本篇文章更新時間：2026/04/12
如有資訊過時或語誤之處，歡迎使用 Contact 功能通知或向一介資男的 LINE 社群反應。
如果本站內容對你有幫助，歡迎贊助支持 。
機器學習的未來不是便利，而是煩人：我讀《Annoyances》的深度筆記
編輯前言：這篇文章來自 Aphyr 的長文系列《The Future of Everything is Lies, I Guess》，本篇章節是第五篇 Annoyances。我覺得它值得一讀，因為它揭開了一個我們都在快速邁向、卻沒真正停下來思考的現實：AI 不會先帶來什麼光明的未來，而是先讓我們的日常生活變得更煩、更難以追責、更荒謬。
文章來源：The Future of Everything is Lies, I Guess: Annoyances
核心觀點 (Key Takeaways)
- AI 將大幅降低客服體驗品質：企業會優先用 LLM 節省成本，而不是改善顧客問題。
- 人們將花更多時間與模型爭論：不論是保險、購物、交通罰單，模型只要「成本有效」就會被部署，而非正確。
- 責任將更難追究：AI 讓決策流程變得更長、更不可解，導致「人人負責、卻又無人負責」的狀態。
- Agentic Commerce 將催生新的廣告與作弊生態：未來不只是在對人投放廣告，而是對 LLM 投放廣告、操弄模型回應。
深入解析
Aphyr 在這篇文章裡揭露了一個不太遠的未來：AI 不是來幫助我們，而是來折磨我們。這種折磨並不是科幻電影那種「機器統治世界」，而是非常日常、非常現實的那種不耐與無力。
“Calling Comcast will mean arguing with a machine.”
以下是幾個關鍵面向：
-
客服系統的全面 AI 化：企業本來就把客服視為成本，而不是服務。當 LLM 的成本更低、能講更多話、還永遠有耐心，企業會放手交給它。問題是——LLM 會亂講話、會亂答應事情、會給假資訊，也不真正理解問題。對於「插錯滑鼠」的簡單問題或許有幫助，但對那些「系統根本壞透了」的複雜問題，AI 只會讓人暴怒。
-
機器爭論變成日常：保險理賠、交通罰單、機票價格、醫療建議……凡是「模糊空間」大的領域，LLM 就會被用來取代人工審查。模型即使錯，也不影響企業整體獲利。反過來，個人卻可能因為一句錯誤決策蒙受巨大損失。因此作者預言未來會充滿奇怪攻略，例如：「八種能騙過 AI 以降低保險費的蔬菜」。
-
責任的消失：這段是全篇中最震撼的。LLM 讓決策鏈變長、資訊更不透明，而負責的人更多、彼此更遠，也更無法理解系統本身。當醫療給付被拒，究竟是保險公司？模型供應商？訓練資料來源？標註工人？某位工程師？——答案是所有人，但也等於沒有人。
-
Agentic Commerce：模型對模型的商業互鬥：文章描述了一個荒誕卻真實的未來：購物、比價、議價、取消訂閱……都由 LLM 和 LLM 之間談判，而企業也會針對「模型」投放廣告、操弄訓練數據、設計黑暗模式。
想像一個未來：當你叫 AI 買墨西哥捲餅，你的 AI 和餐廳的 AI 可能會進行 600 頁的荒謬對話，最後送來一個價格滑不太過去的機器人外送晚餐。
這些看似誇張，但本質並不離譜：只要 AI 能決定錢怎麼花，就一定會有人想辦法操弄它。
筆者心得與啟發
讀完這篇，我最深的感受是：我們正在進入一個「疲勞經濟」。AI 不是取代我們，而是把我們逼入必須使用 AI 的生態系，否則就會被那些使用 AI 的系統牽著走。
我特別認同作者的觀察：許多 AI 帶來的問題不是技術本身，而是企業如何使用技術。從客服到醫療到購物，AI 將降低每個環節的透明度，減少人類的決策權，卻增加每個人需要投入的時間和情緒勞動。
如果要從這篇文章得到一個方向，我會說：
- 我們要開始監督 AI 的部署方式，而不是只盯著模型能力本身。
- 社會需要新的責任標準，以防止「人人負責、無人負責」。
- 個人必須提早培養「與 AI 系統互動」的素養，因為這已經不是選項，而是未來生活能力的一部分。
最後，這篇文章讓我重新思考：科技的未來不是線性往好的方向走，而是繞著成本、利益、權力不斷偏折。AI 也許能讓某些事變方便，但它同時會放大制度的缺陷，而這些缺陷往往不是技術能解決的。
未來可能不是被 AI 統治，而是被企業用 AI 所創造的「可忍受的不方便」所困住。