劣質語文如何影響思維？拒絕使用「情緒價值」「非遺」「YYDS」

劣質語文如何悄悄影響我們的思考

這一集想跟大家分享：一些劣等的語文，如何影響我們自己的思考。這個題目其實一點都不簡單，連我構思整個思路時都覺得很困難，因為它牽涉數學、哲學、生物學、電腦科學和心理學，要把它們融會貫通。我會透過講解人工智能AI的技術，去解釋為什麼會這樣。

起點是我最近一直在研究AI技術。當我把AI、心理學和哲學這幾方面接觸得深入之後，發覺它們其實有可以融會貫通的部分，也讓我對大語言模型（LLM）的技術更添一層讚嘆。我希望這一系列影片能讓大家更理解：人是如何理解這個世界、為什麼語言對我們這麼重要、心理治療如何運作，以及每個人的世界觀是如何形成的。

「情緒價值」「非遺」「YYDS」錯在哪裏

不知道大家有沒有發覺，我們整個社會的語言文化品味其實很令人堪憂，出現很多奇怪的詞語。例如「非遺」，我一聽就覺得難聽，後來才知道原來是「非物質文化遺產」的簡稱。「非」這個字在文字上已經帶著很強的負面意涵（negative connotation），由「非」字，我們怎可能聯想到優良的傳統和習俗？當城市明明有更好的詞語可以代替，卻選用詞不達意的語言，這會影響我們作為一個群體的思考。

再看「情緒價值」。當我們講「價值（value）」，比較容易聯想到「衡量、計算」這類配搭詞。但「情緒價值」是用來形容人與人之間的互動——這種互動本應是坦誠的、是拿出真心的。當我們用「價值」去配「情緒」，其實歪曲了人與人溝通的意涵。我覺得「共鳴」或者「頭契（默契）」是更好的字。

還有「永遠的神（YYDS）」，我聽完覺得很尷尬。它表達的是佩服、讚嘆對方。但「永遠」「神」這些字，其實和我們的日常生活脫離得很遠，帶著一種絕對的意涵。當我們把這種字用進語言裏，就可能出現把凡事非黑即白化、神化的心理效應。神的特點是不可以有污點，可是被你形容為「永遠的神」的對象，多數並不是真的神——這反映出我們可能沒有能力去處理「一件事有好有不好」的意象。我在之前講梅蘭妮·克萊因（Melanie Klein）精神分析的影片已說過：一個很優秀、令你佩服得五體投地的人，同樣可以有缺點、有不為人知的面向，這才是真實。

嵌入（Embedding）：AI如何用數字理解一個詞

要明白語言為何能塑造思考，可以先學一點AI的概念。一個很神奇的現象是：AI能由「apple」這個字生成一張蘋果的圖像。它是怎麼知道字符和形狀之間的關聯的？這就要講「嵌入（embedding）」。

我常用一個故事去講。我問現場同事：椰子是不是水果？有人說是，有人說不是。從這個反應可以看到，當我們探索一個語言概念時，會用一些標準去判斷。例如判斷是不是水果，有人看「適不適合放進沙律」（士多啤梨、蘋果、橙都很適合），有人看「有沒有營養（nutrition）」。我畫一個二維圖：橙營養高、又適合放沙律，定位在某一點，蘋果也類似。

但問題來了：有些東西既有營養又適合放沙律，卻不是水果，例如吞拿魚——它高蛋白（high protein）、適合做沙律，卻和水果混淆了。解決辦法是加第三個維度：「這東西是不是肉」。吞拿魚很「肉」，水果不「肉」，這樣就能準確區分。

向量（Vector）與高維空間：詞義就是一串數字

這個概念在數學上叫「向量（vector）」。大家不必想得太複雜，它純粹就是一連串數字的集合。以蘋果、橙、吞拿魚三樣東西、三項準則（營養、沙律、肉）為例，各給一個0至1的分數：蘋果的營養0.9、沙律0.9、肉很低（因為是植物）；橙類似；吞拿魚則營養0.9、放沙律的頻率低一點給0.7、但肉的向度很高給0.8。這就是一個三維的嵌入。

嵌入技術，就是把一個詞語的意思投射到高維空間，用數學方式表達它的意涵。我們只要把維度無限延伸，維度越多，就越能捕捉詞語更多的意涵。現代AI普遍用至少一千幾百、甚至幾萬個維度去表示一個字。例如「人」這個字，會變成0.5、0.2……一直下去幾萬個數值。這些維度沒有明確定義，但可能有一個代表「是不是生物」、一個代表「會不會死」、一個代表「有沒有勇氣」。這是一種很奇妙的技術：把我們的理解，用數學和高維空間的方式表示出來。

點積與注意力（Attention）：AI如何理解詞語之間的關聯

大語言模型還能理解詞與詞之間的關聯。例如「小明是一隻狗，牠跑得很快」，我們能知道「牠」指的是狗。當一句裏有幾個代名詞，AI怎麼知道哪個「牠」指「狗」？這要講「點積（Dot Product）」，一個很簡單的概念：把兩個字的向量相乘相加，就能得出兩者在語言空間中的相關性。

用回三個維度：蘋果是（0.9, 0.9, 0.1），橙是（0.9, 0.9, 0.1），相乘相加得0.81+0.81+0.01=1.63；而薯片營養低0.2、不適合沙律、也不是肉，蘋果與薯片的點積就低得多。由此推論：蘋果與橙的概念，比蘋果與薯片更相關。（真實模型還會經過歸一化Normalization，這裏只是簡化版。）

這正是2017年論文《Attention is all you need》的核心技術。要理解一句裏哪個字相關於哪個字，我們用「注意力（Attention）」——它模擬人腦的運作方式：把「牠」這個字和句中每個字計算點積，抽取出語言相關性高的部分。真實AI用成千上萬維，於是會有很特殊的詞，例如「牠」是代名詞，它在多維空間裏擁有一個「能夠指涉其他名詞」的維度特性，所以能連回「狗」。

其實世界上一切概念，我們都可以用一個「-ness」去理解：可能有「水果-ness」「沙律-ness」、能指涉其他東西的「-ness」。這也解答了開頭的問題：無論一件事用語言、圖像還是聲音表達，它們都在多維空間中指涉同一個概念、同一個向量，所以AI能由「apple」生成圖像。這種對應甚至跨語言——有AI語言專家發現，中文「蘋果」和英文「Apple」在很多向量分數上一樣，唯獨「Apple」在英文相關的向量高很多、「蘋果」在中文相關的向量高很多，兩者的差別幾乎等於蘋果對apple、橙對orange之間的連結。

語言的流變：一個字從來不只是一個字

回到開頭：椰子是不是水果？答案是「是」（我已查過資料，這是生物學的細胞結構分類）。但我想帶出一個有趣的觀點——「是不是」這個詞。當我們問蘋果「是不是」水果，正確答案是「是」；可是我們應該用什麼準則去判斷對錯？很多人憑直觀判斷時，看的其實是營養和沙律這兩個向量，而不是科學意涵。

「是不是」和「正確」這兩個字，表面上和科學沒什麼關係，但原來在我們整個社會文化裏，回答「是不是一個水果」時，必然蘊含了「要從科學數據得到判準」。所以「是不是」拿來判斷東西時，可能有一個「以科學為首」的向量，分數高達0.8。而這會隨時代改變：2025年的「是不是」和1800年的「是不是」，對科學實證的看重未必一樣，後者分數可能只有0.4。「是不是」字面從未變過，意涵卻每一刻都在更新——這就是語言的流變，也是這條片最想帶出的重點：一個字，從來不只是一個字。

正如維根斯坦的名言：「我的語言的界限意味著我的世界的界限。」用什麼字，影響了我們的世界。既然文化之間、個體之間都有差異，我們就更要小心、精準地用字，特別是重要的概念。這也是心理學家Jordan Peterson在《生命的十二法則》（12 Rules for Life）裏的建議：盡量精準地用字，因為不準確的用字會混淆我們的思考。

用數據破解「情緒價值」

我用OpenAI的Embedding Model做了一點研究：給它兩個詞，「情緒價值」和「情感共鳴」，再請AI生成一百個和深度連結、親密、愛有關的詞語，例如柔情、默契、支持、包容、信任，然後分析它們的相似度。

結果在圖表上很清楚：代表「情感共鳴」的紅色那一邊比較擠擁，意思是「情感共鳴」這個概念在公共語言空間裏，和分享、交流、溝通、坦誠、真誠、真心、無私、奉獻這些情感相關詞語的相似度（也就是點積）高一點；反而「情緒價值」離它們比較遠。

這正是語言會影響我們思考的原因。如果大腦也有類似注意力模型的運作方式，那麼當我們用一個字時，其實就在改變另一個字的意涵。選用「情緒價值」還是「情感共鳴」，會牽動我們對一段關係的整體理解。當然，逐字深思是很費神的工作，被潛移默化也是人的特性；但希望這條片能讓願意看到最後的你，開始反思日常中的語言選擇。