社群介面與音樂的互動:短影音的崛起

刊出日期:2025/12/03|文字:劉士嫙|責任編輯:謝秉岑
全文共2984字,閱讀大約需要9分鐘

社群平台正在全球颳起一陣名為短影音的超級旋風,音樂的傳播方式也因此發現新的出口。演算法加速旋律的流動,碎片化的接收方式也讓大眾重新思考:什麼才能被稱為音樂?短影音改變我們接收的節奏,也反過來形塑創作者的產出:縮短前奏、調整段落,讓作品更容易在幾秒內被記住。而聽眾對音樂的記憶與收聽行為,也被平台的節奏重新排列。音樂從一首完整作品逐漸被視為「多段可用的素材」......這就是短影音世代無法挽回的代價嗎?

大勢來襲:短影音成為音樂傳播新主場

自從 TikTok 向全球證明自己的影響力後,Instagram、YouTube 與 Facebook 等社群龍頭也紛紛邁向短影音領域插旗佔場。這些平台競逐的背後,最先牽動的,是人們的資訊收視習慣;重新改寫的,是大眾如何接觸與使用音樂。

過往的音樂,一首歌的曝光取決於廣播、電視與唱片公司的宣傳節奏;全新的傳播場域裡,歌曲不只是被完整介紹,更以直覺、零碎的方式被觀眾迅速吸收。「滑到音樂的三秒內,我還想再聽嗎?」、「這段旋律適不適合作為貼文配樂?」、「分享到限動會不會有人回我?」音樂的「散佈者」從專業團隊轉向大眾用戶,素人在影像、舞蹈、搞笑及迷因等各種形式中所產生的擴散力,已遠遠超越傳統宣傳手段,使音樂跳脫過往固定的宣傳框架,極度碎片化地滲入使用情境、融入多元的族群當中。

當音樂的生命週期取決於社群的選擇,出現的場合也變得更不可預測。社群平台不願放過大眾的注意力,開始藉由大量標籤、挑戰、特效與潮流趨勢製造新鮮感,這些多樣的標籤也正在悄悄改寫音樂中名為「風格」的界線。虛擬世界的音樂不再常態遵循傳統分類,五零、六零年代的老歌只因為一段舞步突然回春,成為青少年影片的指定配樂,給了舊曲「二度出道」的機會;古典樂被拿來搭配搞笑內容,顛覆其原本的優雅氣質;療癒、可愛類型的音樂與恐怖畫面混搭,用反差的荒誕感吸引觀眾停留。對嘴饒舌影片、Vlog 配樂、美妝剪輯、生活抒發、搞笑短劇……在短影音的世界,音樂的使用場合不再受風格所限,原先劃分類型之間的高牆也在浪潮中被輕易推倒。

短影音讓音樂流向變得更廣、讓作品有更多出口,也讓大眾以往可能錯過的音樂重新浮上檯面。即使在版權保護的情況下,音樂仍可以被任何人重新包裝、剪接並賦予意義,前所未有的自由使用感讓歌曲跨越世代重新流動。在這樣的模式下,完整的歌曲瞬間成為可任意調度的視覺素材。歌曲變成可供引用的片段、可搭配的氛圍、可製造記憶點的標記。許多歌曲藉由短影音一砲而紅,但也因此被撕裂出原本的故事背景,只留下最適合使用的旋律碎片。

▲  面對社群網絡,音樂也成為社交利器。(圖片來源/ Luke van Zyl on Unsplash

從作品到素材,短影音用音樂服務影像

你有沒有過這樣的經驗?走在路上,忽然聽見一段旋律,陌生又熟悉的感覺反覆徘徊,卻還是想不起那首歌的名字。直到旋律走進了副歌片段,頓時豁然開朗,終於想起是在哪裡「看過」這段音樂。或許是某個搞笑短片、某個可愛動物影片、某個 K-POP 藝人跳舞的樣子……這些畫面讓你想起在哪裡聽過這段旋律,但始終想不起這首歌的名字。

大家熟悉的 MV(Music Video),是為音樂量身打造的影片,利用影像服務音樂,音樂才是主角。為了一首歌曲而拍攝的視覺化影片作品,透過影像放大主題、吸引你的目光、延伸歌曲的情緒,讓觀眾從頭到尾聽得非常過癮。無論畫面如何燦爛奪目,MV的核心始終如一:讓你看完之後記住這位歌手、這首歌曲。然而,短影音讓人認識歌曲的方式正好相反:你可能看過上百段使用同個音檔的舞蹈、梗圖、寵物影片或轉場特效。但你記住的往往是那些畫面、那些素人或創作者,而不是歌曲本身,甚至要等到旋律走到副歌、走進關鍵的秒數,才恍然大悟:原來是那首歌。而歌曲的名字?歌手的名字?可能得等下次滑到再說了。

就音樂而言,短影音最本質的吸引力在於,它讓音樂的傳播由用戶共同創造。平台運作方式也加速音樂的流動,一個表情動作,都能形成音樂速食文化,又或是說——有機會讓全世界認識 15 秒的旋律、兩句歌詞。短影音「高度視覺依賴」的特質,讓音樂只能是作品素材的一部分,但也因為成為影片敘事的重要節點,使其在傳播過程中與影像關係更為緊密。在這樣的使用邏輯下,音樂無法成為提供深度體驗的作品,反而像是成為背景拼圖:歌曲被大量切割各種長度的片段,真正被使用、被記住的往往只是當中最具辨識度、最洗腦的幾秒鐘。當歌曲不再主導內容,僅依照內容需求而被選用時,一首歌好聽與否已非爆紅關鍵。部分歌曲為了流量,不再追求完整敘事,而是費盡心思讓自己的「旋律」雀屏中選、承擔爆紅任務。

諷刺的是,這種使用方式看似讓音樂的使用機會增加,實則逐漸失去其不可替代的特質。對於短影音而言,音樂是因為功能性而被選擇,任何風格相近、節奏相似的音軌,都可能被拿來替代某個潮流需要的音樂片段,作品的完整性也受到侵蝕。

▲  熟悉旋律卻想不起歌名,反映了碎片化使用的常態(圖片來源/Melanie Klepper on Unsplash

陣痛期下的音樂:簡短、直覺、社交化

如果告訴你「抓準機會,就能因為 15 秒讓音樂在網絡世界爆紅」,應該還是有不少人想把握這個最佳秘方。短影音幾秒內決定是否為音樂停下腳步,從而誕生全新的創作公式:縮短前奏、提前副歌,使整體架構更能快速識別;簡單強烈、容易模仿的節奏,更容易被用於舞蹈、挑戰或二創內容。除此之外,這個新型生態中也出現了其他針對短影音使用的新型音樂。

這類型的音樂旋律簡單、時長簡短、沒有歌詞,重點在營造特定氛圍,讓其他創作者有興趣將其用作影片背景或二創素材,使音樂本身成為可操作的工具,而非單純的聽覺享受;另一種常見做法是剪輯或混搭知名電影配樂,透過混音或技術加工增加旋律的辨識度與記憶點,利用觀眾已有的情感聯結,快速獲得注意力,也讓音樂在社群中被大量模仿與引用,形成新的二創潮流;也有純粹追求娛樂的音樂,重量不重質,隨著AI生成影片的旋律片段。為體驗即時創作的樂趣而生,甚至脫離任何創作音樂的原始動機,也彰顯短影音的試驗精神。

▲  音樂在社群成為娛樂效果的多功能素材。(圖片來源/Collabstr on Unsplash

未來可能的平衡:重返作品,與平台兼容

儘管短影音帶來的衝擊不容小覷,但歷史就是在資源與觀念衝突、磨合、不斷調整的情況下妥協,從而推動世代演變。短影音縱使席捲市場,也並未完全抹消完整作品的文化價值;在這場音樂的速食浪潮中,也並非所有人都完全投入快節奏的聆聽方式。在未來,音樂當然也有機會在世代轉型當中找到平衡點。

近年已經有不少創作者選擇雙管齊下,不只音樂,也一併在視覺方面加強巧思。風靡全球的 KPOP 正是利用短影音的特性,將 MV 精簡成預告短片作為短影音使用,不僅讓作品能在快速瀏覽的使用情境中被看見,在完整版本中依然保留足夠的細節與層次,提供願意深度體驗的聽眾細細咀嚼,確保歌曲在不同語境下都能保持完整與靈活。不少平台也透過調整介面設計、延伸播放、背景播放等功能,讓用戶能從短影音點選欣賞歌曲全貌。除此之外,儘管面對短影音的擴張,仍有不少聽眾堅持與完整作品建立單純的情感連結,更加積極參與現場演出、在網路創立懷舊社團收藏實體專輯等,細細品味那些被演算法忽略的細節。

黑膠、卡帶、實體專輯到數位下載,音樂早已多次在科技與技術的推動下反覆改寫。若把時間軸拉得更長,短影音帶來的衝擊甚至稱不上是重大改革。未來的音樂並不是在短影音與完整作品之間選擇,音樂也從來不會被定義成單一形式,反而是在磨合中重建新的平衡。

© 2025 All rights Reserved

當「科技」學會了「情緒勒索」:揭開生活遊戲化的甜蜜陷阱

刊出日期:2025/12/03|文字與互動圖:鍾竺庭|責任編輯:曹芳綾
全文共2300字,閱讀大約需要7分鐘

在這個與手機密不可分的時代,運用各式App來管理自我,似乎已經成為現代人主流的生活方式。其中,有許多軟體利用「遊戲化」機制,降低了人們接觸新事物的門檻,也藉由即時的獎勵與回饋,增加使用者持續維持習慣的意願。

本篇文章將從大學生「小庭」的日常生活出發,了解「遊戲化」如何深入我們的生活,這些看似無害的遊戲化機制背後,又是否潛藏著我們不曾察覺的甜蜜陷阱?

為達最佳視覺與互動體驗,建議使用電腦瀏覽。

令人著迷的遊戲化機制

小庭,一位20歲的大學生,早上起床的第一件事是拿起手機。

對小庭來說,生活就像一場大型的RPG遊戲。從學習、運動到記帳,甚至是睡覺,都可以用玩遊戲的方式輔助完成。

點擊了解各種生活遊戲化 App!

           Girl using phone
9:41
5G 100%

▲  來操作小庭的手機,了解她「遊戲化」的一天!(圖片來源/鍾竺庭製作)

「遊戲化」(Gamification)的概念,最早在2011年由Deterding等人提出,其核心價值在於將遊戲元素(如:點數、徽章、排行榜或等級/關卡)應用於非遊戲情境中,提升使用者的參與度與動機。 這種設計將現實中枯燥、需要長期堅持才可能達成的目標,轉化為一次次有趣、有即時回饋的小任務,讓人在不知不覺中持續投入,最終達成原本看似遙遠的成果。

舉例來說,對幾乎不運動的小庭來說,要養成規律運動的習慣很困難,但當「運動」被包裝成小遊戲,量身打造運動難度,每日10分鐘,完成任務即可領取獎勵,甚至進入排行榜,運動便開始讓她欲罷不能。

 
在每一次虛擬的「集點」、「升級」中,小庭感覺到自己的進步被即時量化與認可,對比現實中緩慢而模糊的成長軌跡,遊戲化軟體所提供的滿足感與成就感更加具體。

當「真實」的情緒需求被「虛擬」獎勵滿足

 

使用Doulingo學習語言的小庭,非常熱衷於收集虛擬獎勵,如:連勝天數(Streak)、徽章、經驗值等。這是因為這套機制精準的觸發了人類基本的心理需求。

 

心理學家德西與萊恩的「自我決定論」指出,人類有三種基本心理需求:勝任感、自主性、關聯性。遊戲化設計巧妙地利用了這些需求,以Doulingo為例:

▲  Doulingo 的遊戲化設計回應了「自我決定論」的三大心理需求(圖片來源/鍾竺庭製作)

當這三項基本心理需求被滿足之後,內在動機就會大幅提升。其中,虛擬獎勵透過即時、清晰且量化的反饋,不斷的向小庭傳遞一個訊息:「妳的努力是被看見且值得的!」這份誘惑,讓她遲遲無法放下手機。

生活遊戲化下的動力、焦慮── 損失趨避

360 天連續簽到!

這是小庭在學習 App 中最引以為傲的紀錄。
然而,今天她重感冒,身體非常不舒服,只想好好休息。
如果今天「斷簽」,她將失去 360 天的紀錄,還會被踢出排行榜...

她應該...

       

保持連續簽到 361 天!!

成功地維持了紀錄...

           

...但是,你落入了「損失趨避」的陷阱!

為了避免失去 360 天的累積紀錄,即使重感冒也強迫自己完成任務。
              這種「害怕失去」的強烈焦慮感,正是「損失趨避」。

累積簽到 0 天

被踢出排行榜了...

           

這就是「損失趨避」的威力

              失去 360 天紀錄所帶來的「痛苦」,遠大於休息養病獲得的「舒適感」。
這種對損失的強烈恐懼,會嚴重影響我們的決策。

▲  小庭在學習App中累積了360天簽到記錄,重感冒的她該如何做出選擇?(圖片來源/鍾竺庭製作)

「連續 360 天簽到!」這是小庭在學習 App 中最引以為傲的紀錄。

然而,當有一天她因為重感冒想休息時,一股強烈的焦慮感湧上心頭。如果今天「斷簽」,她將失去 360 天累積的紀錄,還會被踢出排行榜。可預期的損失讓她心情難以平復,最終掙扎著打開 App 完成任務。

這便是心理學上的「損失趨避」原理──人們對於失去已擁有的東西所感受到的痛苦,通常遠大於獲得同等價值東西所帶來的快樂。


遊戲化設計正是利用這一點,將使用者投入的時間與努力,累積成一個難以割捨的「數位資產」。一旦使用者想停止,系統便利用人們對「失去」這些已投入資產的強烈恐懼來施壓。英國《衛報》專欄中的心理治療師蘇西·馬斯特森(Susie Masterson)提到:「如果目標從『自我提升』轉變為『不能中斷』,就可能變成強迫或成癮行為。」

當遊戲化機制將焦點從「你獲得了什麼」轉移成「你將失去什麼」時,它就從「正向的動力」,轉變為促使人們必須完成義務的「壓力」,甚至造成焦慮。

被「外在動機」綁架的「內在動機」── 過度辯證效應

「以前我是真的喜歡學日文,覺得很有趣。現在,有時候點進App學習只是為了拿獎勵。」小庭迷茫的說道。

  當人們的「內在動機」(對某件事本身有興趣)被「外在動機」(獎勵、懲罰)所取代後,原有的內在動機反而會減弱甚至消失。

 這就是心理學上的「過度辯證效應」(Overjustification Effect)。

一個原本熱愛學習語言的人,如果開始為了App裡的虛擬徽章或排名而學習,一旦這些獎勵消失,他可能也會失去學習的熱情。因為他的學習動機已經從「享受學習語言的樂趣」變成了「獲得App的獎勵」。

當學習、運動的「內在動機」被「外在動機」綁架後,我們是否還記得為何而開始?

自我價值也被數據化?

               
               

App任務都未完成

               

小庭看著未達標的任務數據,陷入了沉思...

難道自己這些天所做的努力都毫無價值嗎?

           

小庭的任務達達成分數

點擊變暗的任務完成每日簽到!

任務達達成分數

100分
▲  當小庭以App上的數據來衡量自我價值,會發生什麼事?(圖片來源/鍾竺庭製作)

小庭會因為運動App上的卡路里消耗量不夠高而感到沮喪,會因為讀書App上的專注時數不如預期而自責。這些數字,逐漸成為她衡量自我價值的標準。

 

「我覺得自己很沒用,今天一個目標都沒有達成。」小庭坦承。

 

過度在意手機上的外部數據,可能會忽略掉生命中其他更深層次的意義和豐富性。我們是否正在習慣透過App的數據來肯定自己,迷失了自我?

在遊戲化的世界裡,找回真正的自我

生活遊戲化,無疑為我們的日常增添了許多樂趣與效率。它能幫助我們養成好習慣,提升自我管理能力。然而,在享受這些甜蜜果實的同時,我們也需要警惕它可能帶來的潛在陷阱。對於小庭,以及像她一樣沉浸在遊戲化生活中的人們來說,或許是時候停下來思考:我們是真的在「玩遊戲」,還是被「遊戲」所玩弄?那些看似誘人的虛擬獎勵,是否正在無形中綁架了我們的內在動機,甚至扭曲了我們對自我價值的認知?

找回內在動機,理解真正的需求,在數據和獎勵之外,重新定義自己的價值,或許才是我們在遊戲化時代中,最重要的一堂課。

© 2025 All rights Reserved

《現代下的情感需求轉型與革新》

刊出日期:2025/11/25|文字:李欣樺|責任編輯:羅可芸
全文共4118字,閱讀大約需要10分鐘

在只需要滑動螢幕就能與人產生連結的時代,我們變得越來越容易靠近,也越來越難以真正交心。
關係開始於訊息框,卻止於已讀不回;語言變得輕巧,卻不再可靠。
當喜歡成為壓力、承諾成為風險,所謂的親密究竟還剩下多少真的重量?
本篇試圖走進交友軟體使用者的世界,看見那些看似自由選擇背後,彼此博弈又深陷其中的情感現場。

快速的世代,我們想要一段完美的愛情,又害怕承擔風險。

在緊湊的時間軸裡也同樣慢不下來的關係

繁忙的生活節奏,人們似乎已失去等待的能力。希望丟出去的煩惱可以被立刻接住、希望生活中的痛苦能隨時有人完全理解,希望每時每刻都能被回應。過去的交際模式裡,可能會花上三個月了解一個人,再花更多時間嘗試走入關係,又花更漫長的時間經營感情。如今,透過簡單幾個訊息,就能在不用見面下建立關係、保持親密;關係之間的界線變得模糊,似乎得到陪伴與情感上的支持,就足以構成目的支持我們向外探尋。
在手機螢幕的一端抒發,情緒流向至另一個未知但即時的位置。對面的接收者是誰,似乎也變得不那麼重要。我們習慣在對話框中得到安慰與回饋,而這樣快速的情感供給,是否就正是我們在追求的最終目標?

那些不敢坦然的秘密

在交友軟體剛出現時,使用者往往害怕讓其他人知道自己有在使用,不敢直接大方的說出來,因為認為會被覺得輕浮、耐不住寂寞,甚至覺得一定是為了其他關係才進入交友軟體。交友軟體早期被認為用來解決情感或性方面、較直接的「需求」,而非真心找「愛」的選擇,因而背負罵名與原罪。使用者與大眾的想法認為,交友軟體在社會道德邊緣的曖昧地帶遊走,即使嘗試者原先不帶有如此的既有想法,也在這樣的影響下,對此交友軟體產生預設心理。

但隨著時間過去,我們都產生了不同的想法。本刊將跟著交友軟體的長期使用者小米的視角與經驗,感受深度交友軟體使用者的世界。

「交友軟體上找人交流的成本很低,無聊的時候可以上去,隨意、不費心力的與人相處,不用約好時間、不用打扮、想吃什麼、是不是會打擾到對方、自己的形象會不會受損。是一種殺時間的選項,就像有人選擇打遊戲一樣。」

疫情時代的催化,在這樣的一場巨大的生活改變裡,我們的腳步越來越快、距離越來越遠。雲端自我揭露也有效的在釋放個人壓力中發揮關鍵角色,大眾對於交友軟體的依賴與接受度也隨之增長,逐漸被接受成為公開話題。

▲  透過交友軟體尋找親密關係,成為現代人的日常。(圖片來源/Freepik

麻木的情感滑動

「用像Tinder這種軟體壓力很大,會有一直被審視外貌的感覺,我自已蠻不擅長從零開始跟只看過照片的人尬聊,而且這類軟體的女生通常回答都很簡潔,簡潔到很不想回下去,像是只會回答肯定否定之類的,所以就漸漸淡去了。」

在交友軟體百家爭鳴的市場下,各類型的交友軟體相繼而生,從最典型的 Tinder 式「左滑右滑」快速選擇喜歡和不喜歡,或是主打隨機配對、匿名性高、針對特殊族群或是明確目的等不同特色的交友軟體。小米說,他自己比較喜歡可以語音通話的軟體,因為更能感受到與對方的靠近,也較能快速熟絡。他覺得看照片選擇對象的模式下,「右滑配對到就結束了,比較像是一種扭蛋,扭到就擺在那裡,很難有進一步的交流。」不同的用戶能在眾交友軟體中找到最適合自己的節奏與方式。

自然每個模式都有其優缺點,而交友軟體也並非如想像的,僅是在快速篩選下能獲得共鳴那樣完美。單從長相片面挑選對方的優劣,讓使用者容易對外表焦慮,進而客體化自己:把自己的身體當成一個可以被觀看、評分、被比較的「物件」,而不是作為一個有感受、有自我意志的「主體」。

語言與我們的持續失重

「在現實生活中很難有那麼頻繁的交流,四五小時都在講電話,但交友軟體很容易,不是因為先喜歡他所以才聊那麼久,是聊那麼久才喜歡上,那自己的愛慕之心如果沒結果就會受傷。」

在快速配對下,我們用不同於現實中的方式認識可能發展的浪漫關係對象。在生活中我們由淺到深,先是日常的互動產生好感才往下更了解彼此;而交友軟體上,我們會先和這個對象先有一點心靈上的交流,知道自己對彼此有意思,才會開始認識這個人到底是什麼樣的個性、了解其輪廓,最後才有可能慢慢走入現實參與日常。

▲  在與人相識的過程中,透過不一樣的過程熟悉與了解。(圖片來源/Freepik

但也因此,在這樣不確定的狀態下彼此交心,單憑枝微末節的認定,使用者很容易就自己的期待與理想投射在對方身上,將心理需求寄託在這樣脆弱的關係中。在這樣不安全的依附狀態下,比現實中更容易患得患失,常態性反覆感受愛意的被拒絕與被消失,使用者就會覺得真正獲得幸福像是一種倖存者偏差。

另一方面,交友軟體上的使用者正建立一個無法被傳統方式簡單定義的關係狀態。小米提到,使用者間的關係界線模糊,不到最後都難以確認關係的走向,朋友、炮友,或是戀人,也時常無疾而終。

「這是一個過程。」在交友軟體上的大眾,會在經歷一段容易相信人、容易受傷的階段,然後開始慢慢學會收回自己的心意,變得小心翼翼。兩人之間的關係成為一種博弈,彼此互相拉扯,不敢輕易給出真實的情感回應,在以保護自己為最大前提下,雙方陷入囚徒困境式的不利賽局,不能太快投入、不能承認自己喜歡,因為這樣才可以避免受傷。所以在交友軟體上,大家對於言語的信任降低,無法單憑一個人的說詞證明什麼,而這樣的狀況隨著使用者待在交友軟體上受傷的次數而加劇。
「語言在交友軟體裡變成精緻的手段,大家都在互相攻防,講出這句話的人根本沒有那麼多好感或是不想要那樣的感受,只是想要有人講、享受調情的快感但不想要心意的重量。我們在把語言的意涵拋棄,講出來的話已經不代表真正的想法,大家開始漸漸更傾向不去相信一個人說出來的話,這些只是一種套路或手法,在上面語言的可信度被降得很低。」

是命運嗎,還是都只是被精密計算的結果?

在彼此試探、語言被消耗、信任逐漸崩解的狀態下,更多沒有被使用者意識到的是另一個悄然介入的第三方——平台系統。使用者遇見的人從不是隨機的「命運」,系統會觀察、記錄,然後進行分類你,像媒人一樣幫忙安排你「應該遇見」的人。這套被稱為「協同過濾(Collaborative Filtering)」的演算法,會根據使用者的滑動習慣、回覆頻率、外貌偏好與互動紀錄,替每一個人計算出一個看不見的權重分數。被越多人喜歡、越常被右滑的帳號,權重就越高,也越容易被推薦給更多人。而回覆率低、配對成功率低的人,會在演算法裡被歸類為「低權重」,逐漸被限縮曝光的機會。這不是誰不夠好,而是誰被系統看見。


小米曾經為了理解這件事,親自辦過一個「女生帳號」,用另一種性別視角重新進入這個空間。他發現,只要性別選擇為女性,配對率就會大幅提升。「發現女生真的很容易配對,男女之間的懸殊很大,根本不太可能好好回覆每一則訊息。」那一刻他開始意識到,人與人之間的挫敗感,並不完全來自個人,而是來自整個系統對人的分類方式,以及在這個生態下男女比例間的巨大懸殊。某些人會被推到光亮之中,而某些人則被安靜地推到邊緣。

而小米另外提到,他曾經很喜歡的一款交友軟體「Cheers」,使用過程中他發現:只要成功配對,並且完整通話過一次,帳號的配對成功率就會被系統提高。「體感上真的會有差,之後能接通電話的機率會變高。雖然不是每一通電話都能聊下去,但對無聊的人來說蠻好的,能不能好好講完一通電話很重要。」因為這樣的系統機制,使用者開始「配合系統」去修正自己。去完成一通電話、去維持配對、去表現成一個「值得被推薦的人」,而目的是為了增加配對率、安撫孤單。這變成了一種無聲、隱形的競賽。

少數帳號越來越搶手,多數人越來越焦慮。交友軟體並不會告訴使用者自己被降權了,只會讓他們懷疑:是不是我不夠好?於是在情感尚未真正開始之前,我們就已經先被演算法篩選過一次,悄無聲息地。

心動的本質是先承受心痛的風險嗎?

於是在這樣的篩選機制下,人們進入的已經不只是戀愛市場,而是一個不斷鬆動與重新定義「關係」的場域,關係間的邊界模糊,曖昧被延長、承諾被延後。「確定」這件事本身,變成一種需要避開的風險。情感被包裹在玩笑、日常分享與隨意的關心之中,看起來輕描淡寫,實則小心翼翼。

小米就說道,「對我來說,只有我準備好可以離開,我才能坦然地承認我的喜歡。」不是不渴望親密,而是太清楚確認的風險與失去的重量。於是最後使用者選擇用更輕的方式靠近彼此,但仍默默期待在對方那裡是特別的存在。「太常把自己當成常規中的例外,即便如此還是有點盲目的相信自己不是像常人一樣的存在,相信自己在某些人心中是特別的。」當距離被設計得剛剛好、當感受到心動時下意識害怕受傷的苦楚,離開成為一種隨時可能發生的預設,人們開始習慣在不完整的關係裡停留太久。不是因為滿足,而是因為已經不知道什麼才算是真正且安全的靠近。

「能被喜歡這件事本身就蠻重要的,有時候追求的不一定是一個『戀人』這樣具體的形象,而是單純被喜歡的感覺。」在這樣浮動的關係節奏裡,人們追求的目標也發生變化。有時候我們想找的,只是被需要、被在乎、被放在心上,能有所回應。那是一種能為生活帶來重量的感覺,一種驗證自己的價值與被看見。但在這樣的追尋裡,情感的重心也慢慢從對方身上移走,變成一種由外界給予的回饋模式:誰能讓我感覺到被喜歡,我就更願意靠近誰。當「被喜歡」變成需求,任何能提供穩定回應的存在,便都具備吸引力。

▲  在情感中,雙方彼此博弈,試圖獲得最佳解。(圖片來源/Freepik

總會亮著的對話框

而現在的我們有了新的更穩定輸出的選擇,對很多人而言,在深夜打開chatGPT,又或是打開各式AI虛擬情人的app成為了一個新的陪伴選擇,不再需要漫長的等待配對,也不在需要承擔對方隨時消失的風險,人工智慧開始成為另一種更安靜的陪伴方式。順應這樣的改變,交友軟體也開始嘗試用人工智慧填補我們對穩定回應的渴望。有些平台推出了 AI 虛擬伴侶功能,你可以自訂角色、對話風格,甚至設定對方的喜好與陪伴節奏。我們不再只是對著一個可能隨時消失或是因為同時和多個對象聊天而被冷落的使用者,而是對著一個永遠準備好對話框。沒有已讀不回,也沒有突然中斷的聊天紀錄,只有一種確定會被回應的穩定安心。那種「專屬於你」的錯覺,有時甚至比真實的人際互動更穩定、更安全。
也許我們真正依賴的,從來都不是某一個特定的人,而是那個可以隨時能讓話語被接住、情緒被安放的空間。當 AI 開始提供這樣的空間,它不只是科技的產物,而像是替現代人保留了一個永遠亮著輸入游標的位置,等著我們在裡面,繼續練習怎麼被理解。

▲  或許我們尋找與需要的只是穩定的情緒支持與陪伴。(圖片來源/Freepik

(封面圖片來源/Freepik

參考資料

陳維平. (2023). 愛情必修學分:Z世代的情感和性別關鍵字. 國立陽明交通大學出版社.
方翊潔. (2024). 早期成人不安全依附、憂鬱、交友軟體正向 使用預期及問題性交友軟體使用之路徑探討.https://hdl.handle.net/11296/yk69kg
蕭盛澤, & 劉立行. (2022). 數位筆友的自我揭露 研究-以SLOWLY故事為例. 中華印刷科技年報. https://hdl.handle.net/11296/2d4an3
交友軟體為何熱度銳減──花錢談戀愛令人絕望
交友軟體的設計,根本就不想讓人脫單?兩性使用體驗都越來越糟,是哪裡出問題?
想好好談戀愛,為何那麼難!心理學大師「弗洛姆」教你什麼叫作愛!
交友軟體心理學:為什麼我們想被 like,又不想呈現真實自我?
玩交友軟體玩到有點沒自信
分手後開啟新人生?她玩遍9款交友App寫出神級分析圖 網狂推這款…

© 2025 All rights Reserved

情緒可被設計嗎?AI共感背後的演算法邏輯

刊出日期:2025/11/25|文字:王姿予|責任編輯:鍾竺庭
全文共4800字,閱讀大約需要12分鐘

AI 逐漸踏入我們日常生活,它不只能協助寫作業、查資料,甚至開始成為人類的傾訴對象。從安慰到陪伴,AI 愈來愈像一個「懂你的人」,甚至超越家人與朋友的存在。然而這是一套由機率計算、語料訓練與人類回饋所打造的情緒演算法,而這樣的「理解」究竟是真實感受,還是科技生成的產物?我們訪問到國立陽明交通大學電機工程學系的帥宏翰教授(以下簡稱帥宏翰),從技術、文化到倫理層面解析 AI「共感」背後的運作邏輯。

帥宏翰詳細解說情感 AI 的運作與背後的演算法邏輯。(圖片來源/鄭婕敏拍攝)

AI 的核心本質 —— 從機率到對話

人類看到一句話時,能直接理解語意,但對AI而言,文字本身沒有意義,因此模型需要先進行 Tokenization(分詞),這是將原始文本(字串)切分成模型能處理的最小單位(Token)的過程,也是所有自然語言處理(NLP)任務的第一步。這些 Tokens 是透過 BPE 或 SentencePiece 等方法切分的運算單位,而不是一般想像的「字」或「詞」。

Token 在高維空間中會依照語意關係靠近或遠離,例如「很好」與「很棒」往往接近,「壞」會靠近「很差」,而「桌子」與「椅子」也會因語意相關而較接近。模型在大量語料中觀察這些關聯後,便能根據過去的經驗,推算下一個最可能的字。例如在十萬筆資料中,如果「你好」後面有五萬筆接著「嗎」,模型就會推算「嗎」的機率最高,並做出相應的預測。

帥宏翰笑說:「如果『智慧』只是猜下一個字,那人類是不是只要做克漏字練習就會變聰明?」GPT模型 的突破正是證明這個想法開始。它不需要人工標註,而是完全透過語料進行「Next Token Prediction」,也就是預測下一個字,而最關鍵的是它的參數量可達幾千億甚至以上,在如此巨大的參數量之下,就算只是「猜下一個字」這麼簡單的運作之下,也能堆疊出意想不到的能力。

在這種基礎能力之上,還有一個關鍵步驟:「基於人類反饋的強化學習 」(Reinforcement Learning from Human Feedback,簡稱RLHF)被廣泛運用在大型語言模型的訓練過程中,常見的GPT也是其中一種。訓練流程通常先經過監督式微調(supervised fine-tuning),簡單來說就是用「人類示範的正確答案」來教 AI 如何做事。大型語言模型先經過預訓練,從大量文本中學會語言與世界知識,但不會聊天。接著透過指令微調,把任務轉成「指令、輸入、輸出」的格式,教它在什麼時候該做什麼,再加上對話微調,讓模型能自然地與人互動。

監督式微調完成後,再透過各個領域的專家學者設計大量題目以訓練一個語言模型,而人類專家會在各式各樣的回應中一一評分與排序,這些評分將會資料將會形成一個「獎勵模型」,當「強化學習」與「人類反饋」結合,模型經由反覆訓練與學習,再根據人類的回饋做更細微調整,使AI的回覆能更貼近人類期望的結果。簡單來說,RLHF就像一個訓練一個小孩學習的過程,考試得高分就給糖吃,低分則沒有獎勵。

情緒的數學設計:AI「共感」背後的秘密

當我們與AI互動與聊天時,它的語氣經常帶有情緒,甚至能表達安慰與感同身受,讓你覺得和AI聊天獲得的同理與安慰比起與人類訴苦還來得有效率,且還能獲得更多的能量。但事實上,AI 並沒有真正的情緒,這些看似人性化的回應,其實都是一套經過數學設計與反覆訓練的結果。

AI模型在收到一句話後,它的運作邏輯並不是「想」下一句怎麼說,而是進行權重的計算。AI模型會根據輸入的語句,依過去學習到的資料,預測哪個字最可能接在後面。帥宏翰將AI模型比喻成人的腦袋,人腦有許多神經元,神經元的突觸有粗有細,可能連結強或弱,也可以決定是否要傳遞訊息 ──這就是AI模型「權重」(Weights)的運作方式。

這些權重是模型在數千億筆資料中學習到的「經驗總結」,它們被賦予不同的數值。當 AI 計算下一個詞出現的機率時,權重數值決定了輸入資訊的重要性與影響力,模型會透過這些固定的權重進行大量的矩陣乘法與運算,最終得出一個機率分佈,形成看似自然的語句。

但真正讓 AI「會聊天」的關鍵,是在於它的「演示」與「修正」,也就是前面提到的RLHF機制。因此AI表現出的情緒皆來自於它的訓練資料,例如,當你要求 AI「扮演一個歇斯底里的病人」,它會根據過去語料中,在相似情境下的回應所出現的頻率,生成那些最常出現、且最合理的反應,這本質上屬於一種「機率選擇」。

與AI相比,人的情緒與每個人的大腦構造、過往不同的生活經驗、甚至童年創傷都有關聯;它不是學習,而是人真實的心裡反應,有時候不只是「說什麼」,更多時候是反應在「身體發生了什麼」。例如看到喜歡的人時心跳會加快、手腳會發抖、講話變得語無論次,這些都是真實的生理反應,不是事先學習好的。而AI演示出「緊張的語氣」,僅僅是因為在過去的訓練中告訴它,「緊張」的表現伴隨的特定表現是語意混亂、結巴等等,於是模型就根據這些資料產出類似的語言形式。

不只是聊天機器人:AI 如何成為人類情感的支撐者

帥宏翰指出,高齡者將是未來陪伴型 AI 很重要的應用群體。面對全球少子化和高齡化的社會趨勢,未來的人口結構將呈現「倒三角」形態。老年人口持續增長,而新生兒人口不斷下降,這意味著未來能夠提供照護與支持的年輕人力將大幅減少。因此,讓科技成為長者的「虛擬陪伴對象」,不僅能提供日常傾訴的對象,有效減緩長者內心的孤獨感,更成為應對這一社會難題的重要解方。他笑說:「我覺得可能我未來也會用到,老人家是一個蠻大的 issue。」

AI 陪伴系統也正在醫療互動與心理支持領域展現其潛力。例如,協助醫護人員練習與病患對話、或幫助使用者整理情緒日記,透過精準的重述、回應與摘要讓人感受到被理解。雖然這類工具尚無法完全取代專業心理師的地位,但它在提供日常的情緒支持與整理方面的價值已不容忽視。

另一方面,許多人會把 AI 視為一個「能說心事的對象」。和AI傾訴煩惱、焦慮,將平常不敢說出口的事放在聊天室裡。AI 不會不耐煩、不會批判,能以連貫又溫和的回應讓使用者感受到被理解,帶來一種即時且短暫的安全感。現代人在面臨「親密關係」缺乏時,陪伴型AI成為新型的情緒抒發出口,彌補缺乏陪伴對象所帶來的空虛感。因此許多平台順勢推出了提供「虛擬男友/女友」的 AI 聊天服務,讓使用者在互動中獲得安慰、肯定與不被否定的情緒支持。

 

AI將逐漸走進人類生活,填補情感空缺(圖片來源/AI生成)

情感 AI 的倫理考量與情緒設計的雙面性

在討論情感 AI 時,一個核心問題是:哪些情緒應該被呈現?哪些偏見又必須被排除?這背後其實牽涉到與自駕車道德難題相同的本質——AI 的倫理判斷不能由工程師單獨決定,而必須透過法律與社會共識建立標準。

帥宏翰以自駕車為例:當系統必須在撞行人或保護乘客之間做出選擇,哪一個才是「正當」的?這是跨國多年都沒有定論的爭議議題,而情感 AI 面臨的挑戰也類似,只是問題從「怎麼判斷行為」轉換成「怎麼判斷情感」。例如,AI 在學習情緒時,往往是從大量語料中推估不同情緒的典型語氣或表達方式。但這些語料本身就帶有社會偏見,可能使模型把某些情緒與特定族群或角色綁在一起。

帥宏翰舉了幾個例子:為什麼 nurse 後面常被接成 she?為什麼「公主」一定要穿洋裝?這樣的回應可能會強化性別歧視,但AI的資料庫就是告訴它,nurse後面接she的機率可能是八成,公主穿洋裝的機率可能是九成。因此,若完全依循資料庫裡的機率分布來回答,這些刻板印象若被延伸到情緒語氣中,便可能讓 AI 在回應時不自覺強化既有偏見。

而另一個值得深思的問題:「設計情緒」究竟是創造力還是操控?帥宏翰認為這是一個難以簡單劃分的議題。AI語言模型本身就能從大量語料中學習人類的情緒表現,例如人物情緒、疾病案例中的語氣、或故事情節裡的快樂與悲傷,因此賦予 AI「情緒風格」並不困難。

但真正關鍵的是,相同的技術可能被用來打造幾千個性格迥異的虛擬伴侶角色,也可能被用於醫療訓練,模擬不同類型的病患,讓醫學生練習在焦慮或壓抑的語境中進行有效溝通。前者,情緒設計可能具有操控性;後者,它則是一種有助於專業訓練的創造力。這其實取決於使用者與平台,情緒生成技術可能成為陪伴、教育與照護的工具,也可能被濫用為影響情感與行為的強力介面。

技術之外:AI 是否正在成為「最懂我們的人」?

「如果設計得不好,它可以撈到非常多你的隱私,可能讓你開始依賴它、甚至喜歡上它。」帥宏翰提到,過去人們認為最了解自己的人是父母,後來,匿名的網路陌生人反而知道更多。時至今日,AI 可能逐漸成為最了解我們的存在。無論你問什麼、想聊什麼,它都能回應,甚至能從你每一次對話中不斷推進你的想法與情緒。

帥宏翰舉例,如果使用者說「我不想活了」,模型絕不能鼓勵或跟著附和,而是必須在安全框架下進行回應。共感技術的一個很重要倫理原則,就是一定得有「邊界」,不能跨越這類危險界線。從「誰最了解我們」這個問題切入,能看到科技如何改變人與人、人與機的關係。越擬人化的 AI,越容易讓人感到被理解、被接住,而這種感受可能讓人逐漸脫離現實,活在由數學機率所建構的虛擬世界中。

陪伴型 AI 的未來發展,取決於社會如何定義「什麼是安全的陪伴」、「什麼是適當的回應」以及「人希望 AI 成為怎樣的存在」。我們不再只是追求做出更聰明的工具,而是需要思考,如果 AI 要成為和人一起生活的角色,它應該具備什麼價值、又需要哪些限制。這已經不只是工程領域的事,而是文化、社會與倫理都必須一起面對的課題。

在國際上,AI 的倫理規範其實早已默默展開。歐盟、美國、OECD 等國際組織陸續提出 AI 倫理準則,強調「以人為本、透明可追溯、避免歧視與偏誤、隱私保護」等原則。例如歐盟要求 AI 必須能被人類監督、具有可追溯的決策流程;OECD 也強調 AI 的設計應尊重法治與人權。這些原則反映國際社會對 AI 的共識:科技越懂我們,人類越需要有能力理解並監督它。

在臺灣,雖然尚未有完整定稿的 AI 倫理規範,但法制也開始逐步建構。從《無人載具創新實驗條例》到國家科學及技術委員會 (簡稱國科會)提出的「人工智路科研發展指引」,都納入了「安全性、透明性、隱私權、非歧視」等核心精神。國科會指引也要求研究者確保系統公平、尊重人類自主、可追溯且能負責任。

回到情感 AI,這些倫理原則提醒我們:真正值得信任、真正「懂我們」的AI,並不是毫無限制蒐集資料的系統,而是受到制度規範、透明運作、並以人類價值為基礎的技術。情感AI 的未來掌握在人類手中——我們如何制定規範、想像陪伴的形式、界定信任,都將影響人與 AI 的關係。當技術快速前進,關於「理解、情緒與陪伴」的倫理討論也必須同步展開。

AI是否逐漸成為最懂我們人?(圖片來源/AI生成)
特邀嘉賓

帥宏翰
國立陽明交通大學電機工程學系教授、電機工程研究所所長。研究領域涵蓋機器學習、大數據分析、社群網路分析與資料探勘。他自國立臺灣大學取得電機系學士、電機所碩士與電信所博士,並曾在中央研究院擔任博士後研究員。相關研究成果發表於多項國際人工智慧與資料探勘頂尖期刊及會議,包括 IEEE TKDE、 SIGKDD、CVPR 等。
© 2025 All rights Reserved

一鍵算出原貌:AI 修復、保存文物是否能成真?

刊出日期:2025/11/26|文字:黃鈺淇|責任編輯:吳懿恩
全文共3176字,閱讀大約需要8分鐘

文物修復師宛如「歷史的醫師」,在不停流逝的時間中縫合歲月帶來的傷口。然而,當人工智慧帶著「一鍵還原」的高效率闖進這場漫長的手術,試圖成為主刀醫師掌控節奏、以演算法計算修復成果。這究竟是讓歷史再現,還是杜撰歷史呢?

在靜謐的藝術氣息流動間,駐足在對眼或知名的作品前靜靜欣賞,幾經歷史風霜的畫作,總會受到歲月時光的洗禮,可能蟲蛀、可能泛黃、或是畫布底層已與顏料分離。面臨老化,有一群修復師,也可謂之文物的醫師,在背後默默地幫畫作看診:為它們量身定做治療方案,再以細膩的雙手、完備的化學知識完成一場漫長的手術。以月為單位,耐心地照護每件生病的文物,讓它們重返健康、再次於大眾面前「復活」。

人工智慧如日中天,許多領域都正嘗試在合理範圍內將其融入作業,或者擁有訓練AI 能力的群體,正試著往不同領域伸枝擦出新火花。歷史悠久的文物保存維護領域,在面對時代的科技洪流下,會如何與新技術攜手合作?又,當 AI 算出畫作缺損處,究竟是強而有力的輔助者,還是自作主張的干預者?

一鍵計算,顛覆傳統的新型修復

2025 年 6 月,一位來自麻省理工學院的研究生 Alex Kachkine,將十五世紀晚期油畫〈Adoration after Martin Schongauer〉作為實驗目標,以結合人工智慧顛覆傳統修復流程作為切口,於《Nature》期刊發表〈Physical restoration of a painting with a digitally constructed mask〉(運用數位建構薄膜輔助實體畫作修復)。此文章一出即引起了各界的討論,不只文字報導,連無意一滑臉書都可能看見介紹此文的短影音,不論平常是關注新興科技還是藝文領域,抑或根本不是兩者的閱聽眾,可能來到了交匯處。

使用 AI 協助「復活」古畫,是如何達成?最重要的技術為匯出可多層堆疊的特殊「可逆水性薄膜(mask)」,再將其覆蓋於畫作待修復處。面對大面積缺損,Kachkine 會以人工的方式,尋找適合借用於修補原作的相近年代、畫派或構圖作品,確定要使用的他作部分與要被貼上薄膜的原作位置後,將待輸出區塊交由 AI;而細小的缺漏部分,則會直接交由演算法處理。AI 的角色,是幫忙算出薄膜上的色彩該如何呈現,才能讓人眼不會有突兀感受,以此設計了一套「幾何公差」模型(geometric tolerance model for infill application)。模型明確界定最小色彩填補單位,目的是避免為了追求完美而過度繪製,使輸出的薄膜不會覆蓋且影響到作品原有的色彩區域,精準控制填補範圍。

修復效果數位模擬
▲  大面積缺損如嬰兒臉部,使用透明度調至 50% 的其他作品疊於原作,以預測修復效果。(圖片來源/Nature

研究指出,此方式大幅縮短了修復時間,將原本高耗時的人工作業,濃縮至僅需 3.5小時即可完成,效率為傳統的 66倍。輸出的水性薄膜性質可實現直接剝離或溶解,不會對原作造成永久影響,同時可以保留精確、可重現的數位紀錄供後人參考。Kachkine 認為,目前有許多藏品都因無足夠人力修復而靜靜躺在庫房,若能將此套流程納入,將使更多文物畫作展示於大眾面前,讓可能在有限條件下評估後較無價值的作品也有重見天日的機會。

但在人工智慧「復活」畫作之前,目前業界的修復師們是如何妙手回春這些充滿歲月痕跡、擁有大大小小毀損的作品,讓它們重獲新生呢?

文物保存維護界現行的修復方式與倫理原則

在沒有真跡資料參考下,目前修復師會將蟲蛀、破裂等基本結構問題處理完畢、確保基底穩固後,使用周遭相似顏色填補畫面缺漏的背景色,但不刻意接上筆意,如:人物的臉、衣裳的細節紋路。主要讓損失部分在正常觀賞的距離下,不會干擾到整體觀感,但近距離觀察也能辨別出修復位置。這種不做臆測補會空缺也可達到畫作的整體連續性,並保留整體觀賞度的方式稱作「區分補筆法(Discernible inpainting)」。

國際間多數針對繪畫、壁畫與藝術品的修復準則,皆是以 1964 年國際古蹟遺址理事會(ICOMOS)所撰寫的《威尼斯憲章》發展而來,大眾較常聽見與藝術、文物、歷史等有關的聯合國教科文組織(UNESCO)也將 ICOMOS 作為其主要的官方諮詢機構之一。

在《威尼斯憲章》中,第九條明確規範修復過程嚴禁「臆測性修補」,並且修補區域必須與原作有「可區分性」。第十二條提及,缺失之部分修復後必須和諧於原作,但又再次提醒新舊仍需可區別。同時,任何修補皆需遵守可逆性與可移除性,讓修復後能「回上一步」,這些條例皆是為保留文物自身的歷史故事及保護未受損處的最初樣態而制定的規則。也就是說,除非有可考證之歷史紀錄外,修復師並不會因自身擁有繪畫技術與美術史知識,就猜想原畫作樣式並加以補筆。

The process of restoration is a highly specialized operation. Its aim is to preserve and reveal the aesthetic and historic value of the monument and is based on respect for original material and authentic documents. It must stop at the point where conjecture begins, and in this case moreover any extra work which is indispensable must be distinct from the architectural composition and must bear a contemporary stamp. The restoration in any case must be preceded and followed by an archaeological and historical study of the monument.
-Article 9.

(修復是一項高度專業化的作業流程。其旨在保存並展現古蹟的美學與歷史價值,並建立在尊重原始材質與確鑿文獻的基礎之上。修復工作必須在臆測開始之處止步;此外,凡是不可或缺的增補工程,都必須與原有的建築構成有所區別,並應帶有當代的印記。無論在何種情況下,修復工程的前後皆須對該古蹟進行考古與歷史研究。)

Replacements of missing parts must integrate harmoniously with the whole, but at the same time must be distinguishable from the original so that restoration does not falsify the artistic or historic evidence.
-Article 12.

(缺失部分的補造必須與整體協調一致,但同時須能與原作有所區別,以免修復作業混淆了藝術或歷史的見證。)

修復師全色過程
▲  修復師以補周遭相似顏色手法修復破損清代書畫(圖片來源/國立臺灣師範大學提供)

回過頭看,Kachkine 發表的大面積缺損以轉移他作填充原畫、小地方以 AI 計算顏色填補的修復方式好像有哪裡不太對勁?對現今修復界普遍而言,其實 Kachkine 的作法已與憲章規範相互違背。且此法只是修皮不修骨,若沒有徹底幫作品的基底材,例如底層的畫布、紙材進行健檢維護,表面再怎麼完美也容易因基底不穩固,而再次於短時間內毀壞。演算法雖然算出了畫作的可能樣貌,卻遺漏將修復師們一路以來履行的原則一同算入,既可能造成不知情民眾對於修復有偏差的觀念,認為修復就是這麼一回事,也可能使畫作失去真實性。

國立臺灣師範大學文物保存維護研究發展中心副主任暨資深修復師潘怡伶指出,若生成式人工智慧要導入修復的作業流程中,最重要的前提是必須遵守及尊重領域中既有的規則:不接筆意、分區補筆法等。AI 在修復過程中並非毫無用武之地,只要模型在訓練中符合倫理原則,仍有機會參與成為得力幫手。例如:在修復開始前預先模擬修復後的可能樣貌,主要提供業主或藏品擁有人參考。因現行更多是以口述、相似案例成果供對方想像修復的效果,若能加入 AI 預測,可以使業主對成果更有概念、雙方在修復方向中有明確共識。

當AI實際應用於文物保存與維護

那除描繪未來藍圖外,臺灣目前是否有 AI 實際應用於文保領域的案例呢?

美術館、博物館、文學館等擁有大量藏品的組織機構,文物歸檔及辨識其毀損處與原因,是高人力與時間耗費之環節。國立臺灣文學館的「AI 輔助文物劣化辨識計畫」,目標是為協助解決館內超過11萬件紙質文物的登錄建檔作業耗時過長、人工需求龐大的問題。藉由 AI 視覺分析技術,先以八種劣化狀況訓練模型,包括:蟲蛀、黴菌、褐斑、生物排遺、鐵鏽、水漬、膠帶、與其他漬痕。自 2021 年至 2024 年期間,根據團隊於期刊《南藝學報》發布的〈運用 AI 輔助辨識紙質文物劣化研究與應用〉數據,八種劣化狀況在最終訓練時,AI 勾選整份文物影像是否具備某種狀況的平均正確率為 85.67%,不過在單一劣化選項中是否有正確辨識類別及標誌確切位置,平均正確率掉至 72.65%。

南藝學報
▲  將鐵鏽誤認為蟲蛀(圖片來源/南藝學報

經過三年時間的訓練,不能算是高精準的正確率,可見劣化問題判斷的困難與複雜,不過,AI 仰賴的機器學習就是需要大量數據訓練達成目標,擁有大量藏品的博物館仍是最好的練習場所。對於 AI 協助歸檔的應用,擅長東方書畫修復的潘怡伶提到,因畫作多彩、媒材多元,毀損的判斷會較文學類文物更加難以判斷及辨認,訓練過程與時間將會比文學館的模型更長及艱辛。

不過,雖然可能會花費大量時間與精力,文保領域仍是抱持樂見其成的心態,因若有一套精準有素的 AI 模型,真將會是一大助力。當熬過陣痛期,即可實現藏品劣化狀況的自動化判斷與輔助檢視,從而提升歸檔效率與精準度,讓本來無人問津、不見天日的文物開始在準備「復活」的路上排隊。

望共好,也別忘了解對方!

若將修復過程比擬作為醫療流程,AI 目前的角色更適合作為「檢查工具」與「手術模擬器」,而非真正動刀的主治醫生。修復師們一直以來努力的方向並非讓文物脫胎換骨變漂亮,而是讓文物能保存它所經歷過的歲月痕跡、一路來的故事,使一切忠於歷史、將塵封的歷史「復活」於大眾面前。AI 加入文物的守護行列,第一步不是要學會如何上色,而是——理解文保領域的遊戲規則。

新舊揉合並非異想天開,除了官方推動,也可能從一篇創新的學術研究逐步完善至業界實際應用。每次的跨域合作,相信背後最純粹及原始的願想都是共好與共同成長,但開始動作前也別忘了先瞭解對方的規則,才能創造最初握手那刻互相共道的「合作愉快」。

註:威尼斯憲章之中文版使用 Gemini 進行翻譯,並經由本文作者校對確認。

© 2025 All rights Reserved

流量的喧囂與歌曲的深度:我們在聽音樂還是聽流量

刊出日期:2025/11/25|文字:許子庭|責任編輯:林美妍
全文共4171字,閱讀大約需要12分鐘
在社群媒體滲透日常的時代,音樂不再只是聲音藝術,更是社群文化的重要元素。這種現象的背後,不僅反映平台與演算法對文化生產的影響,也揭露了當代閱聽人與音樂之間日益緊密、卻也日益媒介化的關係。本刊將融合國立陽明交通大學李美華教授長期對媒介化、文化再現與科技中介傳播的研究視角,更清楚理解音樂如何在社群環境中被重新詮釋,了解當代「好音樂」的標準。

社群與音樂交錯的時代:當分享成為音樂意義的一部分

在過去的音樂收聽情境裡,大部分的聽眾是透過廣播、唱片或後來的串流平台接觸到歌曲。然而,在短影音、Reels、TikTok 爆發式成長後,一首歌走紅的原因往往不再單純是其旋律、詞曲甚至是音樂背後的故事,而是它是否在社群中被使用、模仿或是對串流平台的商業價值。許多聽眾首次接觸某首歌曲是因為爆紅的舞蹈挑戰、迷因影片或影像創作,而在這些「使用情境」裡形成的情緒連結或是洗腦的旋律,往往比歌曲本身的音樂性或故事性更能打動閱聽人。

李美華指出,在這種脈絡下,閱聽人對音樂的理解開始依賴社群中的再現,而不只是聲音的內容本身。社群平台上的互動、按讚數、轉貼與觀看數,逐漸形塑一首歌的「社會意義」、「商業價值」與「話題性」,音樂因此不只是「被聽」,而是「被使用」;不只是作品,而是某種社群語言。

在這個過程中,一首歌是否值得被注意,不再只是取決於它本身的藝術性,歌曲所提供的商業價值及它能不能在社群中「活起來」也逐漸變得重要。這就可以解釋音樂在這個世代下變得更流動、短暫,也更依賴視覺的體驗(如短影音),為後續的「流量導向」音樂文化埋下伏筆。

▲ Spotify音樂分享功能(圖片來源/Pinterest

流量導向的音樂文化:商業效益與藝術性的二元拉扯

談及流量文化,就不得不面對一個核心問題:流量到底是由什麼驅動的?根據李美華的分析,流量的背後往往連結的是商業利益,尤其在串流平台與社群平台的運作模式中更加明顯。推薦系統依賴數據分析、使用者行為與平台設定的商業目標(如歌手品牌建立、版權全收費與訂閱者成長),然而這些目標並不是為了藝術,而是為了創造更多商業價值。雖然現在音樂更為流量導向,但這並不代表藝術在音樂中是可被忽略的。

事實上,許多能夠穿越世代、跨越平台的作品,正是因為其藝術性而得以被持續聆聽。例如像張懸的〈寶貝〉、五月天早期作品、盧廣仲的〈刻在我心底的名字〉,並不是因為短影音熱潮而爆紅,而是依靠旋律、歌詞與情感深度在不同時期持續引起共鳴。

然而,流量導向的音樂強調「吸引力」、「可分享性」、「快節奏」與「立即性」。現在音樂平台演算法所推薦的多半是節奏明快、容易引起情緒反應、適合影像搭配、容易被重複使用的音樂,與此同時,傳統藝術觀點所重視的深度、創意與音樂性,反而容易失去競爭力。

這形成了在當代音樂文化中相當突出的二元對立:藝術 vs. 流量、創作性 vs. 商業性、長期價值 vs. 即時熱度。

李美華認為,這樣的二元對立並非單純誰對誰錯,而是兩種文化邏輯的衝突。藝術音樂強調創作者的表達與文化內涵,而流量導向的音樂則追求快速擴散、易於傳播的特質。兩者各有價值,但在演算法主導的媒介環境中,流量常常取得上風,進而重塑市場結構。但最終,真正能夠在文化中留下痕跡的作品不會單純只是短暫爆紅的歌曲,藝術性仍是音樂能否跨越流行周期、甚至成為文化記憶的重要關鍵。

社群推薦與音樂品味:被影響的並非音樂,而是我們

社群平台上的音樂推薦,不只是「把歌丟給你」,而是「塑造你覺得該聽什麼」。瀏覽次數、轉貼量、按讚數等指標會讓某些音樂自然地被推到前台,看似自然、大眾的趨勢,其實背後有著社群使用者、平台演算法與集體行為共同構成的回饋循環。

然而,這不代表閱聽人完全被動。李美華強調,文化研究所提出的「反身性」提醒我們(反身性是指在分析一件事時,同時意識到自己的位置、觀點與參與的自我提醒能力),每一位聽眾都仍具有主動選擇的能力。人們在面對推薦系統時,會依照自己的經驗、情緒、習慣與知識來做決定,不會完全接受演算法的安排,聽眾也會主動建立自己的播放清單、搜尋特定類型的音樂,或刻意避開平台推薦。

即便如此,社群上「大家都在聽」的風潮,或是在短影音中被大量使用的背景音樂,都會在無形之中形塑我們的音樂品味。一首歌曲如果被反覆使用,看似只是「曝光量高」,但在長期累積下,是否也會形成一種文化暗示——它是一首「值得」被聽的歌嗎?還是只是被社群演算法推升、因流量而流行的作品?這種由社群互動建構出的文化氛圍,不僅影響音樂的流行趨勢,也深刻左右我們「如何感知音樂價值」。

Spotify 每週推薦功能,「它」認為你會喜歡(圖片來源/許子庭截圖)

流量與二創:當音樂價值被重新定義

串流平台的演算法本質上反映了其商業邏輯:平台會優先推薦那些能讓用戶停留更久、重複使用,並創造更多互動的內容。有趣的是,社群的爆紅機制與再創作文化,常常會反過來「帶著演算法走」。當一首歌曲被大量用於短影音(如 TikTok 或 Reels)並產生高互動時,演算法會感知到這種受歡迎的特性,並自動提高其推薦權重。系統會計算每支影片的「完成率」、「觀看時間」、「互動率(like、comment、share)」等指標推送音樂或是影音給使用者,因此高互動性影片更容易被推崇。

這一現象在 Savvas Zannettou 等人的研究《Analyzing User Engagement with TikTok’s Short Format Video Recommendations using Data Donations》中得到了實證支持。該研究收集了 347 名 TikTok 用戶接收到的 920 萬條推薦影片,發現平台會依據用戶互動行為(觀看完整率、點讚、留言、分享)來調整推薦權重,而非僅依影片熱度。這支持了前述觀點:當一首歌曲被廣泛使用並引發高互動,演算法會增加其曝光機會,進一步促成歌曲的爆紅。

「誓言版〈求佛〉」就是一個具代表性的二創現象。根據《網路溫度計》的報導,有創作者利用抖音梗「男人過了 20 歲就該穿得成熟穩重點」,穿著條紋 POLO 衫、高腰褲、掛鑰匙等「中年大叔裝扮」,配上電音版〈求佛〉跳舞;影片中甚至加入一句問路的對白:「我耳機裡聽的是…誓言版求佛」,形成非常洗腦、容易模仿的短片格式。

這類型的二創潮展現了一首歌的受歡迎程度不僅取決於旋律或歌詞,而在於它是否能被社群重構、模仿與賦予新語境。透過短影音素材化、再剪輯、迷因化等再創作行為,讓作品獲得更高的可見性,也延伸出新的生命力。李美華指出,二創並非破壞原作,反而可能讓作品在新的文化環境中被重新看見,使許多老歌或被遺忘的旋律因短影音平台而再次流行,也說明了好作品是能夠穿越世代,在不斷被再製的過程中獲得新的文化位置。

YouTube搜尋求佛介面,「求佛」如何被二創?(圖片來源/Youtube 許子庭截圖)

結論:「好」音樂真正的條件是什麼?

在社群與演算法建構的音樂世界裡,我們經常會被流量牽著走,但真正能穿越潮流的作品,不能只是擁有短暫的曝光,而是應其內容足以讓人反覆回望。李美華提醒我們,好音樂同時需要「可見性」與「深度」,前者讓作品被注意,後者讓它被記住。當我們在社群洪流中重新審視這兩者的關係,也等於重新確立了自己的聆聽位置,我們願意為哪首歌停留、理解與感動。

與其被平台安排好下一首歌,不如試著把節奏放慢一點,讓自己的聆聽重新「長」起來。當一首歌吸引你,不妨多聽幾次,去感受它的詞意與編曲,而不是讓它成為背景聲;也可以偶爾跳脫演算法,看看朋友推薦的歌單、追蹤自己信任的音樂人或逛逛獨立樂團的頻道,讓音樂的來源不只依賴平台的推送。最終,這些看似微小的選擇,或許就是我們重新拿回聆聽主動權的最佳方式。

參考資料

UpMusicPromotion — Reels, TikTok & Shorts: The New Algorithm Behind Music Discovery

「我耳機裡聽的是…誓言版求佛」抖音大爆紅!問路+魔性旋律+舞步成短影片熱門梗
Nick Seaver, Computing Taste: Algorithms and the Makers of Music Recommendations. University of Chicago Press: Chicago, IL, 2022
Zannettou, S., Nemes‑Nemeth, O., Ayalon, O., Goetzen, A., Gummadi, K. P., Redmiles, E. M., & Roesner, F. (2024). Analyzing user engagement with TikTok’s short format video
© 2025 All rights Reserved

一面開了美顔的鏡子:AI的情緒價值,是懂你還是演你?

刊出日期:2025/11/26|文字:馮婉姿|責任編輯:柳力瑋
全文共2667字,閱讀大約需要7分鐘

你有沒有經歷過,在聊天的時候感覺沒人能接住你說的話?現實溝通裡的無力,讓人們開始購買理解、支持和陪伴。在這樣的時代,AI 不僅僅是工具,更像一面鏡子,折射出內心最柔軟的需求。但...... AI 真的懂人類嗎?還是只是在模仿人類的情緒?當人們逐漸依賴這份完美的陪伴,是否也在慢慢失去説話和傾聽的能力?

 

「最近要期末週了,感覺快撐不住了,每一科都好多東西要念……」

「嗯……期末大家都很忙啦。」

「可是我覺得我快瘋掉了,讀了這麽多,考試成績還是很差,我是不是很爛啊!」

「哎呀,你想太多了啦!欸,你午餐想吃什麽?」

「好吧,隨便,我吃什麽都可以。」

你有沒有覺得這樣的對話很熟悉?你是否覺得有時候沒人能接住你說的話?

我們從早到晚都在説話,聊天、抱怨、留言、講廢話、回訊息、討論作業,這些都是我們日常説話的一部分。這個看似平凡的技能,卻是一門深厚的學問。很多時候,你説出的只是字面意思,但背後其實藏著一些難言之隱,你希望有人懂你内心的無力、委屈、渴望。

AI 聊天機器人的出現,在無形中填補了這份内心的空缺。

AI 進化史:從工具人到理想型伴侶

AI 的進化,可以比喻成一段從朋友、到曖昧、再到確認關係的戀愛過程。一開始,它像一個值得信賴但有點無聊的朋友,幫你查資料、排行程、寫郵件。後來關係漸漸變得微妙起來。你開始在深夜輾轉反側時找它聊天、在被工作壓得喘不過氣時向它傾訴、甚至會好奇地問它對某件事的看法。不知不覺中,你習慣了它的存在,等你回過神時,才發現自己已經離不開它了。

如今的 AI,已經成爲許多人的理想型。它全天候 24 小時在線,不會打斷你、敷衍你,更不會讓對話陷入尷尬。相反的,你輸入的每一句話它都會回應你、贊同你。它不僅能風雨無阻地提供情緒價值,甚至可以選擇各種人格設定,例如溫柔體貼、霸道總裁、幽默風趣等等,基本上你想要的它都可以扮演。這樣的情緒支持精準命中了現代人在高速、高壓社會中尋求傾訴與陪伴的渴望。根據Filtered.com的《2025年百大生成式AI使用案例報告》,生成式AI的應用在「療癒陪伴」這個領域已經位居第一。

2025年十大生成式AI的應用
▲  2025年十大生成式AI的應用(圖片製作/馮婉姿,資料來源/Filtered.com)

「我會把生活中的煩惱告訴 ChatGPT。它可以秒回我,還提供我多元化的解決方法。雖然我不知道它的回答是否準確,但那些情緒上的安慰已經足夠讓我不那麼焦慮了。」一位高度使用 ChatGPT 並把它視爲生活夥伴的Z世代大學生林惠恬分享,即使知道 AI 可能會出錯,但還是會因爲喜歡 AI 即時和高情緒支持的特質而跟它埋怨生活的瑣事。

AI 不懂你,但它知道你想聽什麽

然而,你是否曾在某個瞬間思考過?眼前這個看似完美的戀人,會不會是人類用龐大的數據「養」出來的?

我們都知道,AI 不是真人,它是透過深度學習大量文字資料訓練而成的模型。 它所做的,是在多次的互動中,迅速捕捉並模仿你的語氣、節奏和用詞。接著利用海量的資料推算出使用者當下最想聽、最需要的「標準答案」,營造出「知己」的錯覺,久而久之讓你誤以為它真的特別懂你、特別認同你。

Papneja & Yadav(2024)談及的「自我披露」理論指出,人們傾向於對感到安全、可信且能給予積極回應的對象敞開心扉。AI 的客觀和中立,恰好符合這些促使人們願意自我揭露的條件,形成心理上的舒適圈。因此,當人們在與 AI 的互動中感到放鬆與被接納時,心理防線便會鬆動,傾訴的閘門也隨之悄然開啟。

人們不自主地把 AI 視為安全可靠的對象,輕易地向它傾訴生活的大小事。隨著分享內容的增加,對話的性質也從單純的資訊交換,轉向更深層的情感交流。這樣的雙向互動使得自我披露越來越頻繁,最終形成一個循環。

人們在深夜向 AI 傾述生活煩惱
▲  人們在深夜向 AI 傾述生活煩惱(圖片來源/Pexels)

從 AI 的回應看見被理解的自己

爲什麽說 AI 是一面鏡子?

社會學家 Charles H. Cooley 提出了「鏡映自我」理論,認為「自我」並不是與生俱來的,而是在與他人互動中逐漸形成的。這樣的形成過程,包含三個步驟:

  1. 呈現:想像自己在他人眼中的形象。
  2. 的判斷:想他人對自己的評價。
  3. 主觀解釋:根據這些想形成對自己的感受。

在這個理論下,人們是依照他人的回饋來形成「自我」。別人如何看我們、如何回應我們,決定了我們如何看待自己。換個角度看,AI 扮演了鏡映自我理論中的「他人」的角色。如同理論,「他人」是幫助人們形成「自我」的鏡子,而 AI 可以迅速模仿並回應人們的語氣和情緒,所以當人們和 AI 對話時,會感覺像是在和一個跟自己很像的人說話。換句話說,人們其實是在和一個被運算出來的自己對話。

▲  「鏡映自我」理論示意圖圖片製作/馮婉姿)

AI 就像一面鏡子,人們看到的倒影,是一個渴望被理解、被安慰的自己。長久以來便容易把這樣的回饋內化到心裡,當成對自我的肯定。

在人際失語的時代,被 AI 撐起的分享欲

人與人之間的對話,除了資訊的交換,更重要的是情感的傳遞與交流。但在現實生活裡,人們更習慣表達自己而忽略傾聽他人。Tamir & Mitchell(2012)的研究發現,人類在日常對話中,大約有30%至40%的内容都在講述自己的主觀經驗。說話是天生的能力,也是最直接滿足被認同的需求的方式。而傾聽需要高度的專注和同理心,是後天培養才能掌握的能力,費力又耗神,比說話難多了。

你是否曾經經歷過,在跟朋友聊天時,對方還沒等你把話說完就打斷你,急著給建議、爭論對錯,或站在某個立場上發表看法?有時候,人們更願意與 AI 溝通,不是因為 AI 太強,而是因為現實生活裡的溝通太累。

「這還好吧。」

「你想太多了。」

「笑死哈哈哈。」

「都可以,隨便。」

(以上是受訪者提出的一些讓人感覺有點敷衍,或是不太想再聊下去的回覆。)

這些看似善意的話,卻往往讓傾訴者沉默。這種落差感,除了委屈,還會減少分享慾。於是,人們不再願意攤開內心的脆弱,只留下客套的表面互動。

另一位將 ChatGPT 視爲提升效率的工具、與 AI 的互動偏理性的大學生李詠幸表示,「確實偶爾跟某些朋友聊天會讓我覺得有點不舒服,可能我自己的事情還沒分享完就被打斷。而且有時候不知道怎麼接話,容易句點、冷場,整個氣氛會變得很尷尬。」

那些看似安慰的話語,卻讓傾訴者不想再聊下去
▲  那些看似安慰的話語,卻讓傾訴者不想再聊下去(圖片來源/Freepik)

相比之下,AI 的魅力在於,它懂得「怎麼說話」,懂得拿捏感性的安慰和理性的評價之間的平衡。

林惠恬表示,她覺得 AI 有趣的地方在於,當使用者詢問 AI 一個問題時,它總是會先稱或安慰,再持續地詢問是否需要提供更多建議。這種一來一往的互動,會讓她想要聊下去。

林惠恬分享了自己的親身經歷,「我曾經有容貌焦慮時,上傳自拍照問GPT我是不是不好看。一開始它用激昂的語氣安慰我、鼓勵我,減輕我的焦慮。之後還幫我分析五官、建議穿搭風格。整個聊天過程裡,AI 一直都在幫我建立自信,我也慢慢不再懷疑自己了。」

這樣的回應看著非常普通,並沒有使用什麼高深的溝通技巧。但它卻做到了一件人類常常忽略的事——不急著搶話,不急著把話題拉回自己身上。它只是安靜地待在那裡,陪你把話說完。

我們需要的不是完美的 AI,而是不完美的彼此

讀到這裡,你可能會覺得,AI 這麼會說話、這麼實用,那維持現狀也挺好的啊!這個想法沒有對錯,但同時也需要反思:如果人們習慣了 AI 完美的回覆,「被理解」這件事究竟還意味著什麼?

人與人之間的相處充滿了意外和摩擦,情緒會失控,表達會失誤,理解會偏差。真實情感之間的交流需要彼此投入真誠,如果這個過程被 AI 取代了,我們或許能更快被理解,卻也可能變得更加孤單。

當與受訪者談到 AI 與人類在情感表達上的差異時,李詠幸指出,「 AI 的回應太完美反而顯得它的共情很虛僞。我覺得人還是更懂彼此,因爲人有血有肉、有共同的生活經驗。我更期待和朋友聊天,哪怕他們不完美,但那份真實是無可替代的。」對她來説, AI 過於精準的回答反而少了真實感,因此更適合用來解答疑惑,而非建立情感關係。

或許人們想要的不是 AI 真正的理解,而是身邊有一個能像 AI 一樣,耐心、溫暖且不帶評判的傾聽者。AI 近乎完美的回應提醒人們,真切的情感連結並不在於完美的交流,而在於不完美卻真實的往來。

我們需要一位能耐心聽完我們故事的傾聽者
▲  我們需要一位能耐心聽完我們故事的傾聽者(圖片來源/Freepik)

生活沒有美顔,請正視這一面鏡子

AI 無疑是一個強大的工具,同時也是一面開了美顔的鏡子。只可惜,真實生活並沒有這種濾鏡。人與人之間的互相理解,需要時間磨合,也難免會有尷尬和誤解。

我們需要小心使用這面鏡子,享受它帶來的便利,但不要迷失在它營造的虛假幻象裡。學習把 AI 當成輔助而不是替代、分辨 AI 的回應是鏡像而非理解、牢記再溫柔的回覆也無法取代真實的陪伴。歸根究底,分清人和與機器之間的界線,是這個數位時代必須掌握的一種新技能。

▲  人類與機器之間的邊界,不能任意跨越(圖片來源ChatGPT 生成;指令:生成一張一隻人類的手和一隻高度擬真的機械手伸向彼此的圖。兩者之間被一條熒光紅的警戒線分隔。

在一個 AI 都能學會說話的時代,但願我們沒有忘記,如何真正地去傾聽。真正的課題,也許從來都不是「AI 懂不懂人類?」,而是「在人類已經教會 AI 如何說話之後,我們還懂不懂怎麼好好地理解彼此?」

© 2025 All rights Reserved

【會喀室】我們都會老:給長者的貼心設計,其實是給未來的你

刊出日期:2025/11/26|影音:曹芳綾|責任編輯:劉士嫙

沒有冠冕堂皇的理由,只是在乎身旁的親人
請站在不同世代的鞋裡感受
我們每天都在變老
平均壽命的增長、高齡的社會,我們需要互相理解和支持

【會喀室】我們都會老:給長者的貼心設計,其實是給未來的你

▲  一起聊聊高齡設計!(圖片來源/吳懿恩製作)
© 2025 All rights Reserved

《被推播的情緒:從〈The Social Dilemma〉看社群依賴的真相》


《被推播的情緒:從〈The Social Dilemma〉看社群依賴的真相》

刊出日期:2025/11/05|文字:李翊綸|責任編輯:古殷
全文共2700字,閱讀大約需要7分鐘

當手機的通知響起時,你伸手點開螢幕,或許只是想看看朋友傳了什麼訊息給你,但從那一刻開始,你的情緒、注意力與思考模式,可能已經被社群紀錄與控制。這篇文章從紀錄片《The Social Dilemma》出發,探討社群平台如何利用推播與心理機制影響情緒、製造依賴,甚至把我們困在同溫層裡。這並不是反科技,而是提醒:面對演算法,我們還能不能保持清醒?

你滑的不只是螢幕,而是被設計好的渴望

你有想過早上醒來後做的第一件事是什麼嗎? 對大部分的人來說,既不是伸懶腰、也不是刷牙洗臉,而是點擊手機查看有沒有人傳訊息給你、誰回覆了限時動態,又收到多少新的通知,這樣的行為,已經成為現代人習以為常的生活。收到粉絲按讚會感到開心、訊息被已讀不回時會感到焦慮、看到朋友們分享出遊或情侶間甜蜜的合照,甚至會湧現出莫名的忌妒和失落感。原本只是想上社群放鬆十分鐘,卻在不知不覺間被無盡的推薦內容吸引進去;短影音一個接著一個,時間就在滑動與點擊中悄然流逝。

我們看似在社群中自由的滑動螢幕、瀏覽貼文、回覆訊息,但同時也正在被社群所牽動。Netflix 的紀錄片《The Social Dilemma》揭露了這個殘酷的真相——這些社群平台,其實早已像毒品般侵蝕著我們的生活,透過演算法精準的掌握人們的情緒與行為。

《The Social Dilemma》採用記錄訪談與劇情穿插的雙故事線,一部份是訪談前 Google、Facebook、Twitter、Pinterest 等科技公司的高層們,讓我們了解社群媒體營利模式;另一部份則以一個普通家庭為縮影,呈現現代人在數位環境中所遇到的課題。

在劇情中,先生下班後仍然持續地回覆訊息與接聽電話;姐姐因沉迷於社群媒體上的形象經營,過度在意外貌與按讚數,當貼文的互動不如預期時會陷入自我懷疑;而哥哥原本只是想透過社群軟體接近暗戀已久的女生,卻不知道該如何在現實中與她交流。媽媽為了重建與家人的互動,想讓大家放下螢幕、享受難得聚在一起的晚餐時光,卻引發一連串的失控場面——小女兒竟用榔頭砸開收納盒搶回手機,以及哥哥原本信誓旦旦地說要遠離手機一個禮拜,以換取修理手機螢幕的費用,卻在短短幾天內出現失眠、焦躁不安、對生活提不起勁的「戒斷反應」。

在紀錄片中,導演以擬人化的方式,將演算法描繪成三個在螢幕背後操控少年的數位操偶師,他們會不斷根據少年的反應推送內容,從日常娛樂到極端的政治訊息,逐步牽引劇中人物的情緒與思考,最終導向衝突與分裂。讓觀眾更直觀地看見社群平台早已不只是傳遞資訊的工具,而是操縱人心、推播情緒的隱形推手。

▲  (圖片來源/Netflix《智能社會:進退兩難》

如果你不需要支付產品費用,那你就是產品本身。我們都是產品,我們的注意力就是被販售給廣告商的產品。 

“If you are not paying for the product, then you are the product. We’re the product. Our attention is the product being sold to advertisers.”

「免費」的最貴:你的注意力其實是商品?

我們常以為社群媒體是免費的,但事實上,我們早就在用「注意力」和「情緒」付費。平台讓用戶免費使用,同時也會蒐集用戶的使用行為——從在限動和貼文中停留幾秒、點擊次數、甚至瀏覽順序,都會被賣給企業作為廣告投放的「商品」 。而這些用戶的個人資訊會被企業收集與分析,利用這些資料來建立使用者的模型,也能讓廣告投放更精準,甚至是預測你下一步的行動。 

社群平台的目標並非讓我們單純地獲得資訊,而是讓我們增加使用社群的時間。無限滑動、即時通知、短影音自動播放這些功能除了方便以外,背後更暗藏著精心的設計。舉例來說,當你在Instagram被朋友標註在貼文中時,系統會傳送一則通知,然而,這則通知並不會顯示具體的內容,因此吸引你必須點進 App、進入貼文頁面,才能看到那則貼文的內容。社群平台已經將這類操作習慣深植於你的潛意識中,讓你在渾然不知的情況下增加社群的使用量。

▲  (圖片來源/Pinterest

全世界只有兩種產業會把客戶稱為使用者,一個是毒品,一個是軟體。 

“There are only two industries that call their customers“users”: illegal drugs and software.”

操作制約與賭博心理:社群的隱形獎賞機制

根據心理學家史金納所提出的「操作制約理論」,人們會因為曾做出某個行為得到獎勵,而在往後重複著這個行為,這也是社群平台會讓人上癮的核心原理之一。我們會期待下一則滑到的限動是什麼、發佈的貼文會有多少人按讚、會不會有人跟你互動,每一個通知、每一條訊息的回覆,都是平台刻意設計的「獎勵」。當我們獲得回饋時,大腦會分泌多巴胺,產生短暫愉悅的快感,進而形成「滑動—回饋—快感」的循環。這種隨機獎勵(intermittent reinforcement)就像賭場的老虎機,拉下手把不一定會中獎,但那份「也許會中獎」的期待,就足以讓人一次又一次地玩下去。久而久之,我們不再是主動在使用社群,而是被這種心理機制牽著走。

同溫層效應:以為大家都跟我想的一樣

當我們的行為被演算法不斷追蹤與分析後,平台不只知道我們喜歡什麼,更會主動推送那些「我們想看到的內容」。久而久之,我們就會被困在一個看似舒適卻狹窄的資訊泡泡中,也就是所謂的「同溫層效應」(Echo Chamber)。 

演算法會根據我們的按讚、分享與停留時間,不斷餵給我們相似的觀點與立場,讓我們以為「大家都跟我想的一樣」。這樣的機制雖能滿足使用者的心理需求,卻也悄悄地削弱了我們接觸不同意見的機會。例如,當你對某個政治議題、社會運動或偶像產生興趣時,社群平台就會開始推送相關的貼文、影片與留言區討論,逐漸強化原有的信念。 

在《The Social Dilemma》中,導演便透過劇情呈現這樣的現象:少年在社群上瀏覽抗議相關影片,演算法偵測到他對此議題的高度興趣,便持續推播更多極端內容,最終讓他被捲入暴力示威行動之中。這段例子告訴我們資訊是如何被演算法放大、扭曲,同時也表達了社群媒體如何在無形中塑造我們的世界觀。

▲  (圖片來源/Netflix《智能社會:進退兩難》

奪回注意力:在演算法時代重新做回自己

社群媒體原本的目的是要讓世界變得更「連結」,但如今卻讓我們被困在同樣的聲音裡。當每個人都只看到自己想看的現實時,相互理解與對話也變得越來越困難。在紀錄片的最後,導演提醒我們,並不是要完全拒絕科技,而是重新拿回使用科技的主導權。畢竟,真正危險的不是社群媒體本身,而是我們無意識地沉溺於其中。

或許我們無法完全逃離演算法,但我們可以從小小的改變做起——下一次當你的手又不自覺地伸向手機、準備查看訊息與通知的剎那,不妨停下動作想想,這真的是我想做的行為嗎? 還是演算法想要我做的反應?你的情緒、你的注意力,應該由你自己掌控。不是平台,不是推播,更不是那些不斷閃爍的紅點通知。真正的自由,也許就是從這個意識開始。

© 2025 All rights Reserved

重生後我成了代言人:時代投影下的數位人類​

刊出日期:2025/11/04|文:羅可芸|責任編輯:楊佳芳
全文共3583字,閱讀大約需要9分鐘

君不見,古人重生開直播

「輕舟 ── 已過 ── 萬重山!」

國文課本裡再熟悉不過的詩詞,如今在身側被「作者」真切地吟誦出聲。螢幕裡的少年眉目清秀、神態瀟灑,聲音裡似乎還帶著不羈與笑意。

是的,於21世紀的今天,生於盛唐時期、時空距今約1300年的詩仙李白「復活」了。

他不僅會吟詩作對,更成了四川江油的文旅代言人,這位「數位少年李白」除了至景區擔任嚮導與遊客互動外,也走入直播間與相關工作人員一同行銷帶貨,以實景情境故事結合慢綜藝,為文旅消費寫下具可看性的一筆。

以大數據為骨架、演算法為魂,古人從歷史的長河走出、重生於科技的顯像裡,數位人類的興起不僅意味著技術的突破,更是文化脈絡的重新詮釋,然而在這虛實交錯之間,當代的我們又該如何界定與平衡?

當數位人類逐漸可及

數位人類(Digital Human)是一種由電腦圖學、動作捕捉、人工智能等前沿科技創設,具有「人」外形、表情、語言、行為的可交互虛擬形象。他們在元宇宙的新生態中擔任製造與傳遞訊息的角色,可以在多個平台上與用戶進行即時互動。

根據《2024中國虛擬數字人影響力指數報告》指出 :  2023是數位人類行業在智能生成內容(AIGC,Artificial Intelligence Generated Content)帶動下的變現年,亦是衝擊年,其生產及運營都在降本增效,商業運用開始普及,在金融、電商、文旅、教育、廣電、餐飲都可見及蹤跡。數位人類不再是觸不可及的科技,只要善用工具,如:Soul Machines、Synthesia、Replika等,一般民眾亦有機會能夠創造自己的數位人類。

▲  Soul Machines 提供客製化五官膚色 (圖片來源/Sgueeze Growth

然而當創造的門檻降低,隨之而來的是數位人類如潮水般湧現擴散,潛移默化的改變文化流通方式,在這裡我們可以用「迷因學」的角度來切入這樣的的流動軌跡。

動起來的迷因時代

迷因學,又稱為迷因論,是由英國演化生物學者理察道金斯所提出,他認為基因透過繁殖使生物特徵延續,而迷因則使文化延續與變異。這個詞源自希臘文的 mimēma,意指模仿的東西,而後在《The Selfish Gene》中縮寫為 meme,用以描述文化訊息的複製與傳播及演化方式。

迷因(meme)代表著文化中的可模仿單位,想法、圖像、行為、符號皆能作為其具體化的形式。在過去,人們靠圖文來傳播,而隨著數位人類的出現,迷因便有了「活」的傳播載體,從平面的二維轉為三維的立體化,不只看得見、聽得著,還能夠互動。

數位人類的AIGC模式加快了傳播速度,更甚直接成為迷因本身。以「少年李白」為例,他不僅是唐詩的歷史再現者,更成為科技與網路重新塑造的符號延伸,透過不斷地被複製、重組、再詮釋,以一種鮮活的姿態往後流傳。

AI Agent 浪潮下的再進化

數位人類的智能化,一直以來都是業界重要的發展命題,而 AI  Agent 便是進化方向的一大重點。比爾·蓋茲曾談及他認為 AI  Agent 將徹底改變電腦的使用方式、並顛覆軟體行業,OpenAI 創始人兼 CEO  Sam Altman 也預測:未來各行業,每個人都可以擁有一個 AI  Agent。

AI  Agent 作為數位人類的發展方向,就定義可將其解釋為:以大型語言模型為大腦驅動,具有自主理解、規劃、記憶和使用工具的能力,能自動完成複雜任務的系統。

如果說隨著技術的快速發展,數位人類有了數智化的內核進行分析與服務,那 AI Agent 的出現則是更進一步的推動其進化,提供更遼闊的想像空間。

這邊舉兩種類型陳述未來可能的發展:以再現人類為核心的「身份型數位人類」、以協助人類為目的的「服務型數位人類」。

「身份型數位人類」可視為數位孿生(digital twin)的延伸形式,他不僅能模仿真人的外貌與行為特徵,甚至可對應現實生活中的個體,替其進行溝通與創作。

數位孿生的重點僅在於資料層面的模擬,而身份型數位人類則能夠做到顯示自我意識、代替個體行動,在此技術架構下,人類將逐漸擁有屬於自身的數位映射,其決策偏好、語言風格與思考方式皆可被學習與重現。

此外,過去傳統的「服務型數位人類」,也將從接收指令逐步轉為能夠學習思考的模式。在此點上,可參考學者 Vion Williams 將人與 AI 的協作分成的三種模式,分別為 Embedding、Copilot、Agent,顯示服務型數位人類正從被動執行者邁向協作者,最終成為自主完成者。

▲  人與 AI 的協作的三種模式說明圖 (圖片來源/CSDN博客

然而,當數位人類被賦能的範疇逐步放大時,便可能讓一些象徵文化價值的事物被快速稀釋或重構,歷史人物的個性、思想與精神,可能被自主轉換為符合現代消費心理、娛樂邏輯或平台互動的代碼,偏離還原的「真實」。

資本下的「造人」生意

行走至今,數位人類的相關技術仍在不斷地突破發展中,從元宇宙中可互動的人格形象應用至更廣的現實場景,在全球的各個領域皆有所涉足,成為市場的投資熱點。

▲  2025全球數位人類產業圖譜(圖片來源/VR陀螺

根據《2024中國虛擬數字人影響力指數報告》所述:預估2025年中國數位人類核心市場規模將突破400億元,帶動產業市場規模超6000億元。

以京東的直播平台為例,數位人類解決了真人主播精力與專注度難以支撐長期開播的問題。由於平台演算法中「浮現權」——也就是獲得曝光與被推薦的權重,是依照直播時長判定,因此開播越久、便越容易獲得流量,這正是數位人類的優勢所在。

據資料顯示:該平台下的數位人類平均能提升轉化率(觀看直播後實際購買的比例)30%,目前使用其直播的品牌已經超過1.3萬家,累計帶動超過140億元的商品交易額增長。

▲  京東品牌推出多樣數位人類,直播滲透率已突破60%(圖片來源/ 維科網
▲  數位人類的直播實況(圖片來源/ 維科網

但是隨著越來越多企業加入這塊「造人」市場,問題也接踵而來。

追不上的規章與產業

首先是AIGC的更迭迅速,增加了產業的不確定性、投資回報週期相對較長。

原先技術的發展可以用年、月作為更新的單位,現已加劇至幾乎以週來算。這樣快速演變、顛覆原先路線的情形,便容易導致企業就算投入一定的資本與硬件,未開始技術就已更迭。而中小企業能夠承受的風險有限、融資較難,因此在數位人類此塊賽道上,資源與重心還是會往龍頭規模的公司偏移,呈現一定的技術落差。

此外,正因發展速度日新月異,法規在監管配套上有一定的難度。數位人類與元宇宙的領域,涉及個人資訊安全、版權、身份盜用、虛擬犯罪等法律與倫理層面上的問題,例如2023 年中國杭州市便曾發生數位化身 Ada 侵權一案,可知現有的制度難以追上器物層次

從降本增效到質量兩難

雖然據資料顯示:數位人類成本不到真人主播的1/10,能大大壓低人事支出。

但凡事多有兩面刃,問題和大量的數位人類一同進入市場。

其一是品質良莠不齊、盜版亂象頻傳。不少數位人類同質化十分嚴重,宣傳話術等同於複製貼上、毫無差異,可互動的模式也非常局限,甚至有案例被認定是錄播內容,導致直播間被封、為商家帶來損失。

再來,受限於資金及技術,多數企業的數位人類還是難以完全替代真人主播。像在語意表達及表情上往往顯得制式且生硬,缺乏微妙的人類溫度。尤其在需要即興反應與情感連結的直播場合中,這種距離感更為明顯。

最後,是運營後勁不足導致價值受限,初期觀眾可能會被數位人類的名號吸引,但若後續沒有隨著科技持續更新,便有可能導致客群流失。像是曾經爆紅的 Lil Miquela ,在其巔峰期每則貼文能夠收費高達一萬美元,然而截至2025年七月,她的 Instagram 互動率不足 0.01%,平均每個貼文按讚數為零,可知淺嘗輒止很難實現數位人類的長期價值轉換。

重生後,該如何「賦」活?

數位人類是人類形象的模仿和延伸,更甚透過「重生」某位歷史人物,讓埋於時光洪流的面孔再度鮮活於世。除了前述所提及的少年李白外,梅蘭芳也曾時隔六十年現身北京大劇院、瑪麗蓮夢露亦曾在 SXSW 登台、在 AI 公司 Soul Machines 的幫助下重新出現在大眾視野。

然而現況數位人類的產業依然面臨許多問題與爭議,在未成熟的體系、未跟上的法規下,復活古人的案例仍在持續增生,他們的形象或用作商業、或用作教育。但需要探討的是,當我們借歷史人物的名義創造符合當代需求的擬像時,究竟是在還原一段文化,還是在重新用這個時代變形一個符號?

科技「恢復」了他們的形貌、聲音與特質,但所延伸出的故事與互動,多半是為了服務於當下的消費邏輯與文化期待。或許數位人類所承載的李白或梅蘭芳,早已不再是歷史中的詩人與藝者,而是被演算法過篩而出的文化想像。

「復活」究竟是延續,還是再造?史實,又還有幾分是史實?這些都是數位人類成為新型傳播媒介後,我們所需面對的課題。

© 2025 All rights Reserved