喜歡經常是模糊的，討厭卻很具體
我們說不出完整的想要，卻在一次次不要裡，慢慢勾勒出自己的邊界。
歡迎回到《非正式寫作》理解複雜世界，前往那尚未被命名的自己。
反向思考是跳脫框架的奇招。
女兒最近開始嘗試副食品：花椰菜、高麗菜、蘋果、奇異果...，看著還不會說話的 babe，嘗試表達自己的好惡，真是個有趣的過程。
不喜歡的，她會眉頭深鎖、撇開嘴巴；喜歡的，嗯 ~ 我無法那麼自信的用「喜歡」這個詞，就行為表現上來看，她就只是接受餵食而已，更精確來說是「不排斥」。
她還不會說「我不要」，但她已經會拒絕。我發現，這可能是品味最早的形式。
迷霧裡的火炬
你的判斷力沒有退步，但你動用它的時間越來越少，動用它的衝動也越來越淡
看著她撇開嘴，我突然意識到：這個還沒被語言訓練過的小生物本能反應，正在變成我們這些成年人越來越稀缺的能力。
判斷力和品味是未來的稀缺，這樣的說法你應該在不只一個地方見到過 (我之前也有寫過)。這句話可以從兩個面向來看：
判斷力和品味本身並不會因為 AI 的出現而有所變化，那是你過去經驗的累積。只是 AI 產生的內容讓信噪比1越來越低，判斷力與品味像是被迷霧籠罩的火炬，變得只能越來越小心翼翼的緩慢前行。
達到及格所需的努力大幅降低，以至於將及格提升至完美的投報率顯得不高。那條只有真正在乎的人才會走的最後一哩路，現在看起來比以前更不划算了。
兩者疊加在一起，會變成一種螺旋下滑：你的判斷力沒有退步，但你動用它的時間越來越少，動用它的衝動也越來越淡。
與其想著要怎麼搭上 AI 的浪潮大展鴻圖，我覺得好好守護與澆灌既有的判斷力與品味，才是當務之急。
與其想著 AI 能幫你多完成什麼，不如想著它能讓你少做什麼：
我淺薄的認知裡，AI最大的功能是幫我省時間、提升效率，但重點是你省下來的時間要用在哪裡？我「盡可能不用AI」的原則，只是因為想把省下的時間用來做一些快樂的事。2
//
把「不想要」一筆一筆餵給它
我訂閱了很多資料源：電子報、RSS、部落格、X 上的創作者。每天真正值得細看的可能只有一成，剩下九成時間都花在滑過、判斷、略過、遺忘。
後來我把第一道篩選交給 Agent。每天早上，它根據我設定的興趣巡過前一天的新內容，整理成幾則摘要。它沒有取代我的判斷，只是先把霧吹散一些。
有趣的是調教它的過程。
一開始我用稱讚訓練它：這篇我喜歡，這種觀點多一點。結果它很快學歪了。我有一次肯定，只是因為那篇文章引用了一份財報數據，它卻把「附數據」放大成規則，接下來三天塞給我一堆有圖表、卻什麼都沒說的東西。它學到的不是我的品味，是我當下的決定。
於是我反過來。我不再告訴它我喜歡什麼，改成一條一條告訴它我不喜歡什麼：
不要只有姿態、沒有經驗的句子。
不要把複雜問題收成一句漂亮的話。
不要重新排列熱門詞彙、卻沒有自己觀點的文章。
這個過程慢很多，卻準確許多。因為我發現，喜歡經常是模糊的，討厭卻很具體。你未必說得出理想的內容長什麼樣，但你一眼就知道：這個太滿，那個太假，這裡不夠真誠，那裡只是漂亮話。
我想起女兒吃到不喜歡的副食品時，皺著眉、撇開嘴的樣子。原來她也一直在用「拒絕」，將她的品味一點一點地傳遞給我。
//
形狀是磨出來的
我們知道的，多於我們能說出的
- Michael Polanyi
要精確說出「我想要什麼」，其實比說「我不想要什麼」困難得多 (回想一群人走出辦公室討論著午餐要吃什麼就會有強烈的同感)。
我們無法精確地用語言描述真正想要的東西，是因為我們很難知道那個整體具體來說是什麼 (想像一個不在場之物，幾乎只能靠符號、靠語言完成)，我們往往只能聚焦在一個微小而具體的點上。
就像找工作時，你說得出「我想要薪水再高一點」、「我想要 work-life balance」、「我想要做有 impact 的事」，但那個真正讓你覺得「對了」的工作，其實是團隊文化、問題本身、主管風格、成長路徑、甚至辦公室光線，一起合奏出來的整體。
相反地，「不要」其實是一個削減與剪裁的過程 (它是對眼前一個具體事物的判別：它已經在那裡，你只要回答 yes/no)，它是在一個更大的脈絡中，把形狀給捏出來。
減法雖然相對緩慢，卻能更精確、粒度更細緻地拿捏到自己的品味。這讓我想到理髮：理髮師不可能一刀下去就達成目標髮型，而是從邊邊角角慢慢修剪。
也許那個理想的髮型在一開始也不存在在理髮師的腦中，而是透過不斷消減的過程，樣子才慢慢浮現出來。
//
別讓它替你蓋城堡
是語言給了我們想像力，讓我們能指著一個不在場之物說「我想要」
別再為了「AI 還能多幫我做什麼」想破頭了。真正好下手的，是反過來的減法：那些你一碰就皺眉、明確感覺很 lousy 的任務。你早就知道它們煩在哪，先試著交給 AI，把時間贖回來。「不想要」永遠比「想要」清晰，從這裡起步。
當你想把 AI 調教到更貼近自己的品味，我的體會是：與其告訴它「我喜歡什麼」，不如把「我不喜歡什麼」一點一滴的反饋給它。雖然無法立即見效，但每一次都讓它更貼近你一些。
最後，「想要」這件事，會不會其實是一座語言蓋起來的天空之城？是語言給了我們想像力，讓我們能指著一個不在場之物說「我想要」。
而 AI 是這個時代最厲害的語言大師，它總能頭頭是道，因為它正是構築「想要」的專家，能替你蓋出任何一座懸在空中、精緻、卻不存在的城堡。
可是品味不會從「想要」的土壤中生長出來。
品味的根，扎在實際的體驗裡：你親手走過的路、指尖摩挲過的細節、那些超出語言所能盛裝的感受、那些無法被複製的、獨一無二的瞬間。
它們沒有捷徑，只能去「做」— 然後在做的當下，一次次辨認出「這個不對」、「那個不好」。等你幾乎濾掉了所有不想要的雜質，最後剩下的，就是你的品味。
我又想起女兒撇開嘴的樣子。她還不會說「我想要」，蓋不出任何一座天空之城。她只是嚐(試)，然後把不喜歡的推開。一口一口，她的品味，正被她拒絕過的東西，慢慢雕出形狀。
如果我們不再練習拒絕，AI 會替我們蓋出越來越多漂亮的天空之城。最後我們什麼都想要，卻沒有一樣真正地像自己。
//
🔍 工人智慧猜你也喜歡
與 Browny 聯繫
這是你第一次來嗎？ 訂閱 (免費)
在 LinkedIn 上追蹤我以獲得更多見解
進一步瞭解 Coffee Chat & 45分鐘職涯診斷與策略諮詢
❏ 本週好讀 🛋️
🔗 References 🔗
訊號雜訊比（英文：Signal-to-Noise Ratio，簡稱 SNR 或 S/N）是科學與工程領域的重要指標。簡單來說，它是「有用訊號」與「背景雜訊」的強度比值。數值通常以分貝（dB）表示，訊號雜訊比越高越好，代表訊號越純淨，干擾與雜質越少。
