AI「腦殘化」揭示的人類智慧傳承危機

一萬次敲擊，換來的是砂岩的碎裂。這個考古學實驗揭示了個人學習的根本限制：無論多麼努力的試錯，進步終將觸及天花板。

人類投擲標槍已有數十萬年，但表現基本停滯。2024年巴黎奧運的金牌成績，仍比1996年的世界紀錄低了5%。圍棋高手的水準從1950年到2016年也幾乎沒有提升，直到AI改變了遊戲規則。

然而，技術創新的軌跡卻截然不同。自1997年IBM的深藍擊敗世界西洋棋冠軍卡斯帕洛夫以來，超級電腦的運算能力提升了百萬倍。

22000年前的專業知識網絡

人類學家亞歷山大·班特利在新書《跨時代協作者》中揭示了答案：技術進步的真正動力不是個人突破，而是專業知識的組合與協作。

最古老的技術傳統阿舍利手斧，被我們的祖先製作了近百萬年，僅在東非的一個遺址就延續了70萬年。人們透過學習、實踐和跨世代改良，不斷精進技術。

22000年前，加利利海附近的社群已能儲存和使用超過100種植物，包括藥用植物。薩滿作為醫療知識和照護的儀式專家，幫助群體存活。考古證據顯示，一位薩滿女性與龜殼、金鷹翅膀和斷足一同埋葬在以色列的洞穴中，顯示這些專家數千年來廣受敬重。

從輪子到iPhone：分散式專業網絡

技術進步發生在不同專業知識結合的時刻。輪子可能源於銅礦開採社群：一個專家從巴爾幹半島採銅，另一個負責運輸，第三個進行冶煉。到了西元前4000年，更多專家將銅鑄造成早期輪形護身符：塑造蠟模、用黏土包覆、在窯中燒製、將熔銅倒入模具，然後打破模具取出成品。

古埃及的木乃伊製作展現了這種分散式專業網絡的精髓。薩卡拉的木乃伊專家依賴橫跨大陸的網絡，供應油脂、焦油和樹脂，結合防腐、包裹和棺材密封的專業技術。沒有單一社群能獨自完成木乃伊製作。

今天的iPhone組裝同樣依賴全球專業知識和設施的分散網絡。規模改變了，但結構沒有。

AI時代的「腦殘化」風險

現在，AI可能顛覆這個延續千年的技術進步模式。大多數大型語言模型產生統計上常見的回應，可能使文化扁平化，稀釋專業知識和原創性。隨著高品質訓練數據——我們的專業知識儲備——變得稀缺，風險日益增長。

這創造了反饋循環：大量使用低品質內容訓練的模型可能隨時間退化，推理和理解能力出現可測量的下降。一些科學家警告，人類和大型語言模型可能陷入相互強化的循環，產生回收的通用內容，導致所有人都腦殘化。

極端情況是AI模型崩潰，系統大量使用自己的輸出進行訓練，開始產生無意義內容。

華人世界的獨特視角

對華人社會而言，這個議題具有特殊意義。中華文明數千年來建立的師父傳徒、世代傳承的知識體系，正面臨數位時代的根本挑戰。

從中醫的望聞問切到書法的筆墨精神，從茶藝的細膩工序到建築的榫卯技藝——這些需要長期浸潤才能掌握的專業知識，如何在AI時代得到保存和發展？

台積電等科技巨頭在半導體製程上的專業積累，騰訊和阿里巴巴在數位生態的深度整合，都體現了專業知識協作的現代版本。但問題是：這些知識如何避免被AI的「統計平均」所稀釋？

專家引導的解決方案

答案在於保持「人類專家在循環中」。透過「吹笛手效應」，知情的少數能引導模仿鄰居的無知多數。

在經典實驗中，孔雀魚跟隨鄰居，最終跟在引導牠們找到食物的機器魚後面。最近研究顯示，當自動駕駛車輛僅佔道路上5%時，交通堵塞就會緩解。

2010年代，DeepMind的AlphaGo透過個人學習重新發現了數世紀的人類圍棋知識，然後創造出人類從未下過的策略超越了它。人類圍棋大師隨後將這些AI生成的策略納入自己的棋藝中。

訓練良好的大型語言模型同樣可以總結龐大的科學資訊，幫助人們擺脫陰謀思維，甚至透過協助多元群體找到共識來支持協作本身。