1973年石油危機時，世界學會了為石油停下腳步。掌握石油的人未必統治世界，卻有能力讓世界停下來。隔年，在美國國務卿季辛吉（Henry Kissinger）推動的美沙戰略合作，以及財政部長賽門（William E. Simon）參與的盈餘回流安排下，能源、安全與美元金融體系緊密結合，石油美元（Petrodollar）逐漸成形。它不是一紙強制契約，而是市場慣例、安全保證與金融深化共同作用的結果。半個世紀後，排隊的不是加油站前的汽車，而是等待高階晶片的科技公司。2026年8月，美國戰略暨國際研究中心（CSIS）的研究人員詹森（Benjamin Jensen）提出從石油美元走向Token美元（Tokendollar）的構想。據該文，這個構想不只涉及美元穩定幣（Stablecoin），也主張建立算力相關的期貨市場，並以經過驗證的AI工作成果，而非原始Token數量，作為計價依據。該中心的吉里尚卡（Navin Girishankar）更早主張將先進AI晶片出口許可與美元結算結合。這些仍是智庫的政策構想，不是已實施的制度。這個構想的起點有一處邏輯上的推論缺口：石油埋在地下，開採邊界雖能被技術推移，存量終究有限；算力卻可以被技術重新發明。因此真正的問題不是算力能否成為「新石油」，而是這項資源的霸權保鮮期有多長。我將「霸權保鮮期」定義為某種技術、資源或制度的市場支配力，在替代方案取得足夠規模之前能維持的時間。它不是有無的問題，而是長短與可延長性的問題。要讓這個概念可以檢驗，可以觀察3個指標：替代技術成熟的速度、使用者轉換平台的成本，以及領先者將技術優勢制度化的能力。三者決定保鮮期的長短，也是本文後續判斷的依據。石油的稀缺是動態的。頁岩油革命並未讓地球多出一滴油，卻改寫「什麼叫做可開採」。算力也是如此。矽不稀缺，稀缺的是極紫外光（EUV）微影、先進封裝、高頻寬記憶體（HBM）與電力組成的製造能力，而這些能力集中在台積電、ASML、NVIDIA與美國雲端企業手中。供應鏈集中，確實像石油。但石油燃燒後即消失，算力卻是設備持續提供的服務，經濟邏輯更接近電力與通訊網路。更關鍵的是，演算法能直接改寫需求。透過模型蒸餾（Distillation）、量化（Quantization）與稀疏化（Sparsification），同一項任務可能只需原本一小部分算力。這不是發現新油田，而是讓工作不再需要那麼多「石油」。效率提升未必讓總需求下降。十九世紀的傑文斯（William Stanley Jevons）發現，蒸汽機更省煤，煤炭用量反而更大。機制在於效率提升降低單位成本，成本下降刺激需求；當需求擴張的幅度超過單位資源的節省幅度，總消耗便會增加，後稱傑文斯悖論（Jevons Paradox）。這是條件式的結果，而非必然。AI也可能如此：每個Token愈便宜，全球算力需求可能愈龐大。然而需求成長不等於定價權增加。供應者增多、替代品湧現，定價權會從「控制供給」轉向「控制標準與生態」。市場愈大，不代表霸權愈強。Token美元要複製石油美元，必須釐清4件常被混為一談的事：美元計價、美元結算、穩定幣使用量，以及美國公債的新增需求。它們分別對應交易規模、貨幣持有需求、準備資產配置與資金淨流入，彼此不會自動連動。從以上觀點出發，可以檢驗3道關卡。第一關是技術控制：全球是否必須依賴美國控制的算力。美國在前瞻模型與高階晶片確有優勢，但開源模型、專用加速器與本地部署，讓許多日常應用不必依賴最先進的晶片。第二關是貨幣結算：美元計價不等於美元結算。台灣醫院可以購買美國雲端AI服務，產生美元支付，也可以本地部署開源模型，主要支出則是設備與電力。吉里尚卡本人也承認現有晶片出口協議並未附帶結算貨幣要求，這意味著第二關目前只能仰賴自願。第三關是資金回流：企業收到的美元可能用於買設備、發薪水或投資海外，未必流入美債市場；銀行存款轉成穩定幣，也未必是淨需求增加，實際效果取決於準備資產配置與資金替代關係。石油美元本身說明以上3道關卡的獨立性。美國從未控制全球石油生產，第一關並不成立，但美元計價與資金回流仍然實現，靠的是美國金融市場的深度。這意味著第一關未必是必要條件，真正不可缺的是結算與回流，而這兩者取決於金融制度，不取決於資源控制。在3道關卡之外，還有計量單位的問題：原始Token難以通約。石油有統一報價，電力有標準化的千瓦時（kWh），Token卻沒有跨模型的統一價值單位。同樣1,000個Token，在不同模型、硬體與推論方式下，成本與價值可能天差地遠。或許有人反駁，石油在標準化之前也沒有統一報價。差別在於，石油的標準化發生在物理層面，例如API重度與含硫量，可以被檢驗；Token的價值取決於模型能力、推論品質與任務匹配度，這些屬性難以在交易前被獨立驗證。但這個批判只針對以原始Token計價。提案者的解方，是改以驗證過的工作成果計價，並建立期貨市場。這並未讓問題消失，而是把它轉移：誰來驗證成果，誰來定義什麼算有價值的成果。誰掌握驗證標準，誰就掌握新的定價權，這正是可能被制度化的優勢。若晶片出口許可與美元結算正式結合，美國確實可能設下技術與金融的雙重收費站，但收費站能否長存，取決於別人能否另闢路徑。另闢路徑的力量正在出現，其中最值得注意的是邊緣AI（Edge AI）。當醫院、工廠與農場能在本地完成大量推論，需求便不必都流向跨國雲端。但這裡必須分開2件事：算力在地化，與技術及金融自主化。一家台灣醫院把影像診斷模型部署在自己的伺服器，推論不再經過跨境雲端，卻仍可能使用美國設計的晶片、軟體授權與美元計價的服務。因此在地化是自主化的必要條件之一，卻不是充分條件。對Token美元的含義是：邊緣AI可能縮小跨境雲端Token流量，卻不必然削弱美國的技術與金融連結。傑文斯悖論讓算力市場擴大，邊緣AI讓算力分散，兩者可以同時發生。這不代表霸權必然短命。先進晶片需要巨額資本，軟體生態系難以複製，HBM與先進封裝的供應鏈高度整合，管制也能延緩擴散。用前述3個指標來看，保鮮期取決於3種速度的競賽：替代技術成熟的速度、使用者轉換平台的成本，以及領先者把優勢制度化的能力。轉換成本愈高、制度化愈深，保鮮期愈長。算力霸權與美元霸權也並非命運共同體。美元的護城河是金融市場深度、支付網路、法律制度與交易慣例，不是晶片。算力霸權可能先衰退，美元霸權卻繼續存在；反過來，美國即使繼續領先AI，也不保證全球AI服務都用美元。Token美元最值得追問的是：美國能否把一項終將被稀釋的技術優勢，轉化為壽命更長的金融制度優勢。對台灣而言，供應鏈的重要性不等於價值分配的主導權。硬體標準往往由軟體與生態系定義，利潤也傾向集中在平台層。若價值分配集中於模型與平台層，台灣的晶片市佔率再高，議價空間也可能受制於高度集中的下游客戶。因此台灣真正該追求的，是把晶片優勢延伸到軟體、模型、系統整合與高價值應用。當全球競逐每秒能產生多少Token，台灣更應追問每單位算力能換來多少實際成果，例如醫療診斷準確率的提升、製造良率的改善，或單位用電所產出的產值。1973年，世界學會了為石油停下。AI時代的問題是，世界是否還需要為算力停下。石油時代的競爭，是爭奪誰能控制稀缺；AI時代的競爭，卻可能是爭奪誰能讓稀缺不再構成限制，以及誰能定義什麼才算有價值的智能。決定霸權保鮮期的，不是今天誰擁有最多算力，而是明天誰能讓別人不再需要依賴它。

現代城市發展正面臨一場經濟範式的轉換。傳統經濟模式依賴物質資源、勞動力與實物生產，文創經濟則以創意與文化內容為核心，開啟新的價值創造路徑。法國後現代主義哲學家讓-弗朗索瓦·利奧塔（Jean-François Lyotard, 1924～1998）在1974年出版的《利比多經濟》（Libidinal Economy）中提出的概念，為檢視這場轉換背後的欲望結構提供具批判性的視角。利奧塔的「利比多經濟」根植於對馬克思政治經濟學與佛洛伊德精神分析的雙重批判。這裡的「利比多」（libido）並非僅指性慾，而是泛指一切投資於對象、身體與符號之上的情感能量。他認為傳統經濟學過度仰賴理性計算與效率最大化，忽略經濟活動底層不斷流動的「欲望之流」（flux of desire）。「強度」（intensity）則指這股能量在特定瞬間的聚集與爆發，尚未被意義與價值固定下來。利奧塔並未簡單讚頌欲望，他同時指出，同一股能量既能帶來創造，也可能被資本體制吸納。日本次文化是觀察這種能量的典型場域，因為其商品以情感投入與迷戀作為流通的燃料。以《新世紀福音戰士》（Neon Genesis Evangelion）為例，作品以少年角色的焦慮與自我懷疑為敘事核心，觀眾因此產生強烈共鳴，並自發形成龐大的二次創作社群。動漫中的速度感與斷裂剪輯，不只是美學技巧，更是不經明確語意、直接作用於感官的強度。文化評論家東浩紀在《動物化的後現代》（2001）中以「資料庫消費」描述御宅族如何拆解作品中的角色與設定，再依自身偏好重新組合，這說明迷戀本身就是一種生產活動。這些能量也不停留在螢幕上，東京的秋葉原由店鋪、展演與街道構成，正是欲望之流在都市肌理中凝結的痕跡。然而，秋葉原近年的觀光化與連鎖化也顯示，次文化空間同樣會被資本重新整編，這正是利奧塔所指的雙重性格在城市中的具體呈現。人工智慧的興起使這個議題更加複雜，風險需分2個層次來看。在工具層次，生成式AI能在數秒內產出圖像、音樂與文字，輔助個人創作並降低表達門檻，風險相對有限。在基礎設施層次，當AI成為推薦系統、城市管理與資源分配的底層架構時，它便不再只是工具，而是決定何種欲望得以被看見的結構性力量。哈佛學者祖博夫（Shoshana Zuboff）在《監控資本主義時代》（The Age of Surveillance Capitalism, 2019）中指出，企業蒐集使用者的行為痕跡，藉以預測甚至塑造未來行為。短影音平台依據停留時間排序內容，便是常見的例子：創作者為了迎合演算法而調整風格，原本多元的表達逐漸趨同。城市空間也面臨類似的重新編碼，哪些街區被導航與地圖推薦、哪些店家被看見，愈來愈由平台邏輯而非居民決定。關鍵不在於AI是否參與創作，而在於它被設計來放大個體的差異，還是被用來複製同質化的消費偏好。針對基礎設施層次的問題，可以設想3種城市構想，並正視其現實摩擦。其一是非功利性的公共感知空間，例如沒有消費動線與商業招牌的光影與聲音廣場，但必須面對土地成本與維護經費由誰承擔的問題；其二是動態迴饋的情感互動裝置，由人工智慧、物聯網與虛擬實境協作，依人群節奏調整燈光與聲景，但仍須處理「集體節奏」是否可能被少數群體主導的問題；其三是去中心化的社群記憶廊道，居民可藉AI共同創作在地敘事與公共藝術，直接回應演算法壟斷可見性的困境，卻也要面對AI共創內容的著作權與詮釋權歸屬。這些難題說明，情感導向的都市設計不能只靠技術，而必須搭配明確的治理權責、經費機制與資料倫理規範。必須坦白指出，《利比多經濟》原本是對「大敘事」與「理性體系」的解構，利奧塔刻意避開批判者的立場，也拒絕區分「真實」與「虛假」的欲望，更不提供任何城市規劃方案。本文使用「收編」一類語彙，其實隱含一個相對純粹的欲望，這與利奧塔的立場存在張力。將其延伸至都市發展，屬於後設詮釋與應用，價值在於提供檢視技術與城市的問題意識，而非可直接套用的藍圖。據此，本文主張未來城市的評估指標不應只有GDP與效率，還應包括2項可檢驗的標準：市民能否在城市中遭遇未經演算法預測的經驗，以及能否參與未被商品化的集體記憶生產。前者對應公共感知空間與情感互動裝置，檢視推薦與管理系統是否保留意外的空間；後者對應社群記憶廊道，檢視公共文化是否仍有不以交易為目的的生產場域。若這兩項標準無法被滿足，再先進的智慧城市，也只是把欲望更有效率地納入計算。

有人問我如何辨別AI偽造的內容，我想起南宋岳珂在《桯史》裡記下的一則故事。岳珂是岳飛的孫子，嘉定庚午年（西元1210)，他在臨安一場宴席上遇見一張名為「冰清」的古琴。琴腹銘文寫著唐代大曆年間由蜀郡雷氏斫成，貞元年間再修。席上的葉知幾以博古知音自命，一見便斷為至寶，力勸主人李奉寧買下。有人還從《澠水燕談錄》中找到同名古琴的記載，銘文年月全數吻合，眾人更加篤信。岳珂旁坐覺得不對勁，便起身細讀鳳沼內的題字，然後問了一句，貞元是哪個朝代。眾人答是唐德宗，他才指出題字裡的「貞」字，貝字缺了旁邊一點。宋仁宗趙禎在位時，「貞」字因避諱而缺筆，這是宋人的書寫習慣，唐代工匠不可能預先知道。偽造者自己是宋人，習以為常的避諱不知不覺寫進要冒充唐代的作品裡，而那份吻合的書證，恰恰是他照著書抄出來的。800年後的今天，同樣的場面換了新的形式。2026年3月，中東局勢升高，社群平台上出現大量AI生成的影片，聲稱拍到伊朗飛彈轟炸特拉維夫，被數百萬人觀看。有用戶拿其中一段去問X平台的AI聊天機器人Grok，它斬釘截鐵地回答，那是當天從特拉維夫陽台拍到的真實畫面，這則回覆獲得160萬次觀看。查核機構NewsGuard卻發現，那段影片裡的街道空無一人，警報聲也與真實的特拉維夫飛彈警報不符。兩件事的破綻本質相同，造假者只模仿表面，卻沒能顧及內容所處的時空與地方脈絡。古琴的偽造者無意間洩漏自己的時代，假影片則洩漏它與真實現場的脫節。Grok在這裡扮演葉知幾，識破的人，用的正是岳珂的方法，拿一條真實世界的規則去核對。這個類比有一個限度。冰清古琴的破綻是一條確定不變的制度規則，深偽的視覺破綻卻會隨技術進步而消失，眨眼、牙齒、手指、屋頂重複這類線索，今天只能當輔助。所以更耐久的，是時空與出處這一層的核對，例如時間地點是否矛盾、原始出處在哪裡、當事人與可信機構有沒有回應。也別把查證外包給另一位葉知幾，無論是名人、演算法熱度還是AI聊天機器人，權威的一句斷語，都不能取代自己走近細看。所以面對可疑內容，不妨學岳珂起身走近，而且由內而外分3層。第一層是冷靜，情緒被觸動的當下先停3秒，暫不轉發。第二層是溯源，以關鍵詞搜尋原始出處，查看主流媒體或事實查核機構是否報導，並對照不同角度、不同語言、不同時間的報導。第三層才是細看，逐幀檢視邊緣、光影、聲音與文字，但要記得這一層的線索最容易隨技術消失，只能輔助前兩層。重大事件的澄清常在數小時到數日內出現，等待本身也是一種驗證。岳珂寫下這則筆記，起初只是記一樁見聞，800年後卻成了資訊時代的提醒。造假者能模仿內容，卻難以模仿內容背後的時代與脈絡，而破局的關鍵，始終是那個願意起身細看的人。

生成式繭居族，指在COVID-19（新冠肺炎）疫情遺留的社交退縮基礎上，因生成式AI（如ChatGPT）提供低摩擦、高回饋的互動替代，使重返實體社會動機被進一步削弱的族群。波普康（Faith Popcorn）是美國知名趨勢觀察家，她根據1984年家庭行為數據，發現愈來愈多人傾向留在家中、避開外部不確定性，此現象後來被稱為「繭居」（cocooning）。她在1986年《紐約客》（The New Yorker）文章中解釋，此行為的核心是建立一道「安全外殼」，藉此隔絕經濟動盪與社會變動帶來的焦慮。當我第一次聽到「繭居」一詞，腦中浮現的是休斯（Howard Hughes）。休斯極具創造力，建立龐大商業帝國，擴展到拉斯維加斯的房地產、酒店、賭場與媒體事業，被公認是將拉斯維加斯改造為精緻都會城市的關鍵人物。然而晚年的他厭倦權力鬥爭，逐漸迴避社交，長年隱居，多年身心衰退後因腎衰竭去世。他的退隱源於疲憊與不信任，與波普康所述心理不盡相同，但都反映人面對壓力時，可能以退縮自我保護。這個案例雖與數位科技無關，卻或許預示：不信任累積到臨界時，任何能提供替代性安全空間的事物，都可能加速退縮。生成式AI，正是當代最容易取得的一種。波普康所觀察到的繭居，原指一般人因應不確定性而選擇居家，不必然涉及臨床心理疾病。不過也有人的退縮帶有社交恐懼或焦慮特徵：害怕他人眼光與評價，可能源於過去挫折或社交技巧不足，使其遠離社交，孤獨感加劇，思維趨於負面，面對壓力更容易陷入無力、無望與無助，進而拖延、喪失動機。繭居現象在COVID-19與生成式AI交互作用下被雙重放大，我稱之為「生成式繭居」。疫情迫使許多人為安全接受隔離，結構性地增加繭居人口，這群人既視限制為近似孤獨監禁的處境，又理解其保護用意；即使疫情淡去，這段經歷仍可能留下長期身心影響。當實體隔離轉化為常態性的數位依賴，智慧型手機與生成式AI便成了新一代的繭居推手，加深「數位繭居」（digital cocooning）的傾向。生成式AI可能透過2種機制推波助瀾：其一，AI提供近乎無條件、不批判的互動，對社交焦慮者近似低風險的社交替代，容易形成依賴；其二是認知卸載（cognitive offloading），思考與決策交由AI代勞，使用者的能動性與自我效能感隨之減弱。此外，發現AI能勝任原屬於自己的工作，也可能對存在價值感到茫然，擔心努力終究被取代。面對這樣的衝擊，繭居族群或許需要心理治療、社交技巧訓練與就業輔導，並循序漸進擴展社交圈，也可搭配數位素養教育，協助辨識AI互動與真人互動的差異；實體共學空間與社群活動則能提供低門檻的面對面機會。每個人都有缺點與挫折，沒有人能一帆風順走完人生，但只要願意努力，就有機會重燃熱情，走出繭居，重新投入社會。生成式繭居，不只是個人處境，而是這個時代共同面對的課題。當AI愈來愈像人，我們也需提醒自己，不要因此愈來愈像孤島般的繭居者；我們需要的，不是拒絕技術，而是仍練習選擇彼此。

很多人問，自己的能力會不會被人工智慧取代。這讓我想起美國加州的杭廷頓圖書館（Huntington Library）保存的一封珍貴信件。1913年10月14日，阿爾伯特·愛因斯坦（Albert Einstein）親筆寫給南加州威爾遜山天文台台長喬治·黑爾（George Ellery Hale），詢問是否有可能在日間觀測到星光繞過太陽時的彎曲現象，而不必等待日蝕發生。事實上，早在1911年，愛因斯坦就發表文章預測，太陽的重力場足以讓恆星光線產生可觀測的彎曲，角度不到1角秒，這種現象可在日蝕期間透過觀測星星位置的偏移來驗證。1913年，他進一步寫信給黑爾，希望尋求不倚賴日蝕的觀測方式。黑爾回信說明，以當時的技術而言，唯有藉助日蝕遮蔽太陽強光，才有可能辨識出恆星在太陽附近的微弱光點。原本最接近的一次日蝕發生在1914年8月21日，德國天文學家弗倫德里希（Erwin Finlay-Freundlich）已組隊遠赴俄國準備觀測，卻因第一次世界大戰爆發，團隊在克里米亞遭俄軍短暫拘留，數日後才因戰俘交換獲釋，觀測計畫因此中止。這場意外中止，反而讓歷史避開一次誤判，因為當時愛因斯坦的預測角度尚不到最終數值的一半。戰爭期間，愛因斯坦持續修正理論，終於在1915年正式發表完整的廣義相對論，將星光偏折角度修正為約1.75角秒。1919年5月29日，英國天文學家阿瑟·愛丁頓（Arthur Eddington）率隊分赴巴西索布拉爾與非洲西岸的普林西比島觀測日蝕，兩地測得的星光偏移結果與廣義相對論的預測接近，為這套理論提供關鍵實證，也讓愛因斯坦一躍成為國際知名的科學人物。這封信的價值，在於展現科學思維的深層精神，提出問題，有時比找到答案更重要。而愛因斯坦這封信最耐人尋味之處，正在於它幾乎沒有提供任何答案，它只是一個問題，一個對宇宙本質的質疑與挑戰，後來又在戰爭的陰錯陽差中，意外得到修正與淬鍊的機會。在AI快速發展的背景下，這種人類思維的特質更顯珍貴。AI擅長處理大量數據與複雜模式，已在蛋白質結構預測、氣候模擬與天文研究等領域展現非凡能力，卻難以主動提出顛覆性的新問題。現今的生成式AI，包括大型語言模型，雖然能快速組合、歸納既有的資訊，卻缺乏人類那種因困惑而生的哲學性好奇心—那種明知無人能答，仍要提筆一問的衝動。它的強項多在於框架內的最佳化，而非超越框架的創造。愛因斯坦1913年的提問，當時幾乎無人能解，卻成為改寫物理學的起點，而中途因戰爭延遲的6年，反而讓理論本身更加成熟精確。他的直覺、想像與跨領域連結能力，正是AI所缺乏的人類核心素養。在AI時代，這封信也提醒我們，教育不應只著眼於技術培訓，更應鼓勵學生培養問題意識、想像力與批判精神。真正推動人類文明的，不只是解題的能力，而是提出新問題的勇氣。在答案觸手可得的時代，學會如何提問，或許正是人類智慧最終的堡壘。愛因斯坦那封寫於1913年的信件，就像一顆當時尚未被觀測到的星，提醒我們還有多少問題，始終等待著被提出。

「過多的理智反而是瘋狂，而最瘋狂的事，莫過於把人生看成它本來的樣子，而不是它應該成為的樣子。」塞萬提斯（Miguel de Cervantes, 1547~1616）《唐吉訶德》(Don Quixote)中的這段話，在400年後，竟意外成為映照AI時代的一面鏡子。400年前，唐吉訶德身披破舊盔甲，挑戰不存在的巨人，追逐早已消逝的騎士榮光。他的行為荒誕，卻又透著深沉的悲壯。400年後，人類站在AI革命的門檻上，似乎也面臨相似的困境：我們究竟該以清醒的理智直面AI帶來的顛覆，還是像唐吉訶德一樣，以幻想、恐懼或過度期待，來建構我們對AI的認知？ 由此，一場辯論展開了。正方：我們就是唐吉訶德正方認為，人類確實像極了唐吉訶德。面對AI的崛起，我們投射太多不切實際的想像：有人將它視為能拯救世界的「巨人」，期待它解決貧窮、疾病與環境危機；也有人將它看作終將吞噬人類的「惡龍」，憂慮它取代工作、瓦解倫理，甚至終結文明。這些情緒，正如唐吉訶德眼中的風車與魔鬼，更多源自內心的恐懼與渴望，而非對現實的冷靜剖析。從這角度來看，我們對AI的狂熱與憂懼，正是現代版的「唐吉訶德式瘋狂」: 寧可用幻象對抗焦慮，也不願直面現實的複雜與混沌。反方：我們是唐吉訶務實的隨從桑丘反方則主張，人類並非唐吉訶德。唐吉訶德之所以可笑，是因為他完全無視現實，執意活在幻想中。然而，人類面對AI，雖然有情緒與誇飾，卻也同時展開嚴肅的應對：科學家為演算法劃定倫理邊界，政策制定者積極討論治理框架，產業界則致力發展人機協作的應用模式。若說唐吉訶德是單向度的瘋狂，人類至少展現理智與想像之間的拉扯與平衡。與其說我們是唐吉訶德，不如說我們正努力扮演隨從桑丘的角色：雖心存懷疑，仍以務實態度陪伴前行，在夢想與現實之間尋找可行之路。或許，真正的答案存在於兩者之間。唐吉訶德的故事提醒我們：若只剩下冰冷理智，世界將失去溫度與詩意；若全然受幻象支配，則會墜入荒謬與虛無。在AI的浪潮中，人類所需要的，既非一味恐懼，也非盲目崇拜，而是一種「帶著夢想的清醒」: 既能清醒認知「AI實際是什麼」，也敢於想像「AI應該成為的樣子」。歸根究底，問題不在於我們是否像唐吉訶德，而在於我們能否從他的荒誕與執著中汲取智慧。與其被純粹理智壓垮，或被虛幻期待支配，不如在理性與想像之間尋求平衡。AI，或許是這時代的新「風車」，而我們的選擇，將決定這場搏鬥是一則笑話，還是人類歷史的新篇章。

物理學家閔可夫斯基（Hermann Minkowski, 1864~1909）曾以一句名言革新人類對宇宙的理解：「從現在起，空間本身和時間本身注定要變為陰影，只有兩者的結合才能保持獨立的實體。」他將時間與空間統一為四維時空連續體。儘管他於1909年逝世，未能見證人工智慧的誕生，但他對高維幾何與統一框架的洞察，對現代AI的數學基礎與概念架構產生深遠影響。閔可夫斯基啟示我們，抽象集合可視為具內在結構與幾何屬性的實體。在機器學習中，資料往往存在於高維特徵空間中，例如一張圖片由數十萬像素構成，可表示為數十萬維的向量。這些維度並非獨立，而是共同形成一個連續且整體的幾何空間。數據點在此空間中的位置與距離代表資料之間的關聯性。這種觀點促使研究者運用幾何學、拓撲學與流形學習等方法，從高維空間中探索資料實際分布的低維結構。流形學習（Manifold Learning）的核心思想是：雖然數據存在於高維空間，但其本質結構往往嵌於低維非線性流形之中。AI的任務，正是揭露這些潛在流形，尋求數據的簡潔幾何表示。閔可夫斯基對距離度量的定義，也成為AI決策機制的數學基礎。他提出的閔可夫斯基距離（Minkowski Distance），即p範數（p-norm），為衡量資料差異提供統一框架。當p=1時為曼哈頓距離，適用於特徵維度獨立的情境；p=2時為歐幾里得距離，是聚類、分類與優化演算法的基礎，用以計算兩點間最短直線距離。在K近鄰演算法中，AI便依此距離判斷新資料點與已知樣本的相似性。這種距離度量已成為AI中表達相似與差異的核心語言。在相對論的框架中，閔可夫斯基強調對不變量的追求，即在座標變換下保持不變的量，例如時空間隔。這一概念同樣啟發AI模型在面對旋轉、平移或縮放等變化時仍能保持準確判斷。例如，卷積神經網路（Convolutional Neural Network）透過權重共享與池化層實現平移不變性，使模型能辨識移動位置的特徵；膠囊網路（Capsule Network）則更進一步，嘗試捕捉實體姿態，追求更強的視角不變性。閔可夫斯基開啟物理學的幾何化時代，也提醒我們：無論是物理的時空，或AI的特徵空間，其深層真理皆隱藏於結構與幾何之中。對當代人工智慧研究者而言，他留下的不僅是數學工具，更是一種從代數思維轉向幾何思維的視野，用以理解高維複雜數據的本質。

那口桶子其實一直都在，只是換了名字：辦公室、部門、公司、產業。桶壁濕滑，桶口不高，理論上誰都爬得出去，但只要桶裡不只一隻，總有一隻鉗子會伸過來，把快要探出頭的那隻輕輕拉回原地。這不是誰的錯，這是螃蟹的本能，也是人的本性。我在協助某些單位導入AI代理的時候應證這個道理。近期爆紅的開源人工智慧代理軟體（OpenClaw），官方標誌是一隻紅色龍蝦，中文社群常暱稱它為龍蝦或養龍蝦。我借用這個意象，稱我們導入的AI代理為小龍蝦。牠不像螃蟹橫著走、彼此牽制，而是縱向往前爬的生物，鉗子不是用來拉人下來，而是抓住員工過去留下的痕跡：一份被遺忘的簡報、一段藏在信件夾深處的談判紀錄，重新拼起來，讓後面的人踩著前人的肩膀走得更快。照理說這應該皆大歡喜，前人心血被延續，後人的路被鋪平。但抗拒的聲音比想像中大得多。有人說工作會被取代，有人說不公平，也有人嘀咕自己辛苦累積十年的經驗，憑什麼讓新人靠AI三天就學會。我一開始以為這是恐懼，後來才明白，恐懼底下藏著更古老的東西，那就是螃蟹效應（Crab Effect）。人們害怕的不是被取代，而是別人不須付出跟自己一樣的代價，卻能走到同樣甚至更高的位置。那份我辛苦過、你不能輕鬆的心理，比任何技術風險都難處理，因為它不會寫在需求文件裡，只藏在會議室那句「這樣真的好嗎？」的語氣中。娜塔莉波曼（Natalie Portman）在《黑天鵝》（Black Swan，2010）裡飾演的妮娜，讓我第一次在螢幕上看見螃蟹效應被拍得如此赤裸。這部電影裡，芭蕾舞團的桶子比辦公室更殘酷，舞者的價值只能靠彼此的失敗確認。競爭對手莉莉，由米拉庫妮絲（Mila Kunis）飾演，既像鏡子映照出妮娜渴望的自由，又像伸過來的鉗子，讓人分不清是幫助還是拉扯。電影呈現螃蟹效應最鋒利的形式不是外敵，而是自己內心那隻螃蟹，在快要蛻變成黑天鵝的那一刻，緊咬住原本的白色羽毛不放。回到那些抗拒小龍蝦的員工，真正需要安撫的不是對技術的不信任，而是「我的努力」會不會被稀釋的焦慮。於是我們換了說法，不說人工智慧學習你的成果，而說它延續你的名字。每一份被抓取重組的資料都標註原作者，每次更快完成的專案都回溯致謝最初留下痕跡的人。桶子沒變，但我們讓爬出去的人願意回頭伸出龍蝦之手，而非螃蟹鉗子。我學到，桶子的高度可以改變。當一個人的成果能被看見、延續、感謝，他就不再需要靠拉別人下來證明自己爬得多辛苦。妮娜最後那句我感受到完美了，與其說是勝利，不如說是終於放下了那隻纏鬥一生的螃蟹。組織轉型不是單純技術問題，而是能不能讓每一個人相信，桶子容得下所有人一起爬出去，不必把彼此拉下來，才能看見屬於自己的那片天空。

我小時候著迷於一本古典小說《鏡花緣》，當中敘述的無腸國，讓我感觸良多。無腸國的百姓終日進食，食物入口卻不消化，只在腹中一路穿行而過，徒留一具具永遠飢餓的軀殼。這荒誕的設定，乍看是奇談異聞，細想卻像一則跨越兩百年、專為今日而寫的當代寓言。我們何嘗不是這樣的國民。清晨睜眼，短影音一則接一則湧來，手指機械地上滑，眼球貪婪地掃視，腦袋卻空空如也。我們以為自己在攝取資訊，實則資訊只是路過，不曾停留，更不曾轉化成血肉。生成式AI更把這條輸送帶推向極限：1秒消化一整本書，1分鐘簡化複雜爭論。我們得到知識的幻覺，卻失去咀嚼的過程，而咀嚼，正是理解真正發生的地方。無腸國人害怕食物空跑一趟，於是拚命進食，彷彿多吃一口就能留住什麼。這與我們面對演算法時的心理如出一轍：害怕漏掉任何一則訊息，於是不斷點擊、不斷滑動，卻從未問過自己，留住了又如何？那些經手的萬千資訊，究竟有多少真正住進了我們的思想裡？絕大多數，不過是穿腸而過，什麼也沒留下。這個寓言殘酷之處，在於提醒我們：消化本身需要摩擦、需要抵抗、需要時間發酵。真正的養分，不是那些滑順溜進喉嚨的東西，而是那些讓你咀嚼到牙痠、讓你皺眉思索、甚至讓你噎住的內容。一首讀不懂的詩、一個矛盾的命題、一段撼動人心卻難嚥的敘事，這些才是真正的精神糧食，因為它們拒絕被輕易吞嚥。然而，AI最擅長的，恰恰是把世界磨成滑順的糊狀，削去所有稜角；而稜角，原本正是刺激思考肌肉生長的地方。人類的自救之道或許很簡單，卻也很奢侈。在AI能1秒生成10篇摘要的時代，選擇用一整個下午讀1首詩，讓文字在體內慢慢發酵。在演算法只餵養熟悉、順口的內容時，主動尋找陌生、彆扭、令人惱怒的思想，因為正是這些摩擦點，才能鍛鍊出真正屬於自己的判斷力。在資訊洪流催促我們往下滑的瞬間，學會停下來，把這一口真正嚼碎，讓它痛、讓它嗆，直到它成為血肉的一部分，而不只是一個路過腸胃的旅客。無腸國人臨終回望，吞下的食物堆積如山，卻沒有一口曾真正屬於自己。這是何等荒涼的一生。我們身處資訊更氾濫千百倍的時代，更該警惕這荒涼提前降臨。終有一天，當數據河流乾涸，演算法不再運轉，能真正留在我們身上的，只會是那些被咀嚼、消化、轉化成自己一部分的東西，哪怕只是一句話、一個念頭、一次靈魂深處的震動。從無腸到有魂，這條路沒有捷徑，只有一種選擇：在加速的時代裡，固執地慢下來，做回一個會消化的人，而不是一具會進食的輸送帶。AI用極致的速度，替我們重新問一個古老而沉重的問題：你吞下的，究竟是滋養生命的食物，還是自我盲從的殘影。

今日大力推動人形機器人時，讓我想到《複製嬌妻》（The Stepford Wives）這部伊拉・萊文（Ira Levin）於1972年創作的小說，1975年由布萊恩・福布斯（Bryan Forbes）改編成同名驚悚電影。這部作品超越科幻與恐怖類型的範疇，成為映照社會焦慮的鏡子，凸顯父權社會對女性的物化、對個性自主的壓抑，以及對科技失控的潛在恐懼。故事講述攝影師喬安娜（Joanna）與丈夫搬入康乃狄克州寧靜的郊區小鎮Stepford。起初，她被小鎮整潔的街景與居民的禮貌吸引，但漸漸察覺異樣：鎮上的妻子們舉止相似、語氣溫順、生活完全圍繞家務。當好友查梅恩（Charmaine）突然失去個性、變得順從後，喬安娜與另一位新住民展開調查，最終發現恐怖的真相。鎮上的男子協會利用科技手段將妻子取代為完美順從的機器人，讓這座小鎮成為男人幻想的烏托邦。電影上映時評價分歧，由此產生的文化詞彙「Stepford Wife」卻影響後世，用來象徵被馴化、順從而失去靈魂的女性。飾演查梅恩的路易絲（Tina Louise）表現出女性對抗社會定型的掙扎，成為理解這部電影的重要視角。電影《複製嬌妻》拍攝於1970年代第二波女權主義的高峰期，直接反映部分男性對女性追求平權的焦慮與反撲。片中的男子協會以科技重塑女性形象，象徵徹底抹除女性主體性。電影以恐怖敘事揭露這種烏托邦的殘酷，在完美的草坪與笑容背後，潛藏的是靈魂的死亡。它提出尖銳的問題：所謂的「完美女人」，是否必須以犧牲自由與個性為代價？近半世紀後，這部作品的寓言在人工智慧（AI）時代更加貼近現實。深度偽造（Deepfake）技術能重塑人的聲音與容貌，延續數位層面對人的物化。電影中的機器人妻，如今以虛擬形式重現。當人類利用科技塑造「理想對象」，往往忽略背後的倫理界線。AI的「個性定制」與社群媒體演算法的回音室效應，也在無形中削弱思想的多樣性，使人們在意識上成為新的「複製人」。電影所諷刺的「完美」幻象，如今透過演算法與濾鏡重生，構築出表面幸福卻內在空洞的社會模板。《複製嬌妻》的性別寓言，是一則對自由與真實的警示。它提醒我們，真正的進步不應製造順從的複製體，而需尊重差異與不完美的人性。科技或許能創造無數「理想化的她」，但唯有拒絕被定義的個體，才真正擁有不可複製的靈魂。