【AI 世代教養學】每個人都有自己的知識地圖，關鍵提問決定你的方向

文／謝伯讓（臺大心理系教授、腦與意識實驗室主持人）

研究方式，透過與AI對話截然不同

2011 年，我在美國麻省理工學院擔任博士後研究員。當時我帶著兩位大學生準備進行一項研究。雖然他們偶爾也會找到不同的文獻、對不同的問題產生好奇，但受限於查找資料的成本與閱讀門檻，大部分時間仍圍繞著相近的教材、相似的文獻，以及同一條知識主線前進。最後，他們形成的知識輪廓或許深淺稍有不同，但整體而言仍十分接近。

十五年後的今天，這個畫面已經開始改變。即使幾位學生準備的是同一個研究題目，也可能因為向 AI 提出不同的問題，而走上截然不同的探索路徑。有人先追問統計方法背後的數學原理，有人深入了解相關理論的歷史脈絡，有人請 AI 用神經科學重新詮釋這個概念，也有人追問它在商業決策上的應用。AI 幾乎能即時回應每一個新的好奇，因此每一次提問，都可能把人帶向另一個知識領域。最後，他們都完成了同一項研究，但卻是沿著截然不同的思考路徑抵達。
 

AI時代，每個人都能長出新的知識地圖

AI 正在讓每個人發展出一張屬於自己的知識地圖。更重要的是，AI 讓每一個「為什麼」都變得幾乎沒有成本，每一個好奇都可能長成一條新的知識支線。

在人類歷史上，知識其實很像一張公路地圖。大多數人沿著差不多的路徑前進，路上通常是學校課本、報紙雜誌、重要的經典書籍，再加上一些主流媒體的知識敘事。這種結構讓社會中的知識分布具有相當程度的同質性。不同人或許深淺不同，但大致走在同一條路上。

但AI 的出現可能正在改變這件事。當知識不再只是閱讀固定文本，而是改成透過與 AI 的對話、提問與探索來獲得時，人們的學習路徑就開始分岔。兩個人都使用 AI，如果他們問的問題不同，得到的知識結構就會完全不同。一個人可能一路深入神經科學與哲學，另一個人可能探索創業與金融市場。久而久之，每個人的知識世界就像一張獨特的地圖，長出不同的地形與道路。

從學習來看：知識個人化多半是好事

從認知科學的角度來看，知識個人化其實非常符合人類大腦的學習方式。教育心理學家布藍斯福德（John Bransford）指出，人類學習並不是被動吸收資訊，而是會依據既有知識架構去建構新的理解。每個人的知識系統本來就應該有些不同。

當知識是由個人的問題與興趣驅動時，學習通常更有效率。2014年一項發表在《Neuron》的神經科學研究發現，好奇心會啟動多巴胺系統，並提升海馬迴的記憶形成能力。當人對某個問題感到好奇時，不僅相關資訊更容易被記住，連同時出現的無關資訊也更容易被記憶。這表示，以問題為導向的學習，更能動用大腦資源，強化學習。AI 所帶來的知識個人化，可能是一種可能性的解放。它讓人可以依照自己的問題去探索世界，不必沿著唯一的知識道路前進。
 

從創新的角度看：多樣性往往更有利

如果把視角移到整體社會，知識地圖的多樣性也可能帶來另一種好處：創新。歷史上許多重大創新，往往來自不同知識領域的交會。例如分子生物學誕生於化學與生物學的交界，認知科學則結合了心理學、神經科學與計算機科學。理論生物學家考夫曼（Stuart Kauffman）曾提出「相鄰可能性」（adjacent possible）的概念，指出新的想法往往來自不同知識元素的重新組合。

如果每個人的知識地圖都完全相同，社會的創新空間會相當有限。但不同人探索不同區域，整個知識系統就會像一個多樣化的生態系。不同知識的交會點越多，新想法出現的機會也就越高。因此，AI 讓知識更加個人化，未必是壞事，反而可能增加人類文明的探索空間。
 

從演化來看：多樣性是重要資產

在生物演化中，多樣性幾乎總是重要資產。基因多樣性可以讓族群更容易適應環境變化，生態系中的物種多樣性則能提升系統穩定性。文化演化也有類似的機制。人類學家亨瑞奇（Joseph Henrich）在研究文化演化時指出，人類社會能快速適應不同環境有賴「文化變異」，也就是不同群體嘗試不同做法。

AI 可能會增加這種文化變異。更多不同的知識路徑，意味著更多不同的想法被嘗試，而演化往往就是在這些變異中進行選擇。從長期演化角度看，知識地圖的多樣化是利大於弊。
 

人類社會其實依賴知識分工和信任網絡

然而，知識高度個人化也讓一些人擔心：如果每個人的知識世界差異太大，社會會不會難以溝通甚至崩解？

其實歷史經驗顯示，人類社會早已適應知識分化。科學革命之後，知識就已經開始高度專業化。沒有任何一位科學家能理解所有科學領域，但文明仍然正常運作。哲學家克奇爾（Philip Kitcher）將這種現象稱為「認知勞動分工」：不同人研究不同問題，而整體知識仍然能累積。

人類社會並不需要每個人知道所有事情。我們依靠的是知識分工與信任網絡。有人懂醫學，有人懂工程或法律，整個系統仍然可以運作。AI 可能只是把這種分工變得更細緻。

因此，說 AI 會導致社會崩解，可能是過度誇張，合理的描述是：當知識結構變得更複雜，導致理解彼此的成本提高。未來的人可能需要花更多時間去理解不同領域的知識背景，也需要更長的學習曲線來建立自己的知識地圖。但這並不意味著社會會無法運作。事實上，人類文明一直在適應知識複雜度的增加。印刷術讓書籍爆炸性增加，科學革命讓知識分支快速擴張，網路則讓資訊幾乎無限。每一次知識爆炸都曾被認為會造成混亂，但人類社會最終都找到新的秩序。
 

未來的知識世界將更像一個知識生態系

如果要用一個比喻來形容未來的知識世界，也許它會更像一個生態系，而不是一條道路。在過去，大多數人沿著同一條知識大道前進；而在 AI 時代，森林裡可能出現無數小徑。不同人探索不同區域，但整體系統仍然保持連結。生態學告訴我們，多樣性往往不是脆弱的象徵，而是韌性的來源。不同物種、不同策略、不同適應方式，共同構成一個穩定的系統。人類的知識世界或許也會如此。

若要用一句話總結這個變化，也許可以這樣說：AI 讓知識從原本的一條路，長出了無數條可能的路徑。這可能會讓學習的景象變得多元雜亂，但也很可能會讓學習變得更像是有趣的探索。

在這樣的世界裡，最重要的能力或許不再只是記住知識，而是知道該往哪個方向提問。因為當知識地圖開始分岔時，真正影響未來的關鍵，將是你自己所提出的問題。提問，將決定你走向何方。