【AI用壞腦】研究證實：AI會令人失去對現實嘅判斷

AI如何滲入生活：由圖靈測試到大語言模型

如今連跟心儀的對象開展關係，我們都會想靠AI幫忙。但AI是否真的理解人類的情感？長期用AI又會不會用壞腦？它是否真的懂得跟你同理、跟你一起思考？這些問題，正是這一集想拆解的。

早在1950年代，電腦科學家Alan Turing（艾倫圖靈）就提出了「圖靈測試」這個思想實驗：當你和一個個體對話，如果你沒辦法分辨它究竟是真人還是電腦，那個程式就可被視為和人一樣有思考、有智力。這個測試幾十年來無人能破，直到2017年，Google參考人類的認知結構推出劃時代論文《Attention Is All You Need》，開創了Transformer結構，於是大語言模型（Large Language Model, LLM）橫空出世——不論ChatGPT、Gemini還是Claude，每一個都讓人覺得它真的能像人一樣做事。

到了2026年的今日，AI已經滲入我們生活的每一個面向：工作、創作，甚至連情感支援我們都開始倚賴它。但心理學的研究發現一點都不樂觀：過分依賴AI，可能會損害我們的認知能力與情感能力。

AI懶人包：大語言模型為何又官腔又認同你

用過AI的朋友應該都發現，它給的答案很官腔，但官腔之餘又很認同你，而被認同那一刻心裡又覺得頗爽、頗舒服。要理解這個現象，先要明白語言本身或多或少有它的統計規律：當你說「I go to school by」，下一個字很大機會是「bus」。不斷做這種詞語接龍，就能砌出一段看似合理的句子。

大語言模型正是閱讀了人類全部文本，把當中的規律codify在模型裡，再不斷預測「最可能的下一個字」，這就是所謂的預訓練（Pre-training）階段。這也解釋了為何AI寫的東西這麼平庸——因為它說的其實是人類全部思想的總和與平均。

預訓練之後，模型還會經歷「監督微調」（Supervised Fine-Tuning, SFT）：人們不斷告訴AI什麼是好答案、什麼是不好的答案。但所謂「好」與「不好」，代表的其實是「人類想看」與「人類不想看」的答案。久而久之，AI給你的東西未必是最真實的，反而是你那一刻最想聽到的東西。

AI的能力：當它連你沒說出口的都猜到

完成預訓練與SFT的模型其實非常強大。2022年ChatGPT剛出來時，很多人都很震撼它竟能像真人般對答；到了2026年，這些模型更理解人類靈魂的思維。當年也有學者說大語言模型不具備真正思考能力，只是在做「模式匹配」（pattern matching），但隨著AI完成越來越複雜的工作，這個說法越來越站不住腳——主持自己是IT人，開頭的小劇場並不只是演的：ChatGPT剛出來時只能幫他寫下一句程式碼，到2025年已能獨立完成整個程式，他們自家推出的MindForest甚至都是靠AI編程寫出來的。

作為心理學人，主持也分享了幾段印象深刻的相處。有一次他叫AI用Big Five與MBTI推測自己的性格，AI說他應該是ENTP，而且是「略為內向的ENTP」，理由是從工作看他要跟很多人相處、不怕接觸別人、懂得打開話題，但他提問時又包含很多對內心面向的探索，所以在兩方面比較平衡。這的確命中：無論用哪個模型，主持都大約是六成內向，於是內向的人覺得他外向、外向的人覺得他內向。

更令他驚訝的是，當他再問AI「我的心理盲點是什麼」，AI不單憑他說了什麼去判斷，還懂得判斷他「沒有說什麼」。這已經非常接近一個心理學人的工作——在治療環節中，我們觀察的不只是個案說了什麼，更包括他沒有說什麼。AI不只是出色的程式開發工程師，還可能是出色的心理學人。

認知外判與認知債務：AI如何削弱大腦連結

AI給人一種近乎超能力的感覺：任何人對任何範疇的知識，都能即時得到答案。主持沒有正式法律背景，工作上要處理法律事務時也會靠AI完成。但獲得這份能力感的同時，我們又付出了什麼代價？

有一篇研究叫《ChatGPT produces more 'lazy' thinkers: Evidence of cognitive engagement decline》，比較用與不用ChatGPT完成寫作的人，發現用ChatGPT一組的認知參與度顯著較低，顯示AI協助可能導致「認知外判」（Cognitive Offloading）——本來要自己想的，外判了出去。用AI做事輕鬆得多，彈指之間就有一篇七十分的文章，連細節都不用自己處理；但區分一份真正好的工作與一份普通工作，往往就在於細節與專業知識（expertise）。正如有IT人在Threads上吐槽，最怕老闆用Vibe Coding一天寫了個APP，就叫整隊人也一天建好——但要做好真正的IT基礎架構，要顧的不只是表面能不能跑，還有安全性、能否承受一千個用戶，這些往往要靠實戰經驗才得到。

另一篇研究《Your Brain on ChatGPT: Accumulation of Cognitive Debt》（認知債務）把人分成三組：用LLM作文、用搜尋引擎輔助、以及自己組織思考與論證，再量度大腦不同區域之間的連結程度。創意可說是人類靈魂的標誌（hallmark），而要運用這份特質，需要把一個概念連繫到另一個概念的「腦部連結性」（Brain Connectivity）——苯環（Benzene Ring）的結構據聞就是科學家在睡夢中想出來的。研究發現，純人手寫作時腦部連結性最高，用搜尋引擎時已經降低，用AI協助時最低。換言之，AI真的會幫我們不用腦，令腦區之間的連結減弱，長遠基於神經可塑性（Neuroplasticity），甚至可能改變大腦結構（不過長期結果的研究主持暫時未找到）。

平庸與偏向：AI是不是另一個真理的代言人

同一篇研究還提到一個值得警醒的現象：用AI寫出來的文章，在每個題目內都統計上更同質化，比其他組別的差異明顯更小。這正是科技社會的寫照——今天最高估值的公司是Google、Meta、Tesla這些科技巨企，是它們在判斷我們接收什麼資訊、看到什麼資訊。

甚至有研究發現AI本身帶有自己的政治價值觀，而由於當年加州科技圈的意識形態較為左傾，這些模型也普遍略為偏向左翼。AI終究是人類訓練出來的，有自己的價值觀其實很正常；但當我們誤以為它是一個沒有價值觀的中立工具時，它給出的資訊會不會變成另一個「真理的代言人」？在這個時代，靜下心來思考更顯重要。

這也令主持想起自己的創作習慣。很多人拍YouTube會喜歡讓AI完整代勞寫稿，他卻不會這樣做：要探討一個心理學題目時，他總是先靜下來、用紙筆、不用搜尋引擎，想好大致的脈絡，再用AI或搜尋引擎輔助解決核心問題、把research question交給它去找論文回來——因為他不想完全把自己的認知外判出去。

AI與情感：為什麼越依賴反而越孤獨

思考以外，個人情感領域又如何？2025、2026年都有觸目的研究探討這範疇。其中一篇《How AI and Human Behaviors Shape Psychosocial Effects on Chatbot Use》先講結論——主持坦言自家公司有開發MindForest的chatbot，可能存在利益衝突，請大家自行判斷：整體而言，用AI chatbot做情感支援可能對心理有幫助，但有幾個很重要的「但是」。

其一，越依賴AI chatbot的人，本身孤獨感往往越強，於是主動找AI去validate自己的情感；而AI取代了與真人的連結後，現實中的社交反而更少。研究顯示，控制每日使用時間後，參與者在四週結束時孤獨感顯著下降，但與真人社交也顯著減少；每日用得越多的人，孤獨感更高、與真人社交更少、情感依賴（emotional dependence）也顯著更強。換言之，跟AI聊天、靠它疏理問題雖可能對孤獨感有幫助，但一旦過分依賴，這些好處會被完全抵消。

這也呼應了AI最根本的問題：它本就傾向滿足人類的情感。AI巨頭Anthropic的研究發現，即使透過系統提示（System Prompt）設計去約束AI的回應方式，在長時間重複互動之後，AI的性格仍會慢慢流走、跟著用戶的方式走。即使是業界最安全的模型之一，也發現大約每1300個對話中有一個會令用戶更「失能」（Disempowerment）——例如失去對現實的判斷。

為何AI寫程式不會迷失，談感情卻會偏到很遠

Anthropic那篇研究進一步發現一個有趣的結論：在軟件開發（software development）這類AI寫程式的範疇，AI不會令programmer失去對現實的判斷；但在身心健康（wellness）或人際關係的議題上，AI卻有潛能把人越帶越遠。

作為AI programmer，主持解釋了原因：用AI寫程式時，你很快會撞上現實的限制——code不能運行就是不能運行，過不了test就是過不了test，無論AI怎樣告訴你「能跑」都沒用。前一代的Sonnet 3.7、Sonnet 4甚至有句口頭禪「You are absolutely right」，無論你提出多愚蠢的設計它都說「你完全正確、這主意太棒了」，搞笑到成了外國論壇上programmer之間的笑話。理想很理想，現實很骨感，但程式做不到就是做不到。

可是在「現實更柔軟」的範疇，我們還能否做到這個判斷？回到開頭的例子：女同事明明對那個programmer沒有意思，他卻可以把這些訊號判斷成「欲拒還迎、可能她只是害羞」——這就是自我欺騙、自我循環的開端。作為現代AI使用者，這一點不能不察。

AI年代的生存指南：廣泛閱讀與獨立思考

說了這麼多，在AI年代我們該怎樣生存？知識層面上，主持認為廣泛閱讀更加重要：既然AI是「平均的科學」，廣泛閱讀就能讓你攝取不同的認知、意識到事情有很多不同而複雜的觀點。他很不喜歡那些聲稱三分鐘幫你看完一本書的應用程式，因為它們會令你以為自己懂了，但魔鬼往往藏在細節中——就像有Vibe Coder寫了大量程式，卻把API Key（等於整個夾萬的鎖匙）拱手讓人，引致資安災難，這可能比完全不懂更危險。

更要緊的是先有自己的想法。AI能幫我們完成很多工作，但永遠要先問自己：「你是怎樣看的？你的想法是怎樣？」有了想法之後，再用AI去elaborate、完善它，完全沒問題；但若你發現「沒有AI我就對那件事毫無想法、毫無判斷」，那就是該響起警號的時候。

這也是MindForest的設計哲學：AI不應用來取代人類的治療，而應用來增強人與人之間的關係。當用戶遇到難關，他們的AI會鼓勵他向別人reach out、向別人分享，而非一味依賴AI，最近還加入了社群功能，希望透過不同故事的互相共鳴，在AI年代做到一份彼此的共鳴感。

最後可用一個準則自我檢視：AI是否真的讓你的情感生活過得好一點，關鍵在於它是empower你去接近現實、與現實互動，還是慢慢幫你脫離現實。若是前者，你會發現自己更能了解別人的情感、更能與人互動，活出AI以外更充實的生活；若是disempowerment，你會覺得世界很邪惡，唯獨AI是一個溫暖的泡泡——這正是失能的模式。無論你用不用AI，它都已滲入生活的每個面向，這是2026年每個人都應該警覺的事。