什麼是 AI 感？如何是有人味表達

ChatGPT、Claude、Gemini、Grok 越來越深入生活和工作流程中，文字訊息作為傳達資訊最主要寫作方式，已經開始被簡化或說是部分替代；在 Agent 或大模型更加聰明，能通過上下文和記憶去快速理解你的意圖時

已經沒有什麼太必要或強烈的動機，讓人仍然被要求一個一個字，用吹毛求疵的病態對透過鍵盤表達的文字有很高的要求

表達清楚是人的責任
知道自己是誰、不要什麼、培養 Human taste

表達清楚是人的責任，不是 AI；現在看著群裡或溝通上互相複製 AI 的回復、丟給 Cluade / ChatGPT 總有種說不出的詭異，拿著 AI 的回復在互相討論，沒有經過個人思考和閱讀沉澱下來的知識，剝奪作為一個有經驗的決策者應具備的判斷素養

其實你也不清楚自己到底要什麼，才會說 AI 給你的東西不太對

事實是一個有經驗、審美、知曉人之間互動關係的工作者要在一定程度上 ”通靈“ 對方的需求，變魔術般去用自己的想法、創意、知識從現有資訊的缺口去補齊

到底什麼是 AI 感？為何討厭

AI 感對應英文是 AI feel / AI vibe，儘管已很難分辨，但對接收資訊和學習目的來說也不那麼重要；我還是對那些很有 AI 感的文字和表達方式敏感，並對這種重復性、過度正確的表達和排列感到不自在且厭煩，甚至無名火起程度

6 月中看到曼報分享，Paul Graham 在 2024 年發表過在 10 年內將會不會有太多人有 “寫作” 這項技能 ( 我其實也只讀了第一段 )；關鍵訊息是，寫作這技能在 AI 更普及下會更少人去主動培養，將分成「 寫得好的，跟完全不會寫的 」

這也是督促我自己要馬上動筆輸出這篇文章，一直都對這個 AI 感很困擾，已經積累了 8 個多月以上的 Claude 對話記錄，在過程中幫我收斂出 "Anti AI vibe" Skill

什麼是有人味的表達 ?

出於直覺寫下的要點，以及 Claude 對話記錄中收斂出來的判斷

1. 打字表達上常見的懶惰和習慣：標點符號、空行、口語化
2. 寫作動機，來自於表達某個關鍵訊息的慾望：好奇、分享、自省。很玄的東西，但就是這個動機，會讓你在表達的時候有那麼點靈魂
3. 英文的訊息溝通中，Native speaker 會習慣縮寫和小寫，不那麼在意開頭的大寫規則，甚至省略標點符號
4. 縮寫如 tbh、lmk、btw、cuz、pls；u 代替 you、convo 代替 conversation；在 X 上很常句尾沒有句號，全是小寫或用換行直接分段，而不是用著工整的標點符號像課本或論文
5. 短句直接換行或是空格，不過度追求完整段落；甚至前後文會的思考和主題會更跳躍，很多問答是建立在你和他長期相處的理解及默契
6. 個人習慣先講結論再補充原因，會有些開頭引導、用案例補充；重點是重視對方時間期望對話有效率的進行，案例和資料增加可信度，證明自己有做功課
7. 習慣用量化的方式給出判斷參考，譬如這個大概 7 分正確、設計風格偏好 A 是 8、B 是 8.5
8. 表達時會有中英夾雜，譬如會用 BTC 不用比特幣、很多詞習慣用英文表達，譬如 Meetup、Connections、Crypto

什麼是 AI 味 ?

AI 味常出現在 “翻譯" 的情況，譬如我用中文表達一段話，它卻直接的用英文類比同樣句型和單詞，但這在 Native speaker 或是語言文化上有更自然的表達方式

• 過於完整的句型、沒有縮寫和口語的表達通順感
• 否定式開頭 – 這不只是、而是、其實是
• 正確廢話
• 標點符號過度使用，幾乎必用破折號 – ( em dash )
• 每句的句型過於簡短、閱讀上的長度幾乎一致；例如幾乎都是 7-10 個字一句組成一個 200 字的段落描述
• 不會有意識的用 Bullet point 分段、重複重點
• 缺乏人在表達時，下意識的會出現的發散思維、新故事和但有某種鏈接感
• 滿頁的形容詞在輔助內容和觀點描述，事實和有根據的數據來源沒主動提醒，就不會有意識的拓展或是從不同視角驗證
• 文章表達上，尤其是在用 Bullet point 的時候一定會出現 " : " 冒號起手，先丟一個詞或話再冒號展開描述，就是 AI 過度表達的沒有個人觀點的呈現方式
• 在說明是 Facebook, X 等社群發文時，會過度使用 emoji 和 hashtag，真人或真正有影響力、對寫作有潔癖要求的人不會亂加這些無意義的冗餘符號

如何避免文字上的 AI 味

• 瘋狂閱讀任何文章、影片任何形式的文字 → 培養 Human taste
• 保持自己打字和口語表達的習慣，有意識的分析並留下記錄 → 文字收斂
• 寫作過程心理默讀，先追求一股做氣把所有想到的都倒出來
• 絕對避免過多的且無明確結果能量化的形容詞，動詞和名詞取代
• 想清楚表達目的：到底想傳達觀點還是什麼訊息、純情緒抒發、個人筆記
• 在寫作和輸出時，比起真實優先於正確 ( 當讓你一定會想盡量傳達個人視角的認知 ) 重點是 Learn in public，不管是對 or 錯，寫成文章到公開發出來都比在筆記系統存著有價值
• 真實分享你踩過的坑、添加些個人情緒轉折、思維方式和成長經驗描述

寫作是思考的過程和文字的體現

在工作上會有非常多時間需要用文字表達、來回溝通；尤其專注在一些很微小的文字細節和調整，但是對於個人的思考和文字組織能力退化有 90%，尤其是 3 年前認真或是有興趣的內容、主題能夠用自己的話在 1 個小時內把關鍵點全部列下來，再用 1 小時組織文字、上下文成一篇完整的文章

現在光是寫這篇 “什麼是 AI 感” 實話說都花了 20 天以上的時間，用 Claude 給靈感才慢慢拼湊出來，也沒達到過去自己對文章結構和用詞表達標準，自己看的也特別痛苦，不過又一直用 專注 5% 改變：主動提問、持續 進步、輸出復盤 來提醒，先動手、輸出把階段性的任務完成，後續補充更重要

AI 代替了自己的很多思考和疑問，讓答案變的似乎更舵手可得，這的是這樣嗎？

最近在了解 Neocloud 知道了 CoreWeave, Nebius, Lambda 也看了 Youtube 上關於 Neocloud 商業模式解說，有分別注重硬體建設、輕資產和礦場轉型的路線，博主們都解釋的非常好，能夠幫助你快速的掌握各自拓張策略和優劣勢，且用通俗易懂的方式解釋認識新雲 ( Neocloud ) 、傳統雲 ( Cloud ) 異同之處，列舉如硬體、機房、能源、空間、折舊、槓桿率的相似及對應週期位置

在花了 2 個小時看完這些硅谷 101、硅谷坐標、Caleb Writes Code 等講解，有了充滿了知識及對這個概念有理解的錯覺，再深入反問到底什麼是 Neocloud、AI 算力到底是什麼？發現更多問題只能背課本的方式重複影片裡面人說的話，而自己在回答沒有對底層理解的底氣：到底所謂的 AI 晶片有哪些、為什麼大家都說 H100、到底需要缺算力是缺在哪裡 ( 模型訓練 Training / 推理 Inference )

還有說模型會記憶更多問題，很多問題的答案會被儲存起來，需要的算力可能不用那麼多？回答變快，但是總算力的需求仍然是增加的...

Cloud 成熟背景下出來的 DePIN 概念，號稱貢獻裝置的閒置儲存空間、帶寬 ( Bandwidth )、算力有可能在 NeoCloud 的概念下再出來嗎？現在有的 Vast AI, Runpod, Together AI 各自出的 CPU Marketplace 又是在服務什麼樣的客戶，能滿足多少人的需求呢

這整段就完全是沒有任何 AI 輔助，按最近的思考發散出來的問題，接收資訊和 AI 的觸手可及，反而讓我失去了對科技、技術底層的好奇探索，甚至自大的認為靠了 AI 就能學很快，事實是對一項新的專業更沒耐心，問 AI 深入 5 次還是看不懂到底矩陣乘法、硬體知識這塊還是不夠理解就輕易放棄，只到科普等級的理解就停止了

用心表達的文字是有靈魂，還是能看的出來人的參與

想像你是真的在說話，在思考、沉澱和熒幕前的文字交流，會有很多想表達的觀點、文字記錄下的心情和延伸事件，導致思緒發散、跳躍、缺乏起承轉合，但這些就是有種 “人” 的魅力，已經很久沒有讓自己認真的閱讀完整文章，在 X 上吸收破碎的內容、短視頻、被標題嚇唬住的 AI 教學分享

2 年前的我是絕對不會有這麼抽象的評價，用心這種真的是廢話，不過看了更多各式各樣的人或是內容後，還是覺得用心對待文字的人真的太少了

收在這裡，也先給自己立個每個月，用最真實的想法和文字更新文章的任務