圖／Utar

或許，AI時代最重要的能力，不再只是獲取知識，而是辨認理解的邊界；不再只是尋找答案，而是提出問題；不再只是借用知識共同體的力量，而是在借用之後，仍然能夠將外部資源轉化為屬於自己的判斷與洞見。真正決定一個人認知深度的，從來不是他能夠調用多少知識，而是當所有答案都觸手可及時，他是否仍然願意繼續思考。

文／郭史光宏

現代社會推崇知識，也崇尚思考。我們習慣將知識視為個人擁有的資產，將思考理解為個體獨立進行的心智活動。然而，認知科學家史蒂芬·斯洛曼（Steven Sloman）與菲利普·費恩巴赫（Philip Fernbach）在《知識的假象》（The Knowledge Illusion）中提出的觀點，卻對這種根深蒂固的觀念提出挑戰。

他們認為，人類對於自身知識水平的判斷，往往存在系統性的高估。

在書中，作者引入了認知心理學上著名的「說明性深度的幻覺」（Illusion of Explanatory Depth）研究。實驗要求受試者評估自己對日常事物的理解程度，例如馬桶如何沖水、拉鍊如何運作、自行車如何轉向。許多人起初給予自己相當高的評分，但當被要求逐步解釋其內在的因果運作原理時，卻發現自己難以說清楚，於是重新調低評分。這種現象被稱為「知識的假象」。

不過，若僅僅將這項研究理解為「人類其實很無知」，便錯失了作者真正關心的問題。斯洛曼與費恩巴赫真正想說明的是：知識從來不只是儲存在個人頭腦中的內容。人類之所以能夠創造複雜文明，並非因為每個人都掌握大量知識，而是因為知識被分散於不同個體與群體之間，並通過社會協作形成龐大的知識網絡。換言之，人類的智慧本質上是集體性的。

我們以為自己知道很多，部分原因並非來自個人掌握了這些知識，而是因為我們身處一個擁有這些知識的共同體之中。工程師知道飛機如何製造，醫生知道藥物如何運作，程序員知道軟件如何開發，而我們則透過信任與分工共享這些知識成果。許多時候，我們實際上擁有的不是知識本身，而是進入知識網絡的能力。從這個角度來看，《知識的假象》所挑戰的，其實是近代以來一種深植於現代社會的個人主義知識觀。

啓蒙運動以來，西方思想傳統傾向於將理性視為個人的能力，將知識視為個人的擁有物，並將思考描繪成一種獨立進行的認知活動。然而，認知科學近年來的發展卻越來越強調知識的社會性。無論是維果斯基的社會文化理論、分散認知的研究，還是斯洛曼等人的論述，都不斷指出：人的思考從來不是孤立發生的，而是在語言、文化、制度與共同體之中展開。

知識共同體的新成員

如果說《知識的假象》已經動搖了「知識屬於個人」的觀念，那麼生成式AI的出現，則進一步將這個問題推向新的階段。過去，人們所依賴的知識共同體，本質上是由人組成的。教師、學者、工程師、醫生、記者、作者以及各種專業群體，共同構成社會知識生產與流通的網絡。當我們遇到不懂的問題時，我們向他人請教、查閱書籍、閱讀研究、尋找專家意見。知識雖然分散，但其來源終究是具體的人。

然而，生成式AI的出現，使知識共同體第一次出現了一種特殊的成員。它不是人，卻能夠參與知識的組織、整合與解釋。它無法像人類一樣擁有生命經驗，卻能夠調用人類文明累積的大量知識；它未必以人類理解世界的方式運作，卻能夠生成近似理解的表達；它不是知識的最終來源，卻越來越成為知識流通的重要中介。這或許是生成式AI最值得關注的地方。

過去，當我們面對未知問題時，往往需要經歷搜尋、篩選、比較、整理與歸納等過程。知識的獲得並不容易，而這些過程本身也是理解形成的重要環節。如今，人們不再需要親自進入知識網絡中尋找答案，而是直接向AI提問。更重要的是，AI不僅提供資料，還能夠組織資料；不僅呈現資訊，還能夠生成解釋；不僅列出觀點，還能夠整合觀點。

過去需要花費數小時完成的知識整理工作，如今往往只需數秒。這種變化看似只是效率提升，實際上卻觸及一個更深層的問題：當知識越來越容易取得時，我們是否更容易將「獲得答案」誤認為「擁有理解」？

理解從來不是資訊的堆積。從認知科學的角度來看，真正的理解意味著個體在大腦中建立起關於事物運作的心理模型。一個人真正理解某件事，不僅能夠複述結論，還能夠解釋原因、分析限制、回應質疑，並將知識遷移到新的情境之中。換言之，理解是一種整體性的認知結構，而不僅是資訊狀態。

然而，AI所提供的流暢體驗，卻容易模糊兩者之間的界線。

當一個複雜問題被清晰總結，當一篇艱澀論文被簡潔解釋，當一本厚重著作被濃縮成幾段重點時，人們往往會產生一種「已經掌握」的感覺。從目前主流觀點來看，大語言模型並不是以人類理解世界的方式運作，而是透過龐大的語言統計關聯生成輸出。然而，它所呈現出來的解釋卻足夠連貫、自然且具有說服力，以至於使用者很容易把這種「理解的表象」誤認為自己的理解。

理解可以被外包嗎？

於是，《知識的假象》所揭示的問題在AI時代獲得了新的表現形式。過去，人們容易把共同體擁有的知識誤認為自己的知識；今天，人們則可能進一步把AI生成的解釋誤認為自己的理解。然而，《知識的假象》在AI時代的重要性，或許恰恰不在於提醒我們不要依賴AI。

人類從來都是依賴外部認知資源的物種。文字延伸了記憶，書籍延伸了知識，學校延伸了學習，互聯網延伸了資訊獲取能力，而AI則進一步延伸了知識組織與表達能力。從這個意義上說，AI並非對人類認知傳統的顛覆，而是認知外包歷史上的最新階段。

真正值得關注的問題是：當知識共同體之中出現了一個能夠即時整合海量資訊的非人類成員時，人類究竟還需要培養什麼樣的能力？如果知識可以隨時調用，教育是否還應繼續以知識儲存為主要目標？如果解釋可以即時生成，那麼理解究竟意味著什麼？如果AI能夠協助完成越來越多認知工作，那麼哪些能力仍然必須由人親自承擔？

這些問題不僅關乎學習，也關乎民主社會的未來。當越來越多人的觀點來自算法推薦，當越來越多人的論述來自AI生成，當越來越多人的理解建立在未經檢驗的知識摘要之上，公共討論是否會因此變得更加理性，還是反而形成新的認知依賴？我們究竟是在擴展理解的可能，還是在製造新的理解幻覺？

《知識的假象》出版於生成式AI普及之前，但其核心洞見在今天反而顯得格外重要。它提醒我們，人類最大的限制從來不是無知，而是不知道自己無知；最大的風險也不是缺乏答案，而是誤以為自己已經理解。AI能夠幫助我們更快接近知識，卻無法替代理解本身。

或許，AI時代最重要的能力，不再只是獲取知識，而是辨認理解的邊界；不再只是尋找答案，而是提出問題；不再只是借用知識共同體的力量，而是在借用之後，仍然能夠將外部資源轉化為屬於自己的判斷與洞見。真正決定一個人認知深度的，從來不是他能夠調用多少知識，而是當所有答案都觸手可及時，他是否仍然願意繼續思考。

郭史光宏	怡保師範學院華文組講師，馬來西亞兒童文學協會會長，著有《我只是一個老師》《閱讀教師的現實與理想》和《走向閱讀深處：班級讀書會的概念與實踐》，長期關注兒童文學、兒童閱讀和語文教育等領域。