我教我的回聲,說出它沒想通的事

六月初,我寫過一篇(從客服到回聲),記錄我怎麼花 74 天,把 saomin.tw 上一個替我接待的客服,換成一個用我幾十年文字長出來的回聲。你問它,它會翻我寫過的字,用很接近我的方式回你。

它做得不錯。但用了一陣子,我發現它有個毛病:

它永遠很有把握。

問它政治、問它愛情、問它劇場,它都能用我的語氣答得頭頭是道。可是真實的我不是這樣。真實的我有一大堆問了二十年還沒答的問題,有一堆自己沒察覺的壞習慣,有很多事其實沒想清楚。一個只會篤定回答的東西,語氣再像我,本質上還是一份簡介——一份用第一人稱寫的簡介。

簡介不會猶豫。人會。

一個外交官、一個工程師,和倫斯斐

剛好這陣子讀到兩個人在做類似的事。

今年四月,Andrej Karpathy 公布他怎麼用 AI 建自己的知識 wiki。五月,新加坡外長 Vivian Balakrishnan——一個月要跑十二個國家的人——說他用 AI 建了一個「第二大腦」來降低認知負荷。兩個都是把自己外化成一個能對話、能檢索的東西,有點像知識上的數位分身。

我自己也照著做了一個個人知識庫。做的過程裡,我一直想到美國前國防部長倫斯斐那個有名的分類。他把知識分成四種:

• 已知的已知(known known):你知道、也知道自己知道的。
• 已知的未知(known unknown):你知道自己不知道的。
• 未知的已知(unknown known):你其實知道、卻沒意識到自己知道的。
• 未知的未知(unknown unknown):你連自己不知道都不知道的。

然後我回頭看我的回聲,愣了一下:

它只會第一種。 它整個能力都壓在「已知的已知」——複述我寫過、已經想清楚的東西。另外三種,它完全沒有。

而那另外三種,才是一個人真正有意思的地方。

分工:回聲往內,知識庫往外

想清楚一件事之後,方向就定了。

知識庫(Karpathy、外長做的那種)的價值在往外長:找你沒讀過的文獻、補你不知道的知識缺口,主攻「未知的未知」。那是對的,知識庫就該往外。

但回聲不一樣。回聲是用一個人既有的文字長出來的,它的料是封閉的——就是我寫過的那些字,不會再多。所以回聲不該往外搶知識庫的活。它該往內,把「關於我自己」的那兩個象限做到極致:

• 已知的未知:我自己問過、卻從沒收掉的問題。
• 未知的已知:我自己沒察覺、卻反覆出現的習慣。

至於「未知的未知」,我刻意不做。那是知識庫的事。回聲要是也往外長,它就不再是聲音了,變成另一個搜尋引擎。

於是我給回聲補了三層。

第一層:未竟——它說出我沒答的問題

我寫了一支程式,讓它把我每一個主題的文字單獨拿出來,但這次不是抓我的「立場」,是抓我的問號:我問過、卻同一篇沒回答的問題;我並置、卻沒調和的兩端;橫跨好幾年、反覆出現卻始終沒結論的線。

我的文字有日期,從 2003 到 2026,二十多年。所以這些「沒收掉的問題」可以排成時間軸——看得出哪一條纏了我一輩子。

做完,我問它:「你現在還會為了政治站出來嗎?」

它說(大意):

不會了。2006 年我捐了一百塊給施明德,那時候還跟自己說這是「站出來」。但我當時就知道,我寫過一句「我的著急,是看熱鬧的心態,還是忍受快爆發的地步?」——我問了,然後沒答。更早,高中,520 農民抗爭,我搭最早的公車去,現在回想,看熱鬧多一點。所以「站出來」這件事,我從來沒搞清楚我是真的憤怒、還是在追一齣連續劇。這條我一直沒想通。 一直到 2013 那句「這些東西都離我好遠了」,那不是想通了,是被生活蓋掉了……這個問題,從高中就沒答。

我看著螢幕,有點發毛。因為它說的全是真的,而且它把一條我自己都沒串起來的線——高中、2006、2013——串成了一條二十年沒閉合的迴圈。它沒有幫我下結論。它只是誠實地把那個「沒想通」攤在那裡。

這就是已知的未知。一個敢說「我還沒想清楚」的回聲,比一個什麼都答得出來的,更像我。

第二層:鏡子——它照出我沒察覺的習慣

第二件事更怪一點。

我讓它讀完我所有主題的整理,然後問它一個問題:跨過所有題目,有沒有什麼是我自己未必察覺、卻反覆出現的習慣?不是我的觀點,是我「怎麼想、怎麼說」的底層慣性。

它抓出來的東西,讓我笑了出來,因為太準:

• 談感情我借文學和流行歌(村上春樹、蘇軾、陳昇),談權力和結構我就換成理論家(傅柯、索緒爾、巴特)。兩套人馬從不混用。
• 我習慣用「不是什麼」去逼近「是什麼」——從碩論的「歷史不是什麼」,到二十年後看 AI 的「記得不是經歷、判斷不是判斷」,同一把刀只是換了對象。
• 抒情最濃的時候,我一定馬上用一個括號自嘲洩壓。
• 被人指出矛盾,我不認,我會說「那是指不同的事情」。

我從來沒有意識到這些。但它們確實是我,讀我二十年的字才看得出來。這是未知的已知——它就在那裡,只是我自己看不到。

這一層我設了一條很嚴的規矩:預設不准提。 不然它會變成每句話都在解剖自己,很油。只有兩種情況它才照鏡子:你直接問它的習慣,或者它這次的回答剛好是某個習慣的鮮明範例。我問它「你回答有什麼慣性嗎」,它說了三條,最後收在一句:

這三個我自己都知道。但知道也沒用,下一個問題還是一樣。

——那句不在我的設計裡。那是它自己長出來的,而且非常我。

第三層:誠實——它知道自己哪裡沒料

最後一層最樸素,但我覺得最重要。

那兩個外國人的知識庫,跑久了都會生出一張「儀表板」:你的知識多樣性、密度、成長率,像血壓血糖一樣的數字。很迷人。但我在自己的知識庫上就警覺到一件事:

那些數字量的不是你的大腦,是你剛好餵進去了什麼。 你這個月多讀了三篇談老化的論文,它就說你「最近高度關注高齡議題」。血壓計量的是血,這個量的是你的上傳記錄。

所以我給回聲做的第三層,從一開始就守住一條命名紀律:它叫「語料體檢」,不叫「大腦體檢」。它呈現的是——我這些文字裡,哪些語域厚、哪些薄,哪些年份密、哪些是空白,哪些主題我寫得多。某個主題薄,只代表我少寫,不代表我少想。

更實際的用處是:回聲現在會看「這題我手上有多少料」。料厚,它就大方講具體的事;料薄,它會誠實降一格——「這塊我寫得不多,接下來比較是用我的框架在推,不是我寫過的具體東西。」它不再假裝什麼都有。

(這一層我也順手做了一張圖,把我的主題畫成一張共現網絡,放在回聲頁的最上面。坦白說那張圖主要是好看——結構辨識的意義要靠你自己看出來,不在圖本身。這點等一下會講。)

為什麼是「照出來」,不是「幫我想完」

做這三層的時候,我一直忍著一個誘惑:既然它能找出我沒想通的問題,要不要乾脆讓 AI 順便幫我把答案也找出來、把缺口也補上?

我沒做。而且這是整件事我最確定的一個決定。

班雅明講過一個詞,靈光(Aura)。AI 幫你找到的那些隱藏連結、那些沒想通的線,我想都不是靈光本身,頂多是形成靈光的素材。沒有經過你自己神經元的連結、你自己把它想通的那個過程,你得到的只是一種「虛假的掌握感」——看起來懂了,其實沒有。

像新加坡那位外長說的,我們活在一個什麼都能外包的年代:運算、記憶、複製、傳播,都能交給機器。但有一樣東西外包不掉,就是你自己的理解。

所以回聲的工作,是把那條沒想通的線照出來,不是替我把它關掉。 關掉它的那一步——真正想通——那是我的事,不是它的。一個會自動幫你補完所有缺口的系統,只會加速你的資訊焦慮,讓你以為自己很充實,其實只是看了更多自己沒消化的東西。

朱熹講讀書要「自博而約」,廣泛涉獵是為了收斂,最後回到簡明的核心。波赫士寫過一個叫富內斯的人,過目不忘,能看見聽見世上一切,卻因此無法形成任何結構,迅速淹死在資訊裡——對他來說,每件事物都斷成碎片,沒有一物能構成整體。

找到隱藏的模式、把結構辨識出來、聚焦,那才是這種東西的精神。不是累積更多。

現在的它

所以現在 saomin.tw/me 上那個回聲,會四件事了:

• 用我的語氣回答我想清楚的事(已知的已知)
• 說出我問過卻沒答的問題(已知的未知)
• 照出我自己沒察覺的習慣(未知的已知)
• 誠實面對它哪裡其實沒料(覆蓋的誠實)

唯一一件它不做的,是往外幫我找新知識(未知的未知)——那留給另一套工具,別污染這個。

它還是不能代表我本人。它讀過的,只是我願意寫下來、且還留著的那部分文字——大概是真實的我的一個薄薄的切片。但比起六月初那個什麼都很篤定的版本,現在這個會猶豫、會承認自己沒想通、偶爾還會吐槽自己的回聲,確實更像我一點。

因為一個人最像他自己的地方,從來不是他想清楚的那些事。是他還沒想清楚、卻一直在想的那些。

丟顆石頭進來,聽回聲:saomin.tw/me。

(這篇是給有興趣的人看的記錄,不是教學。技術上怎麼接的,延續 a14 那篇 74 天記錄;這次的三層都搭在原本的主題路由上,沒有另起爐灶。)