【思考還是人類的特權嗎？——AI 時代，你最該練的不是寫提示詞，是發呆？！】

你有沒有過這種經驗？本來想要坐下來寫些什麼，覺得好像自己想得不夠清晰，那來問一下 ChatGPT 或是 Gemini 好了。一開始只是想要當 Google 查一查，沒想到，它回得比你想像中的來得更好，是一篇結構完整、邏輯清晰的回答。你看了一下，覺得……嗯，寫得比我好。

然後你開始想：如果 AI 寫得比我好、查得比我快，那我到底幹麼還要自己動腦？真方便，你一開始會這樣想。慢慢地，你覺得越來越奇怪：我怎麼好像都沒有再想？如果我沒有再想，那我存在的必要性？甚至會不會有——到底是我問 AI，還是我只是 AI 在實體世界的代理人？到底是他在想，還是我在想？

思考到底是什麼？思考和思想有什麼不一樣？我們思考需要語言，所以如果會使用語言，它就是思考？思考是人類特有的？我在思考又慢又頓又痛苦又有毛病，跟 LLM 比沒有優勢？這一題，我想了很久，我到現在還在想。因為我沒有答案，很抱歉，但我把我想的過程，還有可能前人的解答寫在這裡。

「思想」和「思考」不是同一件事

大多數人把「思想」跟「思考」當成同一個東西。但在認知科學裡，它們是兩種不同的東西。

思想（Thought）是自動冒出來的。你現在坐在那邊滑手機，腦袋裡可能同時飄過了「等一下晚餐吃什麼」、「上週那件事好煩」、「這篇文章好長要不要關掉」——這些都是思想。它們像氣泡一樣自己浮上來，你不需要費力去製造它們。那些自動冒出來的念頭，主要跟預設模式網絡（Default Mode Network, DMN）有關，是在「什麼都沒在做」的時候最活躍的大腦網絡，負責心智漫遊、自我反思和記憶重組，主要由內側前額葉（mPFC）、後扣帶皮質／楔前葉（PCC/Precuneus）和角回（Angular Gyrus）構成。

思考（Thinking）是你主動去做的。當你決定停下來，認真處理某一個冒出來的想法——分析它、串聯它、質疑它、推演它的後果——你就從「被動接收思想」切換到了「主動進行思考」。這個切換需要消耗大量的注意力、工作記憶和意志力，而這些資源在大腦裡是極度有限的。它是由背外側前額葉皮質（dLPFC）執行的——工作記憶的核心。

用一個生活的比喻：思想就像你 LINE 群組裡不斷跳出的未讀訊息，思考就是你打開某一則，認真讀完、想清楚、然後回覆。大多數訊息你已讀不回，只有少數你會認真處理。

思想和思考不會同時發生——基本上，一個亮的時候，另一個就暗。你不可能同時在心智漫遊又在做數學。它們會經過一個叫突顯網絡（Salience Network, SN）切換，核心區域是前腦島（Anterior Insula）和背側前扣帶皮質（dACC）。突顯網絡的工作就是不斷掃描：現在冒出來的這個東西，值不值得注意？需不需要從「發呆模式」切換到「認真想模式」？

LLM 沒有 DMN——它不會在「沒有被問問題」的時候自己產生念頭。它沒有待機模式、沒有心智漫遊、不會在半夜突然「想到」一個新的連結。它只在收到提示詞（prompt）的時候才啟動，生成完就停止，沒有持續運作的背景認知。LLM 也沒有突顯網絡——它不會在處理資訊的過程中突然覺得「等一下，這裡有什麼不對」，然後自己決定切換到更深入的分析模式。最近的「思考模式」看起來像是在做這件事，但那是被訓練出來的固定協議，不是由內在的「某件事值得注意」的判斷所驅動的。

人類大腦有三個網絡在不斷對話——一個負責產生念頭（DMN），一個負責判斷「這個值得想」（SN），一個負責認真想（CEN）。LLM 只有第三個需要時可以「認真想」的簡化版，前兩個不存在。

海德格：計算性思考與沉思性思考

德國哲學家海德格（Martin Heidegger）把人類的思考分成兩種：

• 計算性思考（Calculative thinking）——收集資訊、分類整理、解決問題。我們寫報告時、排行程、比價時，用的就是這種思考模式。它永遠在問：「這個有什麼用？」
• 沉思性思考（Meditative thinking）——不追求立即的答案，而是對事物的本質保持開放。願意接受矛盾、忍受不確定性，去探究行為背後更深的意義。它問的是：「這件事對我意味著什麼？」

海德格不是說計算性思考「不好」——沒有它，我們蓋不了橋、治不了病。他擔心的是當計算性思考成為我們唯一承認的思考方式，會發生什麼。當你戴上計算性思考的眼鏡，你看什麼東西都在問「有什麼用」。人也可以是資源。海德格用了一個詞叫「常備資源」（standing reserve）：萬物隨時待命、等著被使用、被最大化、被榨乾，一直被問「有什麼用」。

最近正在讀的《蘋果在中國》，裡面就是把人也變成了資源。郭台銘在 1999 年打電話給 Tim Cook，說了三個字：「我能搞定。」地方政府提供鴻海一切它要的東西——土地、機器、工人。鴻海則提供 Apple 一切它要的東西——速度、效率、不問問題的執行力。整個系統的邏輯就是純粹的計算性思考：怎麼更快、更便宜、更大量地把 iPhone 從生產線送到你手上。牆上和樓梯間貼著標語：「珍惜效率的每一分、每一秒。」「達成目標，否則太陽不再升起。」工人們反覆使用同一種語言描述自己：「我們是機器。」「我們比機器還快。」「工作是單調而無聊的。」

你現在手上滑的這支手機，就是從那個系統裡出來的。計算性思考本身不是問題。問題是當整個系統都只剩下計算性思考的時候，人就不再被當成人了。

1845 年，美國作家梭羅（Henry David Thoreau）搬到瓦爾登湖畔一間自己蓋的小木屋，住了兩年兩個月。他寫道：「我走進森林，是因為我想要刻意地生活。只面對生命的基本事實，看看我能不能學會它要教我的東西，而不是到了臨死之時才發現自己根本沒有活過。」他沒有數位遊牧，是真的去當廢廢——剝除所有不必要的東西，看看剩下來的是什麼。

梭羅說他有時候一整個上午就坐在門口的陽光裡，什麼都不做。鳥在叫、風在吹、太陽在移動。然後他說：「我沒有浪費時間。那些時刻是我生命中最豐收的。」從計算性思考的角度，這超級沒有「用」的——坐了三小時，什麼生產力都沒有。但梭羅說：有些最重要的東西，會在停止追求「產出」的時候出現。

這就是海德格說的沉思性思考。它是一種完全不同的存在狀態——放下對效率的執著，讓事情自己浮現。海德格用了一個德文詞叫 Gelassenheit（寧靜的感覺）——你放棄了對世界的掌控慾，讓存在本身說話。梭羅說過：「大多數人過著靜靜絕望的生活。」（Lives of quiet desperation.）那種絕望是什麼？就是你每天忙得要死，效率最大化，所有時間都被填滿——但你從來沒有停下來問過：「我為什麼要做這些？」

海德格在托特瑙山（Todtnauberg）寫出了他最重要的著作，梭羅在瓦爾登湖畔寫出了《湖濱散記》。他們都發現了同一件事：當你停止「做」，你才開始「想」。那個瞬間，你就進入了沉思性思考。那個瞬間，也是 AI 永遠到不了的地方。不是每個人都可以搬家去瓦爾登湖，但你可以每天給自己十分鐘，不滑手機、不回訊息、不「做」任何事，就只是坐著發呆，讓那些念頭自己浮上來。

語言是思考的邊界嗎？

我一直對「語言和思考到底是什麼關係」這件事非常好奇。LLM 會用語言，但它們有「思考」嗎？那萬一我不會「語言」，我會思考嗎？

• 語言決定思考？二十世紀初，語言學家薩丕爾（Edward Sapir）和沃夫（Benjamin Whorf）主張：你的母語決定了你怎麼看世界。「語言完全決定思想邊界」基本上已經被推翻了，但語言影響特定方向的思考——有不少實證支持。一個很酷的例子：韓語裡有專門的詞彙區分「緊密契合」（tight fit）和「鬆散放置」（loose fit）的空間關係，英語沒有。研究發現，五個月大的嬰兒——不管是美國嬰兒還是韓國嬰兒——都能區分這兩種空間關係，遠在他們學會任何語言之前。華語裡，吃飯是「吃」、喝水是「喝」、抽菸是「抽」、吃藥是「服」或「吃」；台語裡這些全部是「食」（tsia̍h）——食飯、食水、食薰、食藥。同樣的行為，不同的語言用不同的概念切割方式。
• 思考先於語言？發展心理學大師皮亞傑（Jean Piaget）認為孩子必須先在感知運動層面發展出認知概念（比如「東西消失了還存在」），然後才能學會描述這些概念的詞彙。語言是認知發展的反映，不是原因。
• 語言和思考獨立發展，但最終交會：維高斯基（Vygotsky）認為語言和思想在兒童發展初期是兩條獨立的軌道，透過社會互動，它們最終交會融合。語言不只是表達工具，更可以形塑更高階的認知。
• 思考發生在「心理」裡，不是語言：哲學家 Jerry Fodor（1935-2017）在 1975 年提出語言假說（Language of Thought Hypothesis）——人類的思考不是用中文、英文或任何自然語言進行的，而是用一種大腦內建的「心理語」（mentalese）。這個心理語有類似語法的組合結構，但它不是你能「說出來」的任何語言。即使一個嬰兒還不會說話，他的大腦已經在用 mentalese 進行複雜的推論了。
• 一個字什麼意思，要看你怎麼用它：維根斯坦（Wittgenstein）晚年提出：一個詞是什麼意思，不是去查字典就知道的，你要看它在什麼情境下、被誰、對誰、怎麼說出來的。他稱之為「語言遊戲」（language-games）。

舉例來說，「好」這個字，字典會告訴你它的意思是「優良、不錯」。但在台灣人的日常生活裡：老闆在 LINE 群組回你一個字「好」——那是「我知道了，不要再煩我」；你媽打電話來問你吃飽沒，你說「好啦好啦」——那是「拜託不要再念了」；你去夜市，老闆娘喊「帥哥好帥喔，來看一下」——那不是在誇你帥，那是在叫你過來買東西；醫生跟病人說「好，我們來試試看這個藥」——那是在建立信任和做決定。同一個「好」字，四種完全不同的意思。字典幫不了你，你得活在這個社會裡，才會知道每一個「好」到底在說什麼。

台語的「歹勢」（pháinn-sè），字典翻譯是「不好意思」。但你實際聽到台灣人說「歹勢」的場景：在菜市場擠過別人身邊——「歹勢歹勢」（借過）；朋友幫了你一個忙——「真歹勢」（謝謝你，我覺得欠你人情）；做錯事被抓到——「歹勢啦」（我道歉）；拒絕別人的好意——「歹勢，免啦」（我不好意思接受）。你得在台灣的菜市場裡站過、被阿姨塞過水果、推辭過三次最後還是被塞進袋子裡，你才真正懂「歹勢」是什麼意思。維根斯坦說：語言的意義不在字典裡，在「生活形式」（forms of life）裡。

如果會說兩種語言以上，是不是比較會「思考」？好像真的有這麼一回事。研究發現，雙語者在切換語言的時候，不只是換了一套符號——他們的整個認知框架都會跟著切換，這叫做「文化框架轉換」（Cultural Frame Switching）。跟外國同事開視訊會議，你用英文報告，講得很有條理、很直接：「I think we should cut this project.」乾脆俐落；會議結束，你切回 LINE 群組用中文跟台灣同事討論同一件事，你打的是：「那個案子⋯⋯我覺得可能要再評估一下方向欸，大家覺得呢？」同一個你，同一個想法，但你用英文的時候比較像一把刀，用中文的時候比較像一碗湯。雙語者做人格測驗的時候，用不同語言測出來的結果會不一樣。語言像一個開關，切下去，連你是「誰」都會微調。

醫用台語班，是真的有需要。我用華語看診的時候，語氣比較「遠」，會說「我建議你考慮調整藥物」。但偶爾遇到講台語的阿伯，我切成台語，整個人的姿態都不一樣——「阿伯，這粒藥仔你食了有較好無？」語氣更柔、距離更近、關係馬上變了。從神經科學的角度，長期在多種語言之間切換的人，大腦的注意力和認知控制網絡會被重塑。你每天在華語、台語、英語之間切來切去的時候，你的大腦其實在做重訓。語言不只是溝通工具，它是認知的作業系統。

思考可以完全不靠語言

AI 到底會不會「思考」？先看一個關鍵的神經科學發現。

MIT 的 Evelina Fedorenko 團隊用了將近五百名受試者的大規模 fMRI 數據，證實大腦裡存在兩個功能完全分離的網絡（Fedorenko & Varley, 2016；Fedorenko et al., 2020）：語言部（語言網絡）負責詞彙、語法、語義——像公司的「公關部」；邏輯部（多重需求網絡）負責邏輯推理、數學計算、問題解決、規劃策略——像公司的「策略分析部」。這兩個部門各做各的，一個忙的時候另一個在休息：你在做數學的時候，語言部安安靜靜；你在讀文章的時候，邏輯部也是靜默的。

「廣泛性失語症」（Global Aphasia）的病人，因為左半球大面積中風，幾乎完全喪失了說話和理解語言的能力——但他們仍然可以做心算、解邏輯題、下棋、在街上認路，甚至保留了完整的「心智理論」。這在神經科學裡叫做「雙重解離」（double dissociation），是最強的因果證據之一：這兩個系統不是「偶爾分開工作」，而是「從頭到尾就是獨立的」。

2025 年，同一個團隊的 Mahowald、Fedorenko 等人把這個發現反過來照 LLM，發表了一篇很重要的論文（Mahowald et al., 2024, Trends in Cognitive Sciences）。結論非常直白：LLM 把「公關部」練到了人類頂尖水準，但它根本沒有「策略分析部」。LLM 透過預測下一個字，把語法、用詞、句型結構練到了近乎完美——它的「形式語言能力」甚至超越了多數人類；但它的「功能性語言能力」——也就是「懂不懂、能不能在真實世界裡用」——極度不穩定。它有時候看起來會推理，但那是因為訓練資料裡剛好有類似的模式可以套。一旦遇到真正需要邏輯判斷的新情境，它就翻車。

人類有一個根深蒂固的偏誤——「說得好＝想得好」。在人腦裡，語言能力和推理能力雖然是不同的系統，但通常會一起發展。但 LLM 打破了這個相關性：它可以用完美的文法說出完全錯誤的東西。

嬰兒在會叫「媽媽」之前，就已經在做數學了。哈佛的 Elizabeth Spelke 花了幾十年研究，發現嬰兒天生就內建了至少六種「核心知識系統」——關於物體、數量、空間、幾何、社會關係和代理者。最經典的實驗（Karen Wynn, 1992, Nature）：讓五個月大的嬰兒看一個小舞台，一隻米奇玩偶走上去，布幕拉下來擋住，然後第二隻米奇走進布幕後面。布幕拉開——如果後面有兩隻米奇，嬰兒看一下就轉開了；如果後面只有一隻米奇，嬰兒會盯著看很久。他的預期被違反了：他「知道」1+1 應該等於 2。這個嬰兒連「一」這個字都還不會說，但他的大腦已經在做加法了。

2024 年的研究又往前推了一步——嬰兒不只有單一概念，甚至能組合不同的概念（Cesana-Arlotti et al., 2024, PNAS）。而 2026 年最新的研究結合 AI 模型分析嬰兒大腦的 fMRI，發現僅僅兩個月大的嬰兒，大腦裡就已經出現了對動物、玩具和日常物品進行類別辨識的神經編碼模式（O’Doherty & Dineen, 2026, Nature Neuroscience）。整個故事是反過來的：不是「先學會說『貓』，才知道貓是什麼」，而是先知道那個毛茸茸會動的東西跟杯子不一樣，後來才學會把「貓」這個標籤貼上去。

還有一隻烏鴉，比 ChatGPT 還要強。2002 年，牛津大學實驗室裡有一隻叫 Betty 的新喀里多尼亞烏鴉。桌上有一根透明塑膠管，管子底部放了一個裝著食物的小桶，旁邊有兩根鐵絲——一根直的，一根彎成鉤子的。公烏鴉 Abel 先叼走了那根彎的鉤子，留給 Betty 的只有一根直鐵絲。然後 Betty 做了一件事，讓在場所有科學家都沒有想到：她用嘴巴把直鐵絲的一端卡在膠帶底下，用力拉另一端，把鐵絲彎成了一個鉤子，然後用這個自製的鉤子把食物桶勾了上來。這是科學史上第一次觀察到動物用全新的材料，即興製造一個工具來解決一個從未遇過的問題（Weir, Chappell & Kacelnik, 2002, Science）。

不只會製造工具——還會想到明天。瑞典隆德大學的團隊在 2017 年發現渡鴉（ravens）會規劃未來（Kabadayi & Osvath, 2017, Science）：渡鴉學會用一個特殊形狀的石頭去開一個裝有食物的機關箱，然後研究人員把箱子拿走了。一個小時後，渡鴉在一堆東西裡選了那顆正確的石頭，把它藏起來。第二天早上，箱子帶回來，渡鴉取出昨天藏好的石頭，打開箱子吃到食物。牠昨天選石頭的時候，箱子根本不在場——牠是在為明天做準備。以物易物實驗裡，渡鴉甚至會保留代幣而不是吃掉面前一個比較不好吃的零食，因為牠「知道」明天可以用代幣換到更好的東西。這就是「延遲滿足」——人類小孩大概要到四歲才穩定發展出來（就是那個著名的「棉花糖實驗」）。渡鴉做到了，沒有語言、沒有人教、沒有 GPU 訓練。

Betty 不會說話。她不會寫論文。她連「鉤子」這個概念的名字都不知道。但她也會思考。

快思慢想——但事情沒那麼簡單

講到思考的兩種模式，很多人會想到康納曼（Daniel Kahneman）的《快思慢想》。康納曼是以色列裔美國心理學家，1934 年出生在英國託管時期的巴勒斯坦，童年在被納粹佔領的巴黎度過——一個猶太小男孩，每天上學都要把袖子捲起來蓋住那個黃色大衛之星臂章，祈禱路上不會被德國士兵攔下來。有一次他真的被攔了，士兵走過來，他嚇得心臟快跳出來——結果士兵只是抱了他一下，給他看皮夾裡自己兒子的照片，然後放他走了。一個研究人類如何做出不理性決策的學者，從小就活在「人類行為完全不可預測」的環境裡。

他後來跟 Amos Tversky 合作，證明了人類的判斷和決策充滿系統性的偏誤和捷思法，直接催生了「行為經濟學」這個領域，讓他在 2002 年拿到諾貝爾經濟學獎。《快思慢想》（Thinking, Fast and Slow, 2011）把人類認知分成兩個系統：系統一（快速、直覺、自動，幾乎不費力）和系統二（緩慢、分析、費力，需要高度專注）。

康納曼在 2024 年 3 月 27 日——恰好兩年前的今天——離開了我們。他九十歲，身體還行，前一週還在寫研究論文。但他選擇飛到瑞士，在一間合法的輔助死亡機構結束了自己的生命。在寄給朋友們的最後一封信裡，他寫道：「我從少年時代就相信，生命最後幾年的痛苦和屈辱是多餘的，我正在實踐這個信念。我發現在做了這個決定之後，我並不害怕不存在。我把死亡想成是睡著了然後沒有醒來。」一個畢生研究人類如何做決策的人，用他自己的理論框架做了人生最後一個決定。他在《快思慢想》裡討論過「高峰-結尾法則」（peak-end rule）——人類評價一段經歷時，最在意的不是它有多長，而是它的高峰和結尾。他選擇了自己的結尾。這件事本身就是關於「思考」：AI 永遠不會做這種決定——不是因為它不夠聰明，而是因為它沒有「活過」，所以也沒有什麼需要結束的。

《快思慢想》很好用，但最新的心理學研究開始質疑它太簡化了。Melnikoff 和 Bargh 等學者指出，很多歸給「系統一」和「系統二」的特徵並不符合實證——認知偏誤和邏輯謬誤同樣會影響你慢慢想出來的決策，想得久不代表想得對。演化心理學家也批評這個框架忽略了文化差異，而且大腦的演化是高度領域特定的（domain-specific），很難被塞進兩個整齊的箱子裡。

為什麼要提這個？因為很多人用「系統一 vs 系統二」來類比 AI——說 ChatGPT 像系統一（快速回應），而最新的推理模型像系統二（慢慢推理）。表面上看很合理，但有一個關鍵差別：人類的系統二有「決定要不要啟動」的自由，AI 沒有。

你在開會的時候，老闆在台上報告下一季的計畫，你坐在下面半聽半滑手機（系統一）。突然老闆說了一句：「所以這個專案，我打算交給在座最有經驗的人來負責。」你的手指停了。你的大腦突然從省電模式切換成全速運轉——他在說我嗎？是好事還是壞事？工作量會不會爆炸？我要不要主動舉手？還是裝死？那個瞬間就是你的突顯網絡（Salience Network）開火了。它偵測到了「這件事跟我有關」的信號，然後一把把你從半自動的系統一拉進全神貫注的系統二。你沒有「決定」要專心——你的大腦替你決定的。

推理模型不做這個判斷。它沒有「跟我有關」這種感覺。它不會在一千個 token 裡突然對某一句話「警覺起來」。它被設定成每一題都慢慢想，或者由系統架構決定什麼時候啟動推理模式。它不是因為覺得問題重要才慢下來，它是因為被訓練成慢下來才慢下來。

而且，人類在思考的過程中會改變自己，AI 不會。你花了三天想一個研究問題，最後想通了。想通之後的你，跟三天前的你，是不同的人——你的神經迴路因為這個思考過程被微調了。推理模型在「思考」的過程中，所有參數都是凍結的：不管它在思維鏈裡「推理」了多少步、「糾正」了多少次，當這次對話結束，一切歸零。用康納曼的框架來說：人類的系統二之所以有價值，不只是因為它「比較慢」，而是因為它會學習、會累積、會把這次的慢想變成下次的快想。你第一次做鑑別診斷很費力（系統二），做了一千次之後變成直覺（系統一）。這個從二到一的轉化過程，就是臨床經驗的本質。推理模型永遠卡在「每次都從零開始的系統二」。

不是「AI 有了系統二」。是 AI 學會了模仿系統二的表面語法，但缺少讓系統二有意義的所有東西——啟動的判斷、多模態的深度、和累積的學習。

意義是怎麼來的？你的身體比你的語言先知道

如果思考不等於語言，那「意義」到底是怎麼在你的大腦裡產生的？傳統的認知科學把大腦當成一台封閉的電腦——思想就是對抽象符號的計算。但 Lawrence Barsalou 提出的「具身認知」（Grounded/Embodied Cognition）理論說：不對。當你想到「杯子」的時候，你的大腦不只是提取一個字典定義——它會微弱地重新活化你過去看到杯子的視覺皮層、握住杯子的運動皮層、甚至感受到杯子溫度的體感皮層。你的概念不是抽象的符號，它們根植於你的身體經驗。

這就回應了哲學上一個經典難題——「符號接地問題」（Symbol Grounding Problem）。1990 年，認知科學家 Stevan Harnad 問了一個問題：想像你被丟進一個房間裡，手上只有一本中文字典——但你完全不懂中文。你查「杯子」，字典用中文解釋「一種用來盛裝液體的容器」。你不懂「盛裝」，再查，又得到一串中文。你不懂「液體」，再查，又是中文。你永遠在符號之間打轉，永遠碰不到真實世界。字典裡的每一個字都指向另一個字，沒有任何一個字指向真實的東西。

對生物來說，答案很明確：符號之所以有意義，是因為你的身體跟世界有過真實的互動。你知道「燙」是什麼意思，不是因為你讀了字典上「溫度過高導致皮膚不適的感覺」這個定義，而是因為你三歲的時候伸手摸了熱鍋——那個痛覺、那個嚇到縮手的反射、你媽衝過來的聲音——全部燒進了你的神經迴路。從那一刻起，「燙」這個字就不再是一個抽象符號了。它是有肉的。

三十五年後，Harnad 自己把符號接地問題套用到了 ChatGPT 上（Harnad, 2025, Frontiers in Artificial Intelligence）：LLM 本質上還是那個被關在房間裡查中文字典的人。LLM 讀了人類寫過的幾乎所有文字，知道「杯子」旁邊最常出現的詞是「水」、「咖啡」、「桌上」、「打破」——這些統計關聯讓它能說出「小心，杯子很燙」這種完全正確的句子。但它從來沒有摸過杯子，沒有被燙過。它擁有的是符號與符號之間的關係，缺少的是符號與世界之間的關係。Harnad 說 LLM 就像一個人，把全世界所有語言的字典全部讀完了——這個人可以跟你聊任何話題，聽起來頭頭是道，但他一輩子沒走出過那個房間。他說的「樹」，永遠只是字典裡的「一種多年生木本植物」。你說的「樹」，是小時候爬過的那棵芒果樹，是樹皮刮到膝蓋的觸感。同一個字，完全不同的重量。

這裡有一個很聰明的反駁，值得認真面對。有些研究者（Mollo & Millière, 2023）主張：語言的統計模式本身就包含了世界的結構——因為人類在寫作的時候，是根據真實的世界經驗在寫的，所以文字裡的統計規律是世界結構的倒影。Othello-GPT 就是一個例子：它只讀了棋譜的文字記錄，卻在內部發展出了對棋盤空間的表徵。但 Floridi 在 2025 年用範疇論分析後，給了一個精準的回應：「繼承不是擁有。」LLM 繼承了人類接地的成果——人類花了幾千年用語言編碼世界經驗，LLM 讀到了這些編碼——但它沒有接地的能力本身。它拿到的是別人拍的照片，不是自己的眼睛。這個區別在大多數時候不重要，但遇到一個訓練資料裡沒有的新情境、一個需要真正理解物理因果的問題、一個需要判斷「這個人到底在不在意」的社交場景——照片幫不了你，你需要自己的眼睛。

回到你的日常：你走進家門，你媽正在廚房切菜。她背對著你，說了一句「回來啦」。就這三個字。語氣平平的，沒有任何異常。但你就是知道——她在生氣。你說不出來是哪裡不對。音量沒變、用詞沒變、她也沒摔東西。但那個「回來啦」的尾音比平常短了一點、切菜的速度快了一點、她沒有轉頭看你。你的身體在你的語言之前就讀完了整個房間的訊息。ChatGPT 可以定義「生氣」，可以列出生氣的十種表現。但如果你把你媽那句「回來啦」的錄音丟給它，它只會告訴你：「這是一句問候語，表示歡迎家人回家。」因為它沒有一個媽、它沒有在那個廚房裡活過二十年、它沒有被唸到學會從切菜的聲音判斷今晚適不適合提出要求。

再舉一個。你跟朋友吃飯，席間他一直在笑、一直在講話、看起來很開心。但飯吃到一半，你突然有一種說不上來的感覺——他今天不太對。可能是他笑的時候眼睛沒有跟著動、可能是他講話的節奏比平常快了一點像在撐場面。你說不出具體是哪一個線索，但你幾十年的人際經驗告訴你：這個人今天在硬撐。後來你私訊問他，他說：「你怎麼知道？我以為我藏得很好。」你怎麼知道的？不是因為你讀過心理學教科書，是因為你活過。你的理解不只是文字，它是有肉、有重量、有溫度的。

蘇格拉底也反對過「新科技」——但他只對了一半

在你恐慌之前，讓我提醒你一件事。兩千四百年前，蘇格拉底反對文字。他說文字會讓記憶力退化、製造虛假的智慧。他對嗎？完全正確——口傳時代的吟遊詩人能背數萬行史詩，你現在記得住自己的手機號碼嗎？但他完全沒預見到文字帶來的收穫——線性推理、知識累積、科學方法、跨越時空的思想傳遞。這些遠遠超過了失去的記憶力。

每一次「新工具毀掉人類」的恐慌，結構都一樣：看得見失去的，看不見獲得的。GPS 出來，人不認路了，但我們可以在任何城市自在穿梭。Google 出來，人不記事實了，但知識的取用成本趨近於零。所以我必須對自己誠實——前面說的那些 AI 做不到的事，有些可能只是目前做不到。

但有一個地方不太一樣。之前被取代的認知功能都是機械性的——記憶、計算、查資料。它們是手段，不是目的。沒有人以「記住電話號碼」為樂。LLM 開始觸及的是不同層次的東西：寫作、論證、概念組織——這些對很多人來說不只是手段，它們本身就是思考。E.M. Forster 說：「我怎麼知道我在想什麼，直到我看到我寫了什麼？」如果這個過程被外包了，你失去的不只是一項技能——你可能失去的是一種發現自己的方式。

所以，下一步是什麼？

1. 繼續自己寫東西。Cal Newport（《Deep Work》作者）說：「寫作就是思考的重訓。」面對空白螢幕寫東西很痛苦，你可能想逃避那種認知壓力，所以用 AI 弄一個草稿來改。但認知壓力是整個後舊石器時代人類經驗的核心——所有大想法、同理心、道德、哲學，都是從那種壓力裡長出來的。「寫作之於認知健康，就像步數之於身體健康。」你不會因為有電梯就不走路了。讓 AI 幫你查資料、做摘要，但論點的形成、判斷的做出、立場的確立——留給自己。這不是因為你寫得比 AI 好，而是因為寫的過程在鍛造你的思考能力。
2. 重視你的身體知道的東西。那一瞬間的直覺、你看到一個人臉色不對的感覺、你在廚房裡「知道」火候到了的判斷——這些是幾十萬年演化加上你幾十年經驗的產物。冥想、運動、手作、音樂——任何需要你用身體去「想」的活動，都在鍛鍊 AI 觸及不到的認知肌肉。Andrej Karpathy（前 Tesla AI 總監、OpenAI 創始成員）說：「AI 可以思考，但不能感受，不能嵌入世界，不能自我反省。」你做了一千個動作，只有最後一個結果告訴你對不對；但人類在每一步都會停下來想：我剛才做對了嗎？為什麼？下次可以怎麼改？這種過程反饋（process supervision）是人類認知最不可替代的部分。
3. 學會問好問題。Karpathy 的比喻：AI 是鋼鐵人盔甲。你穿上它變得更強，但方向盤在你手上。學會提出精確的問題、評估 AI 回答的品質、在大量資訊中辨別什麼值得保留——這是一種新的元認知能力。
4. 不要停止感到困惑。Wittgenstein 有本傳記叫《天才的責任》（Ray Monk, 1990）。他一輩子被一種近乎強迫性的驅力推著——如果自己沒有把問題想清楚，就不配活著。這太極端了。但核心是對的：認真思考是一種道德行為。如果 AI 時代有什麼真正的危險，不是人類變笨，是人類停止思考。

兩件 AI 做不到的事

我花了很長的時間想這些問題：跟 AI 對話、讀論文、翻哲學書、在看診的空檔發呆亂想。人類思考的價值，不只是計算性的、一定要產出什麼——產出可以被更快的工具取代，從算盤到計算機到 LLM，一直都是這樣。人類思考的價值，目前有兩件 AI 做不到的事：

• 思考的過程塑造了你：你不是在想完之後才變成你自己的。你是在想的過程中，一點一點變成你自己的。
• 思考者決定什麼值得被思考：AI 可以幫你想，但它不能替你決定什麼值得想。而「什麼值得想」不是一個可以用語言回答的問題——它是一個關於你是誰、你在乎什麼、你想成為什麼樣的人的問題。

也許「思考」這個概念本身正在被重新定義。就像「計算」在計算機出現後分裂成了「心算」和「運算」，「思考」也可能分裂成好幾種東西——有些人機共享，有些人類獨有，有些機器獨有。我們連正確的詞彙都還沒有。發明那些新的詞彙，也許就是我們這一代人的責任／機會。

而在那之前，最重要的事很簡單——繼續想。繼續寫。繼續感到困惑。繼續害怕。繼續問那些沒有答案的問題。因為那個過程本身，就是你。

參考文獻

• Fedorenko, E., & Varley, R. (2016). Language and thought are not the same thing: a processing account. Current Opinion in Behavioral Sciences.
• Mahowald, K., et al. (2024). Dissociating language and thought in large language models. Trends in Cognitive Sciences.
• Harnad, S. (1990). The symbol grounding problem. Physica D.／Harnad (2025). Language Writ Large. Frontiers in Artificial Intelligence.
• Wynn, K. (1992). Addition and subtraction by human infants. Nature.
• Weir, A. A. S., Chappell, J., & Kacelnik, A. (2002). Shaping of hooks in New Caledonian crows. Science.
• Kabadayi, C., & Osvath, M. (2017). Ravens parallel great apes in flexible planning for tool-use and bartering. Science.
• 康納曼（Daniel Kahneman）《快思慢想》（Thinking, Fast and Slow, 2011）。
• 海德格（Martin Heidegger）、梭羅（Henry David Thoreau）《湖濱散記》、維根斯坦（Ludwig Wittgenstein）——相關概念參見內文。