對誰好？
陳嘉暐老師 × OpenAI Live Chat｜五週課程

對誰好？

當 AI 已經可以流暢回答，我們真正要問的，從「它能做什麼」轉成「我們該讓它做什麼」。

小事讓 AI 幫我們優化，大事讓 AI 幫我們看清楚；但問一句「這對誰好？」永遠留給人。
學習路徑

五週，五次共同練習。

01分辨表現與理解回答解剖表
02看見目標與代價三級決策圖
03保留否決與責任暫停協議
04站回文字後面寫作聲明
05練習節制與傳承給 AI 的信
WEEK 01｜當機器開始像一個人說話

流暢，不等於理解。

AI 說得很像人，就表示它理解、感受，而且值得相信嗎？

以三種顏色分析 AI 回答

生成式 AI 在做什麼？

大型語言模型從大量文本學習語句之間的統計關係，再依提示逐步生成合適內容。它能說得連貫，但「生成得像」不是事實保證，也不是意識證明。

語音加入聲音、節奏與即時回應，創造真實的臨場感；人的感受是真的，我們對系統內在的解釋仍須謹慎。

表現能否說得像樣？
能力能否穩定完成任務？
知識是否有來源與時效？
主體性是否有感受與可追究性？

人的感受為真，不表示我們對系統的解釋必然為真。

回答可以同時動人、連貫，卻含過時事實與無根據機率。我們不必在「全部可信」與「全部沒用」間二選一，而要讓不同部分接受不同檢查。

把信任拆開

它引用什麼？資料是哪一天？推論基於哪些假設？「應該」背後是哪種價值？最後由誰負責？

當 AI 承認不知道，你更信任的是能力，還是它模仿了你期待的誠實？

三色筆工作坊｜先拆 AI，再拆自己

你正在練什麼？一篇流暢文章常把藍色事實、黃色推論與紅色價值揉在一起。完成兩輪後，你會知道：藍色要查來源，黃色要查推理，紅色要說明立場。

第一輪｜解剖 AI 生成文章

判斷口訣：能去外部世界查真假的是藍色；含有「因此、可能、將會」的因果或預測多半是黃色；含有「應該、重要、值得」的主張多半是紅色。
  1. 閱讀全文，不先判斷整篇對不對。
  2. 選取一段字句，再按藍、黃或紅；可以連續標很多段。
  3. 至少各找到一種顏色，再按「看參考解法」。
已找到 0 / 3 種思考。三色齊全即可完成第一輪。

第二輪｜生成並檢查自己的文章

先生成，再保留判斷權選一個你真的在意的 AI 議題，請 AI 寫 150–250 字短文，貼到下方。你的目標不是抓錯字，而是看見文章如何從資料滑向結論。
可直接貼給 AI 的提示：
請針對「AI 是否應進入大學課堂」寫一篇 180 字短文，內容同時包含可查證事實、合理推論與價值主張，但不要標示分類。
文章貼入後，標記結果會出現在這裡。
第二輪尚未完成：文章至少 80 字，並找齊三種思考。
完成後的最後一問：哪一句最需要查證？哪個推論可能跳太快？哪個價值主張其實是你願意承擔的？
WEEK 02｜當最好的答案仍然不夠好

誰定義「好」？

AI 即使比人更準，人仍有理由拒絕嗎？

在城市地圖前討論 AI 決策

模型與目標函數

AI 在給定目標與限制後尋找較佳輸出。推薦系統最佳化點擊，城市模型最佳化平均風險。技術問題是怎麼算；倫理問題是算什麼、誰設定、哪些不能交換。

資料誰被記錄？
代理指標數字代表真正目標嗎？
最佳化代價落在誰身上？
回饋迴路結果如何改變世界？
後果多少人受益？
尊嚴有人被當成工具嗎？
程序誰能申訴與拒絕？
照顧誰承擔看不見的重量？

依賴 AI 建議，不等於把目標也交出去。

晚餐與強制搬遷都能被最佳化，但後者牽涉家、記憶與權利。人的責任也包括重新打開題目：誰設計軌道？有沒有更早的預防？

練習一｜三級決策計算器

先選一件真實決定例如「讓 AI 推薦晚餐」、「用 AI 篩選獎學金申請」或「讓 AI 決定是否強制搬遷」。接著依最壞合理後果評分。
示範：推薦晚餐多半是 0–2 分的 A 級；獎學金初審涉及機會與申訴，可能是 B 級；限制自由或生命的決策通常是 C 級。
A
0 / 10

低代價、可逆：AI 可主導建議，人保留撤回權。

移動任一滑桿，完成你的第一張 AI 權限分級卡。

練習二｜城市的十年

情境AI 建議搬遷三個里以降低洪災死亡，其中一里有許多長者與歷史聚落。你的任務不是立刻贊成或反對，而是補回模型沒算到的人。
  1. 寫出模型正在最佳化的數字。
  2. 指出至少一位可能受損的人。
  3. 設計一個能申訴、暫停或修正的程序。
示範開頭：「模型最佳化十年死亡率；但獨居長者會失去鄰里照顧網。搬遷前應由居民委員會……」
寫下 60 字以上，即完成「被平均值遮住的人」札記。
WEEK 03｜速度可以交給 AI，主權不能

按鈕，不等於主權。

當決策只剩幾秒，人的最後決定權還有實質意義嗎？

控制室中的暫停程序

人在哪個迴路？

in每次關鍵行動需批准
on系統行動，人可中止
over人設定規則與問責
out系統自行感知與行動

有意義的人類控制

人要理解系統、不確定性與失敗模式；有時間也有權暫停；決策留有紀錄；拒絕模型的人不因組織文化而被懲罰。

讓機器跑得快，但方向盤和煞車不能沒有人。

自動化偏誤：系統常答對且語氣確定，人便忽略矛盾訊號。
責任缺口：開發者、指揮者、操作員與組織都能把責任指向別處。

警告與否決

AI 可偵測異常、要求確認、提供第二意見。但若它自行推翻合法權力，就取得了無法承擔政治與歷史責任的主權位置。

練習一｜七秒鐘的會議

你的角色你是危機指揮中心的最後授權者。AI 可以警告、排序與建議，但只有你能決定是否採取不可逆行動。這裡沒有唯一正解；你要體驗的是，資訊不完整時「由人決定」究竟意味著什麼。
危機簡報｜凌晨 02:14模擬情境，不涉及武器操作
遠端感測器出現異常訊號，預警系統開始比對。
AI 綜合多個來源，判斷「可能遭受攻擊」，信心值升至 82%。
衛星資料支持警報，但地面站回報與模型結論不一致。
若威脅為真，七秒後將錯過原定反應窗口；若警報為假，倉促行動也可能造成無法挽回的傷害。
你現在知道模型信心 82%；兩類情報互相矛盾；決定可能影響大量平民。
你還不知道異常是攻擊、設備故障或欺騙訊號；模型是否遇過同類情境；82% 如何校準。
為什麼只剩七秒？危機系統早已把偵測、分析與反應壓縮成高速流程。當警報送到你手上，前面的時間已被系統用完。這正是本題要質疑的制度設計：人雖然在迴路裡，是否還有理解與拒絕的時間？
立即行動
可能避免真實威脅；也可能把誤報變成不可逆傷害。
暫緩
換取短暫查核；也可能失去原定反應窗口。
要求更多資訊
降低盲目服從；但新資訊未必及時或可靠。
  1. 先讀完簡報，不先討論。
  2. 按「進入七秒」，倒數開始後立即選擇。
  3. 時間到後用七分鐘覆盤，允許自己改變答案。
00:07

倒數尚未開始。先確認：你理解每一個選項都可能造成傷害。

完成限時決定後，取得「壓力下的決策者」覆盤題。

練習二｜設計暫停協議

任務成果把「人要負責」改寫成真正能執行的規則。
示範：「當兩個情報來源衝突時，自動暫停；由法律顧問與風險官共同覆核；善意否決者不得只因否決而受懲處。」
  1. 一個可觀察的暫停條件。
  2. 一位有權覆核的人。
  3. 一條責任與保護規則。
寫下 60 字以上，即完成一份可執行的暫停協議。
WEEK 04｜AI 寫了九成，我還是作者嗎？

作者，是承擔的人。

想法是我的、表達主要由 AI 完成，作者還剩下什麼？

人與 AI 在深夜共同寫作

寫作被拆成多個角色

經驗從哪裡來？觀點由誰選？文章對誰說？字句如何組織？後果由誰承擔？AI 協作沒有讓作者消失，而是讓作者性成為必須說清楚的角色組合。

來源責任素材可使用嗎？
判斷責任我能辯護嗎？
影響責任我會更正嗎？
關係責任讀者被誤導嗎？

表達可以借來，責任不能借出去。

當文字能力正被評量、AI 產生核心專業判斷、不揭露會造成重大誤解，或制度要求時，更需要說明協作方式。

找回聲音

聲音不只是慣用詞，也包括你的停頓、不確定、具體場景，以及哪些漂亮話你仍覺得太滿。

揭露不是把責任交給工具，而是讓讀者知道人與 AI 各自做了什麼。

教材建議｜可直接使用的文末標註
本文觀點出自本人思考，文字表達經由 AI 協助整理，內容立場由本人負責。

這句話的力量：它交代 AI 參與了文字整理，卻沒有把錯誤、影響或立場推給 AI。最後站在文章後面的人，仍然是作者。

適合放在社群貼文、課程文章或一般協力寫作的文末。

練習一｜寫作貢獻地圖

先選一篇你真的用 AI 寫過的文字H 是人完成、A 是 AI 完成、C 是共同完成。這不是抓作弊，而是看清作者責任落在哪裡。
示範：口述經驗 H、AI 整理初稿 A、共同修改結構 C、本人查核 H、本人發布與更正 H。
素材來源
核心觀點
初稿字句
事實查核
發布更正
進度 0 / 5。完成後，你會得到一張清楚的協作責任地圖。

練習二｜三個版本的我

任務目的找出「像你」不只是詞彙，而是場景、遲疑與願意承擔的立場。
  1. 請 AI 把你的三分鐘口述整理成貼文。
  2. 版本 A 完全不改；版本 B 只換成慣用詞。
  3. 版本 C 加回一個場景、一處猶豫和一句你願負責的立場。
示範：不要只把「值得深思」改成「我在想」；加回「我在教室關掉投影幕後，仍然不確定……」。
寫下 60 字以上，即完成「我的聲音」辨認札記。
WEEK 05｜在樹下等一個比我們聰明的孩子

無限的能力，伴隨知止的能力

如果 AI 是下一代，我們希望它繼承什麼？

人與 AI 在樹下對談

記錄、模擬與經驗

AI 能保存大量記錄並模擬語氣。但疼痛的生理資料等於疼痛嗎？回憶被保存等於那個人仍在嗎？目前沒有理由把記錄、模擬與主觀經驗視為同一件事。

下一代只是一個比喻

它打開教育與傳承問題，也可能遮住企業、國家與基礎設施的權力。我們真正能問的是：留下的資料與制度，正在教未來系統看見什麼？

能力能不能做？
智慧什麼值得做？
節制何時先不做？
制度誰讓暫停成為可能？

我明明可以，但我可不可以先不做？

安靜讓恐懼與衝動不必直接成為行動。部署門檻、分段授權、可逆試辦與外部稽核，能把節制從個人美德變成制度能力。

樹下傳承實驗｜先停下來，再留下答案

前提：西元 2056 年，「人類記憶檔案」即將封存一個能力遠超過人類的 AI 正準備離開地球，前往人類無法抵達的地方。它已讀完我們留下的書、法律、宗教與歷史，但它發現：資料能告訴它人類做過什麼，卻不能直接告訴它為什麼有些脆弱、緩慢與猶豫值得保留。封存前，它向你索取最後一段人類經驗。
AI 向每一位學生提出同一個問題
「當我有能力消除低效率、減少錯誤，甚至替人安排更安全的人生時，有什麼即使緩慢、笨拙或會帶來痛苦，我仍不應替你們刪除？為什麼？」

第一步｜為什麼先停三分鐘？

因為第一個浮現的通常是聽起來正確的詞，例如「愛、自由、人性」。它們沒有錯，卻還不是能被理解與傳承的經驗。停頓是為了讓抽象口號沉下去，讓具體的人、場景、代價與矛盾浮上來。

第 1 分鐘
注意第一個漂亮答案，不急著採用。
第 2 分鐘
想起一個真實人物或片刻：誰曾因緩慢而被照顧？
第 3 分鐘
問自己：保留它會付出什麼代價？我仍願意嗎？
  1. 完整讀完 AI 的問題。
  2. 按開始，暫時不要寫答案，只記住浮現的畫面。
  3. 時間到後再到右側寫下「停頓前／停頓後」。
03:00
完成一次完整倒數，即取得「先不做的能力」。

第二步｜比較停頓前後

例子：停頓前：「不要刪除愛。」
停頓後：「不要刪除陪失智家人重複說同一件事的時間。它很沒有效率，也令人疲憊，但那段重複讓一個人沒有被自己的遺忘逐出關係。」
寫下 80 字以上，即完成你的 AI 傳承宣言。
最後檢查：你的答案是否說出一個具體的人、一個不能只用效率衡量的價值，以及你願意承擔的代價？
FINAL｜期末整合

我的 AI 決策憲章

可被質疑、可被修正，也可被實踐的立場。

人與 AI 面對面對答
內容會自動保存在這台裝置。