。 想想其實很有道理。 農業機械化以後，原本需要一百個人的農活，也許二十個人就能完成，其他人於是進入工廠。 工廠自動化以後，原本需要一百人的生產線，又可能只需要二十個人。 剩下的人呢？ 便逐漸走向教育、醫療、金融、零售、物流、設計、娛樂…… 法國經濟學家讓・佛拉斯蒂埃（Jean Fourastié）後來更進一步預測，富裕國家最終將成為以第三級產業為主的社會。 後來的世界，大致真的朝這個方向走去。 可是這裡出現了一個奇怪的問題。 工廠很容易提高效率，有些服務卻很難。 1960年代，威廉・鮑莫爾（William Baumol)用一個很有意思的例子說明這件事。 兩百年前，演奏一首30分鐘的弦樂四重奏，需要四位音樂家。 今天呢？ 還是四個人，還是30分鐘。 我們總不能為了提高一倍生產力，改成兩個人演奏15分鐘。 這就是著名的：「鮑莫爾成本病」（Baumol's cost disease）。 它真正有趣的地方還不只是效率。 假設工廠因為機械與科技進步，一名工人的產值不斷增加，薪資也逐漸提高。 那麼老師、護理師、音樂家、照顧服務員呢？ 即使他們很難用科技把「產量」提高幾倍，薪資仍必須跟著整體社會上升，否則人才就會流向其他工作。 於是出現一個看似矛盾的現象： 有些服務沒有變快，卻會愈來愈貴。 教育、醫療、長期照護、表演藝術，都可能具有這樣的特性。 因為它們真正珍貴的東西，本來就很難被壓縮。 一位老師陪學生談30分鐘； 一位醫生仔細聽病人說話20分鐘； 照顧者陪老人慢慢吃完一頓飯。 我們很難說： 「明年生產力要提高20%，所以請你快一點。」 這也讓我們在這個議題上需要多想一步。 因為服務業裡，其實住著完全不同的世界。 餐飲、零售、清潔、照護是服務業； 研發、設計、工業軟體、供應鏈、資料分析也是服務業。 今天一支手機的價值，不只來自最後組裝它的工廠。 背後還有晶片設計、軟體、專利、物流、金融、行銷、資料分析與供應鏈管理。 這些都被稱為「服務」，卻深深嵌入製造業裡。 如果說工廠是身體， 這些生產性服務，也許就是它的神經系統。 所以服務業不一定是工業化之後的「終點」，它也可能反過來成為讓製造業升級的新引擎。 但現在，AI又讓這個故事出現新的轉折。 過去鮑莫爾觀察到，許多服務不像工廠那樣容易提高生產力。 但AI偏偏很擅長處理其中一些工作： 閱讀、整理、搜尋、比較、翻譯、分析與回答。 律師可以讓AI協助整理大量文件； 醫生可以在看診前快速整理病歷； 老師可以協助產生教材與練習； 客服系統則能同時處理大量問題。 兩百年來「機器提高工業效率、人類轉往服務業」的故事，也許正在進入下一章： 機器開始提高服務業的效率了。 但也許更有意思的問題才剛開始。 因為服務裡有兩種東西。 一種，我們希望愈快愈好。 報稅不用排隊、資料不用重複輸入、客服問題三秒鐘得到答案。 如果AI可以完成，當然很好。 可是還有另一種服務很奇怪： 我們不一定希望它變快。 陪孩子談心； 陪老人散步； 老師仔細讀完學生的一篇文章； 醫生坐下來，好好聽病人說話； 甚至走進一家熟悉的小店，老闆還記得你上次買過什麼。 這些服務的價值，有時候恰恰來自： 有人願意把時間花在你身上。 如果原本30分鐘的陪伴，被AI「優化」成3分鐘，我們得到的究竟是十倍的生產力，還是失去了27分鐘？ 親愛的你呢？ 你的工作裡，有哪些事情希望AI明天就能幫你完成？ 又有哪些事情，即使科技再進步，你仍希望由一個真實的人，坐在另一個人面前，慢慢完成？ 也許這個答案，也正在告訴我們： 未來真正稀缺的，未必是效率，而是那些我們明明可以加速，卻仍願意留給彼此的時間。 ——企鵝不捨小書房 --Hosting provided by SoundOn

親愛的，你今天過得好嗎？ 今天想和你分享的啟發關鍵詞是： 「弱關係」。 假如有一天，你想換工作、尋找合作伙伴，或想替正在做的事情找到新的可能，你第一個會想到找誰？ 我們很自然會想到： 最熟的人。 家人、好友、以前最要好的同事。 畢竟關係愈深，對方愈了解我們，也愈願意幫忙。 但很有意思的是，社會學的研究卻發現： 真正把新機會帶進我們生命裡的人，常常不是最親近的那幾個人。 而是那些——「認識，但沒有那麼熟的人。」 親1973年，美國社會學家馬克・格蘭諾維特（Mark Granovetter）發表了一篇後來影響深遠的論文： 《弱連結的力量》（The Strength of Weak Ties）。 Mark Granovetter研究求職者如何得知工作機會時發現，許多人得到新工作資訊的來源，並不是最親近的朋友，而是那些偶爾聯絡、卻連接著不同生活圈的熟人。 為什麼？ 仔細想想，其實很有道理。 我們最親近的朋友，往往和我們生活在相似的世界。 我們可能念過相近的學校、從事類似的工作，認識許多共同朋友，也接收到差不多的資訊。 所以，我知道的事情，你可能也知道。 我不知道的工作機會，你也未必知道。 但是，一位五年前的同事、一個偶爾聯絡的大學同學、一位只合作過一次的廠商，情況就不同了。 這幾年，他們可能已經走進另一個產業、另一座城市、另一群人的生活。 弱關係真正帶來的，不只是另一個人，而是另一個世界。 愛說到這裡，另一個著名的概念也很有趣： 鄧巴數（Dunbar's number）。 英國人類學家羅賓・鄧巴（Robin Dunbar）研究人類的社會關係，提出人的認知與時間有限，因此能夠穩定維持的社會關係，也存在某種規模限制。 最廣為人知的數字，大約是：150人。 當然，150並不是一道神奇而精確的界線。 更有意思的是，鄧巴把人際關係想成一圈圈向外擴散的同心圓。 最裡面大約5個人，是人生遇到重大事情時，我們真正會依靠的人。 再往外，可能是15個親近的人、50個經常往來的人、150個能維持穩定關係的人…… 再往外，還有更多熟人。 愈往內，關係愈深； 愈往外，聯絡自然愈少。 但如果把鄧巴和格蘭諾維特放在一起看，就出現了一件很有趣的事情： 關係愈外圍，情感支持也許愈少； 可是新的資訊，卻可能反而愈多。 的如果我們把人際關係想成一張道路網。 最親近的人，就像家附近每天走的小路。 哪裡有紅綠燈、哪裡有便利商店，我們熟悉得幾乎不用導航。 心情不好時，我們沿著這些路回家； 遇到困難時，也是這些人最可能陪在身邊。 可是弱關係比較像什麼？ 可能比較像：交流道。 平常不一定每天經過。 甚至一年只走一兩次。 但它會把我們從熟悉的生活圈，接上另一條道路。 最後帶往一個原本根本到不了的地方。 有一種比喻是這樣的， 強關係讓我們有地方回去； 弱關係讓我們有地方可以去。 ，社會學家羅納德・伯特（Ronald Burt）則提出另一個很有畫面的概念： 「結構洞」（structural holes）。 想像有兩群人。 一群是老師，彼此都很熟； 另一群是設計師，也彼此認識。 可是老師與設計師之間，幾乎沒有交集。 兩個圈子中間，就像出現了一個洞。 這時，如果有一個人同時認識兩邊， 他就變成了一座橋。 他的價值不一定來自「認識很多人」， 而是因為： 他認識不同世界的人，有著看世界不一樣的角度。 很多有趣的合作，也正是這樣發生的。 有時候，新的事情不是從一群很相似的人裡長出來的。 而是兩個原本沒有理由碰在一起的世界，忽然被某個人接了起來。 你這個出發點，可以讓我們重新思考「人脈」這兩個字。 以前提到人脈，很容易想到交換名片、參加聚會、認識更多「有用的人」。 但如果只是為了有一天能利用對方，那恐怕反而誤解了弱關係。 真正好的弱關係，也許只是： 偶爾知道彼此最近在做什麼； 看到適合對方的資訊，順手傳過去； 遇到兩個適合認識的人，替他們介紹一下； 很久沒有見面，再次相遇時，仍然願意問一句：「最近好嗎？」 因為關係真正奇妙的地方就在於： 你不知道哪一條線，有哪一個誰未來會通往哪裡。 今所以，將這些觀點放在一起， 也許提醒我們另一件比較溫柔的事情： 其實每個我們生命中經過的人，也許都是一扇可以讓我們自己事件變寬廣的門。 深的關係很重要。 那裡有理解、有信任，也有人在我們跌倒時扶住我們。 可是人生還需要一些比較淡的連結。 那些偶爾遇見的人， 那些曾經同行的人， 那些和我們生活在完全不同世界的人。 他們未必陪我們走很久， 卻可能在某個路口， 帶我們前往一條從來沒有想過的方向。 親愛的你呢？ 回頭想想人生幾次重要的轉折—— 一份工作、一場合作、一位客戶、一個新的想法，甚至一段完全不同的人生道路。 最初把它帶到你面前的， 是你最親近的那幾個人嗎？ 還是某個很久沒有聯絡的同學、以前合作過一次的同事，或只見過幾次面的人？ 也許我們的人生，就是一張不斷向外延伸的因陀羅網。 很多的精彩，也許都在某個緣分下正在默默展開喔! ——企鵝不捨小書房 --Hosting provided by SoundOn

📩 來信 親愛的小書房您好： 我和幾位同事感情很好。 平常一起吃飯、聊天，工作上也常互相幫忙。 可是最近，我開始有點困擾。 「這個你比較熟，可以幫我處理一下嗎？」 「今天我有事，可以幫我接一下嗎？」 「我們這麼熟，幫個忙嘛！」 一開始，我都覺得沒什麼。 可是久了以後，有些原本不是我的工作， 慢慢好像也變成我的責任。 我想拒絕，又怕對方覺得： 「這麼熟了，連這點忙都不肯幫？」 可是一直答應，我心裡又開始不舒服。 我不想因為工作失去朋友， 卻也不想因為朋友， 讓自己什麼都無法拒絕。 我到底該怎麼辦？ ——K 💌 回信 親愛的 K： 讀完你的來信，想到一個很有意思的現象。 如果今天是不熟的同事來請我們幫忙， 我們可能很容易回答： 「不好意思，我今天真的沒辦法。」 可是換成每天一起吃午餐、聊過心事， 甚至下班後還會聚會的同事， 同樣一句話， 就突然變得很難說出口。 因為我們害怕的， 可能不是拒絕一件事情， 而是擔心對方把它理解成：「原來我們沒有我想像中那麼好。」 於是，「幫不幫忙」慢慢變成了：「夠不夠朋友？」 可是，這兩件事情， 真的應該綁在一起嗎？ 翻開歷史與文學， 或許可以找到三個不同的思考角度。 🌿 一、真正的友情，不需要靠一次次答應來證明 ——管仲與鮑叔牙 管仲與鮑叔牙，是中國歷史上著名的朋友。 兩人年輕時曾一起做生意。 據《史記》記載，分錢的時候，管仲常常多拿一些。 旁人可能會想： 這算什麼朋友？ 鮑叔牙卻知道， 管仲家境不好，需要多拿一些錢照顧家人， 因此沒有認為他貪心。 管仲曾幾次做官又被罷免， 鮑叔牙也沒有覺得他沒有能力， 而是認為時機未到。 後來，兩人甚至各自輔佐不同的公子。 管仲輔佐公子糾； 鮑叔牙輔佐公子小白。 公子小白後來成為齊桓公。 管仲甚至曾經射過他一箭。 齊桓公當然想殺掉管仲。 可是鮑叔牙卻勸他： 如果只想治理齊國， 我也許可以； 但如果想成就霸業， 非管仲不可。 鮑叔牙沒有因為朋友曾站在對立面， 就否定他的能力； 也沒有因為自己有功， 就一定要把最重要的位置留給自己。 後來管仲感嘆： 「生我者父母，知我者鮑子也。」 🧭 對應到我們的人生 很喜歡「知我」這兩個字。 真正好的朋友， 不是永遠站在同一邊， 也不是什麼事情都答應。 而是即使彼此有不同立場， 仍然知道對方是什麼樣的人。 所以，如果今天你拒絕同事一次合理的要求， 他就因此認定：「你不夠朋友。」 也許真正值得思考的， 不只是：我要不要答應？ 而是： 我們的關係， 是否容得下一個「不」？ 真正穩固的友情，是不是需要靠一次次答應來證明? 🌿 二、事情歸事情，交情歸交情 ——祁黃羊 《呂氏春秋》裡有一個我很喜歡的故事。 晉平公有一次問祁黃羊： 南陽缺一位縣令， 你覺得誰最適合？ 祁黃羊回答：「解狐。」 晉平公很驚訝。 因為解狐正是祁黃羊的仇人。 他問： 「解狐不是你的仇人嗎？」 祁黃羊回答的大意是： 您問我誰適合這個職位， 並沒有問誰是我的仇人。 後來朝廷又缺人才， 祁黃羊推薦自己的兒子祁午。 晉平公又問： 「祁午不是你的兒子嗎？」 祁黃羊的標準仍然沒有改變。 因為他思考的不是： 我喜不喜歡這個人？ 而是： 這個人適不適合這件事情？ 🧭 對應到我們的人生 同事和我感情很好，是一件事。 這項工作應不應該由我負責，是另一件事。 可是我們常常把兩件事情混在一起。 「我們這麼熟，你幫我一下。」 偶爾一次，當然沒有什麼。 職場本來就需要彼此支援。 可是如果每一次都因為「我們很熟」， 責任就開始慢慢轉移， 久而久之， 情分就變成一套看不見的工作分配制度。 所以成熟的關係， 也許不是不談感情， 而是能夠分辨： 我拒絕的是這件事， 不是你這個人。 🌿 三、當情義變成壓力，關係也可能失去選擇 ——《水滸傳》裡的宋江 《水滸傳》裡的宋江，人稱「及時雨」。 朋友有難，他願意幫忙； 江湖上的人遇到困難， 他也經常仗義相助。 所以，許多好漢敬重他、信任他。 但《水滸傳》有意思的地方是， 它也讓我們看到「情義」的另一面。 梁山好漢聚在一起後， 彼此不再只是普通朋友， 而形成一個以兄弟情義維繫的群體。 到了宋江主張接受朝廷招安時， 並不是所有人都真正贊成。 有人反對， 有人懷疑， 也有人並不願意走這條路。 可是當「兄弟」成為一個共同體後， 每個人的選擇， 就很難再只是自己的選擇。 情義讓大家聚在一起。 情義，也讓一些人更難說： 「這不是我要走的路。」 🧭 對應到我們的人生 當一段關係愈來愈依靠情分， 拒絕就可能愈來愈困難。 我們開始害怕： 如果不幫， 是不是不夠朋友？ 如果不答應， 是不是不講義氣？ 如果拒絕， 以後會不會尷尬？ 可是，真正健康的關係， 應該讓彼此都還保有選擇。 否則有一天， 我們留下來的可能不是友情， 而是人情壓力。 🧭 我們一起停在這裡想想 下一次，熟悉的同事又來請你幫忙時， 也許不用立刻回答。 可以先問自己： 👉 如果今天提出同樣要求的是普通同事， 我還會答應嗎？ 如果答案是不會， 讓你答應的， 可能不是事情本身， 而是人情。 👉 這一次是互相幫忙， 還是已經變成固定由我承擔？ 真正的互助應該有來有往， 而不是某一個人永遠比較不好意思拒絕。 👉 我現在答應， 是因為我願意， 還是因為我害怕拒絕？ 這兩種「好」，其實並不完全相同。 職場上能遇到真正談得來的同事， 是一件很幸運的事。 所以我們當然不需要因為害怕被麻煩， 就刻意和每個人保持距離。 只是，越好的關係， 也許越需要保留一點可以說「不」的空間。 管仲與鮑叔牙提醒我們： 真正的友情，經得起不同立場。 祁黃羊提醒我們： 人與事，可以分開判斷。 《水滸傳》則讓我們看到： 當情義慢慢變成一種無法拒絕的力量， 再深的感情，也可能成為壓力。 🌱 願我們在工作中， 都能遇見幾個真正談得來的人。 願我們珍惜情分， 卻不讓情分成為彼此的負擔； 願我們樂於幫忙， 也能自在拒絕。 更願我們身邊真正重要的那些人， 不需要靠每一次的「好」來證明感情， 也不會因為偶爾的一句「不」， 就忘記彼此曾經有過的真心。 因為最舒服的關係， 不是有求必應， 而是彼此都可以安心地做自己。 ——企鵝不捨小書房 --Hosting provided by SoundOn

親愛的，你今天過得好嗎？ 今天想和你分享的啟發關鍵詞是： 「刷題與閱讀」。 常覺得這是個專屬於人類學生的議題。 但最近看到一些AI如何被訓練的研究，忽然覺得： 也許閱讀與刷題，原本就在學習過程中訓練兩種不同的能力。 當然，人腦不是AI，兩者不能直接畫上等號。但如果把AI的訓練當成一面鏡子，反過來看看人的學習，倒是很有意思。 今天的大型語言模型，在真正能回答我們的問題以前，通常要先經歷漫長的所謂「預訓練」。 簡單來說，AI 在預訓練時，會根據前面的文字，反覆預測下一個最可能出現的詞。 它一開始未必像人一樣「理解」句子的意思；它先學到的，是哪些詞、哪些語句、哪些情境，常常會一起出現。 但當這件事重複無數次後，為了把下一個詞猜得更準，它不能只背字典，也得逐漸掌握語言、事實、情境，甚至某些因果關係。 2022 年，DeepMind 著名的 Chinchilla 研究發現： 在相同計算資源下，並不是模型愈大就一定愈好； 模型也需要足夠多的訓練資料。 換成人的語言來想： 腦筋再好， 如果沒有足夠的閱讀、經驗與見識， 也很難憑空長出理解世界的能力。 這讓我們想到閱讀。 我們讀過的歷史、小說、科學、心理學，甚至旅行過的地方、做過的工作、遇見的人，都像是在腦中留下不同的素材。 今天讀一本歷史，也許沒有立刻派上用場。 讀一篇小說，也不會明天就讓工作能力提高。 但某一天，當我們碰到一個陌生的問題，腦中突然浮出以前讀過的一段故事；兩件原本毫無關係的事情，忽然接了起來。 那時才發現： 閱讀不一定是在提供答案，而是在腦中增加更多通往答案的路。 AI研究裡還有一個很有趣的現象，叫做「grokking」。 研究者曾讓模型反覆學習一些數學規則。 一開始，它很快就把練習題背熟了，碰到沒見過的題目卻還是不會。 奇妙的是，繼續訓練很久之後，有些模型會突然開始掌握背後的規律，能把學到的東西運用到新的題目。 這當然不能直接等同於人的「開悟」，卻很容易讓人想起一句老話： 「讀書百遍，其義自見。」 有些內容， 第一次讀，只記住一句話；第二次讀，似乎懂了一點；直到自己真正經歷過某件事，才忽然明白： 原來作者當年說的是這個。 可是，光讀得多，還有另一個問題： 真正需要的時候，我們用得出來嗎？ AI完成大量預訓練後，還會經過不同形式的所謂「後訓練」：看好的示範、接受回饋，或在數學、程式等可以驗證答案的領域，不斷嘗試與修正。 AI研究裡有兩個很有意思的指標。 一個叫pass@k：另一個叫pass@1 pass@k 衡量的是：模型對同一道題產生k 個候選答案時， 至少有一個 通過測試的機率； pass@1 則是只產生一個答案時的成功率。只給一次機會，第一次就要答對。 pass@k 有點像： 「如果多給幾次嘗試，能不能找到正確的路？」 pass@1 則像： 「只給一次機會時，能不能直接走對？」 前者比較接近「能力是否曾經出現過」； 後者則更接近「第一次能否穩定叫出這份能力」。 這不禁讓我們回想當學生常說的一句話： 「這題我會啊，只是考試的時候沒有想到。」 公式學過、老師講過，訂正時一看也懂。 問題是—考試的時候就是沒有出現。 而刷題的功能，可能正在這裡。 它不只是增加知識，而是在練習： 看到什麼線索，要想到什麼工具？ 哪裡容易犯錯？ 下一次碰到類似情況，能不能更快找到入口？ 這件事情，其實不只發生在學生身上。 我們讀過「確認偏誤」，知道人會特別尋找支持自己觀點的證據。 但當別人批評自己的作品時，還想得起來嗎？ 我們知道「倖存者偏差」，可是看到一位成功企業家說：「我就是因為敢All in才成功」，會不會立刻想到： 那些同樣All in，最後卻失敗的人在哪裡？ 我們也知道投資應該分散風險。 但當一個自己非常看好的機會出現時，還做得到嗎？ 這些其實都是人生的考題。 只不過人生不會在題目前面註明： 「本題請使用倖存者偏差。」 所以，或許， 閱讀比較像是在擴大能力的上限；刷題，則是在提高能力的下限。 閱讀讓我們見過更多世界，腦中增加更多案例、知識與可能性。 刷題則讓已經存在的能力，經過一次次練習與回饋，在真正需要的時候，更穩定地被叫出來。 一個人讀了很多書，卻從來沒有練習，可能知道很多道理，真正遇到事情時卻不一定用得上。 反過來，一個人只是不斷練習熟悉的題型，雖然做得又快又準，碰到真正陌生的問題，也可能找不到新的路。 用「道路」來想這件事也很有趣。 閱讀是在開路。 讀歷史，開一條路；讀心理學，再開一條；小說、科學、旅行與人生經驗，也都在慢慢拓展我們心中的地圖。 路愈多，遇到陌生問題時，就愈可能找到新的方向。 而刷題比較像： 在那些路上反覆開車。 哪裡要轉彎、哪裡容易走錯、什麼時候該換一條路，走得夠多之後，就慢慢成為直覺。 也許這就是兩者最好的關係。 閱讀，讓我們看見更多可能；練習，讓可能變成可靠。 一個讓我們走得更遠，一個讓我們走得更穩。 而真正的學習，也許就在這兩件事情不斷交替之間，慢慢發生。 願我們都能在探索新知與熟悉做題間，找到完美的平衡與模式。 ——企鵝不捨小書房 --Hosting provided by SoundOn

親愛的，你今天過得好嗎？ 今天想和你分享的啟發關鍵詞，是一個年份： 「2022」。 2022年有什麼特別？ 最近看到一則很有意思的消息。 有一家叫 ISBNdb 的公司，原本主要提供全球圖書的 ISBN、版本與出版資訊。 它曾在網站上測試一項很特別的服務構想： 替 AI 公司大量尋找實體書。 不是電子書， 而是一本一本真正躺在書架上的紙本書。 數量可以從幾千本， 一路到幾十萬，甚至上百萬本。 它甚至曾打出一句很有意思的廣告： 「世界上最好的 AI 訓練資料，正躺在書架上。」 後來，雖然ISBNdb 撤下這個頁面。 但這個構想本身，仍然提出了一個很值得思考的問題： 為什麼 AI 時代，舊書忽然變得特別有價值？ 更有意思的是，他們特別看重一類書： 2022年以前出版的書。 為什麼？ AI不是已經讀了大半個網路嗎？ 現在每天更有數不完的新文章、新圖片、新資料被產生，為什麼最先進的科技公司，反而開始回頭尋找那些躺在舊書店、圖書館裡，甚至早已絕版的老書？ 答案，就藏在「2022」這個年份裡。 2022年11月，ChatGPT正式推出。 從那之後，生成式AI開始大規模進入一般人的生活。 網路世界也出現了一個以前從未有過的變化： AI不再只是閱讀網路，也開始大量書寫網路。 商品介紹可以由AI寫。 部落格文章可以由AI寫。 摘要、廣告、報告、社群貼文，也都可以由AI產生。 於是今天一個AI從網路上讀到的內容，有可能是另一個AI根據第三個AI的摘要，再重新改寫出來的。 這有點像拿一張影印本，再去影印另一張。 一次兩次，看起來差別不大。 但如果不斷複印，最先消失的，往往不是最大、最明顯的文字，而是那些細微的紋理、少見的表達與不起眼的細節。 AI研究裡，也有人擔心類似的「模型崩塌」問題：如果未來的模型過度依賴模型自己產生的資料，一些原本少見的資訊與分布，可能在一代又一代的學習中逐漸消失。 當然，AI生成的資料並不是不能使用。 現在很多AI訓練，本來就會刻意加入經過篩選與驗證的合成資料。 真正麻煩的是： 當人寫的、AI寫的、AI寫完再由人修改的內容全部混在一起，我們愈來愈難知道，一段資料究竟從哪裡來。 於是，一本2022年以前印出來的紙本書，突然有了一個以前沒有人特別在意的特性。 它像是一個時間膠囊。 它不一定是好書，裡面的觀點也不一定正確。 甚至可能是一本沒什麼人想看的書。 但至少有一件事情相對確定： 這些文字，在生成式AI大規模進入網路以前，就已經被固定在紙張上了。 它保存了一份相對清楚的「人類來源」。 這讓紙本舊書突然多了一種過去沒有的價值。 這件事情在Claude背後的AI公司Anthropic身上，甚至出現了一個很戲劇性的版本。 Anthropic過去曾從盜版網站取得大量電子書，後來因此捲入版權訴訟。 但它也採取過另一條完全不同的路： 大量購買真正的紙本書。 買來之後，把書脊切掉，把書頁拆開，以高速掃描機數位化，再將紙本銷毀，留下內部使用的數位副本。 2025年，美國聯邦法院在相關案件中，對不同來源的資料做出了重要區分。 在該案的具體情況下，合法購買紙本後轉換成內部使用的數位副本，與直接從盜版網站大量下載作品，被視為不同的法律問題。 後來Anthropic也針對盜版書庫相關爭議，以15億美元達成和解。 這件事真正有意思的地方，不只是AI公司到底買了多少書。 而是： 同樣是一段文字，「從哪裡來」，或許和「寫了什麼」一樣重要。 這讓我想到另一件很日常的事情。 假設今天我們讀完一本書，要整理一張心智圖。 現在AI可能只需要幾秒鐘，就可以替我們做出一張完整、漂亮、層次分明的心智圖。 甚至可能比自己畫得更好。 可是，如果我們拿出一張紙，自己慢慢畫呢？ 我們必須決定： 這本書最重要的是什麼？ 哪一個概念是主幹？ 哪些是支線？ 這兩件事情有什麼關係？ 作者的這個觀點，我真的同意嗎？ 有時候畫到一半，還會突然發現： 原來這裡，我根本沒有想懂。 所以最後那張手畫的心智圖，也許沒有AI做得漂亮。 但它留下了一些AI無法代替的東西： 我們自己思考過的痕跡。 AI可以替我們產生一張「整理好的心智圖」，卻不能替我們經歷「整理」這件事情。 因為真正改變我們的，有時候不是那張圖。 而是畫圖的過程。 這也讓我重新思考一本書的價值。 一本書真正珍貴的，也許不只是最後留下的十萬個字。 在它成為一本書以前，可能有人花了幾年研究。 有人決定這個題目值得寫。 有人查資料。 有人刪掉原本捨不得刪的段落。 有人編輯、校對。 出版之後，又有人閱讀、評論與引用。 這套過程當然不保證最後一定產生一本好書。 但那些文字背後，留下了一條形成的路徑。 誰寫的、什麼時候寫的、誰出版的、經歷過哪些選擇。 而當產生十萬個字變得愈來愈容易時，這條看似不起眼的路徑，反而可能愈來愈珍貴。 而這種珍貴的「真實資料」，其實不只存在書架上。 一家工廠幾十年留下來的生產紀錄，包括那些失敗的實驗。 一家商店多年累積的顧客回饋。 一位老師二十年修改過的教材。 一個人多年寫下來的筆記與工作經驗。 甚至是一張畫得歪歪斜斜、只有自己看得懂的心智圖。 它們可能沒有AI整理出來的資料漂亮，也不一定完整。 但它們有一個共同點： 它們真的發生過。 它們不是為了填滿資料庫而被生成，而是在真實世界裡，因為有人做過一件事、遇過一個問題、犯過一次錯、想通一件事情，而慢慢留下來的。 所以，「2022」或許不是一道絕對的分界線。 2022年以前也有機器生成的內容，2022年以後更有無數真正由人類創作的好作品。 但很可能它會被看成一條象徵性的界線。 過去很長一段時間，我們擔心的是： 資料太少。 到了今天，我們第一次開始面對另一種問題： 資料太多，卻愈來愈不知道它從哪裡來。 這或許也意味著，一個有趣的價值反轉正在發生。 以前昂貴的是「結果」。 寫一本書很慢。 畫一張圖很慢。 整理一份資料很慢。 今天，AI正在讓這些結果變得愈來愈便宜。 於是另一樣東西，未來反而可能開始升值：過程。 親愛的你呢？ 如果有一天，AI可以替我們寫出更漂亮的文章、整理更完整的筆記、畫出更清楚的心智圖，我們還需要自己慢慢做嗎？ 答案也許不一定是「需要」或「不需要」。 而是先問： 這件事情，我們要的只是結果，還是那個過程本身也會改變我？ 如果只需要結果，交給工具也許很好。 但如果閱讀、整理、書寫、修改的過程，本來就是我們形成判斷的一部分，那麼有些看似沒有效率的事情，也許仍值得自己慢慢做。 因為當製造結果變得愈來愈便宜， 過程與來源，反而可能變得愈來愈昂貴。 一本2022年以前的舊書，一張親手畫下的心智圖，一份記滿失敗的實驗紀錄，都在提醒我們： 未來真正稀缺的，也許不只是「內容」。 而是那些能夠清楚回答——「我們是從哪裡來的？」 以及： 「我們曾經真正經歷過什麼？」的東西。 ——企鵝不捨小書房 --Hosting provided by SoundOn