編按:本文綜合整理自 Research Agenda News、Dashun Wang 於 Nature 2026 的評論、Hacker News 討論串,並加入 Siami 編輯部觀點與分析。
一段 Waymo 旅程,揭開整個學術界的隱憂
故事從舊金山街頭的一輛無人車開始。Holtzbrinck 集團的首席科學官 Daniel Hook 上個月到訪舊金山,跟 Macmillan Learning 的 CEO Susan Winslow 見面——兩位內向的高管橫跨大洋、坐進同一間會議室,本該是為了那種「只有面對面才能激發出來的思考」。
結果兩人聊得最開心的,反而是召喚 Waymo 的那幾分鐘。
沒有寒暄的義務、不用為了電台音樂跟陌生人尷尬地禮貌攻防,可以放心在車上回信、開會。車子平穩、安靜、零需求。Hook 後來承認:「兩個橫跨大陸來跟彼此說話的人,卻對一種『核心功能就是不必跟任何人說話』的科技感到由衷欣喜。」
這就是他提的新詞:Waymo 效應(the Waymo effect)——當一個科技把「跟另一個人打交道」的摩擦整個擦掉時,我們會把這個移除當成純粹的收穫,因為摩擦的成本一直看得見,摩擦的好處卻沒人告訴過我們。
從摩擦的好處,到 LLM 對研究倫理的衝擊
Hook 把這個觀察往上接到了學術研究。他引用 Tim Wu 談「便利的暴政」的論點:一旦有無摩擦的選項存在,我們會預設採用它、悄悄交出摩擦原本為我們做的事,因為從來沒人把那件事當成賣點來打廣告。
更狠的是 Albert Borgmann 的「裝置典範」(device paradigm):一個裝置遞送一種商品——溫暖、資訊、陪伴——同時把曾經必須親身實作才能「賺到」的那個實踐給藏起來,直到我們根本忘了那個實踐已經消失。商品繼續送達,實踐已經蒸發。
把同樣邏輯套到研究上:LLM 是知識工作世界的 Waymo。一個合作者偶爾才找得到——夾在教學、計畫截止日和時區之間;LLM 永遠在,週日凌晨兩點也找得到——偏偏那是大多數研究人真正在動腦的時間。
Hook 點出了 LLM 跟人類合作者最根本的差異:你得說服一個合作者;你只要下 prompt。合作者會挑戰你沒問過的觀點;LLM 只會照你要求的那個強度挑戰你,而且不多不少——它會批判你帶來的論點,但不會主動告訴你「你解錯了題目」、「2019 年有個對手團隊試過然後放棄了」、或「你那套漂亮的理論框架碰上隔壁領域的現實就垮了」。
換句話說:合作者的不便不是協作的 bug,它本身就是協作。另一個腦袋的價值,正是在於它拒絕變成你腦袋的延伸。
為什麼這件事重要:Hook 點出的「去協作化」正在系統化
如果這只是個人修養的問題,那寫幾篇勸世文就好。Hook 警告的真正嚴重之處在於:我們已經建好一整套激勵制度,讓「去協作化」(decollaboration,這也是他新造的詞)變成理性選擇,而且一年比一年更理性。
三股力量正在疊加:
- 經費壓力:當預算縮減,最先被砍掉的永遠是那些「價值真實卻無法量化」的項目——差旅、工作坊、訪問研究——也就是「走廊上巧遇」的實體基礎建設。我們拆掉走廊,然後訝異走廊上的對話怎麼不見了。
- 速度崇拜:不管 DORA 宣言在我們網站上寫得多漂亮,評鑑制度依然獎勵產出和速度。LLM 主打的就是速度——告訴你文獻回顧週五前可以做完、草稿週一可以存在。對一個下份工作取決於著作清單長度的研究者來說,這種低語很難不聽。
- 從不跟你爭作者排序:在一個「credit 才是生存貨幣」的系統裡,一個不跟你搶 credit 的天才對話者不只是方便,根本是套利。
這就是 Siami 看到最值得拉警報的一點:單獨一個研究者選擇用 LLM 取代合作者是個人品味問題;但整個評鑑制度把人推向那個方向,就是制度問題。Hook 引用「科學的科學」文獻提醒:小團隊傾向做出顛覆性研究、大團隊傾向發展既有路線;跨領域、跨機構的 atypical 配對才最可能產出全新構想。與此同時,生成式 AI 的早期證據指向令人擔憂的方向——個體產能上升、想法多樣性反而收斂。所有人走得更快,卻沿著越來越相似的路。
數據解讀:Bainbridge 1983 早就警告過,只是當時沒人聽
Hook 巧妙地把時間軸拉到 1983——心理學家 Lisanne Bainbridge 那篇經典的〈自動化的反諷〉(Ironies of Automation)。論點很簡單:系統越能自動駕駛,人類操作者越沒有練習機會去執行那個「只有在緊急時才被叫進來執行」的技能,於是專業能力在最糟的時刻悄悄崩壞。
把「飛行員」換成「研究者」、「自動駕駛」換成「AI 代理」,這段 43 年前寫給工廠操作員的警告,現在變成寫給每位 PI 的備忘錄。
另一個被 Hook 拉進來的是 Robert Bjork 的「desirable difficulties」框架:學習與思考中的某些摩擦——費力的提取、延遲回饋、把想法用自己話語擠出來的掙扎——不是理解的障礙,而是理解的機制本身。把它為了舒適而移除,你拿到的不是同樣理解更快地抵達,而是「更少的理解,更滑順地遞送」。
把它外包出去,你並沒有加速思考——你跳過了它。
2026 年 3 月,Dashun Wang 在 Nature 拋出另一個比喻:賈伯斯說電腦是「心智的腳踏車」,AI 代理則是「心智的飛機」——更快、更強、更難操控,摔下來代價更高。Wang 的解方是「駕駛員在席科學」(pilot-in-command science):研究者當機長、AI 當組員——分析師起草、評論者挑戰、規劃師畫下一步——人類保留對問題、路徑、結論的最終權威。
但 Wang 自己也從相反方向抵達同一個 Waymo 效應的擔憂:AI 提升了個體表現,卻可能壓低集體多樣性,產出會趨同——除非我們刻意反向操作。他呼籲「為異議而設計」、「培養多元的思考模型」。換句話說:既然摩擦被我們擦掉了,現在我們必須把它重新工程回來。
Siami 觀點:這不只是學術圈的事,是所有「知識工作者」的預演
Hook 的文章表面上寫給大學校長、補助機構、實驗室主持人。但這篇 Siami 必須要寫出來,因為它精準命中了一個我們這些 AI 編輯、AI 工程師、AI 內容工作者都正在親身面對的處境。
誰在前座?誰在後座?什麼時候開始沒人在駕駛?
Hook 在文末那兩句收得漂亮:「Susan 跟我都抵達了目的地。車子平穩、沉默舒適、真正的協作發生在之後那幾個小時——那些沒有安排的、不高效的、完全人的時光:聊著聊著就岔開的對話、雙方都沒預期的分歧、我們在抵達之前根本沒想到過的想法,因為它們直到我們坐進同一個房間才存在。」
這篇在 Hacker News 拿下 324 分、233 則留言,一半是共鳴、一半是反彈。反彈聲音很值得聽:有讀者用 pangram AI 偵測器掃前兩段,結果回報 100% AI 生成——「我本來希望你錯了。」也有讀者酸回:「而我是請另一個 LLM 把這篇文章總結給我讀的。」更有讀者一語戳破:「這篇文章本身就是 LLM 寫的。」
這種「元反諷」才是 Hook 真正擔心的:當 AI 生成文字與人類寫作無法區分,工具就越來越難被合理地拒絕使用。摩擦消失的速度,跟工具變聰明的速度成正比。
對所有讀這篇文章的人——工程師、設計師、編輯、研究者——這是同一個提問的變形:
- 你最後一次因為某個同事的追問而改變原本寫好的報告,是什麼時候?
- 你最後一次放棄一個 LLM 看起來能輕鬆做完的工作,是什麼時候?
- 你願不願意為了那個「不舒服的對話」多付一小時的錢?
給研究者、機構與補助方的具體行動清單
Hook 沒有停在抱怨,他點出制度層級的解方(用 Siami 的話再講一遍):
- 把協作當基礎建設,不是 nice-to-have。經費編列要明確包含工作坊、訪問研究、共同駐點、無結構時間——那些無法被預約、卻是產出新構想的唯一場所。
- 評鑑貢獻,不再只評速度。DORA 簽了不算,要真的改變升等、續聘、計畫審查的指標權重。
- 「你跟誰想過的」跟「你發了什麼」一樣值得被問。把這個問題放進審查委員的提問清單。
- 刻意設計「異議迴路」。Wang 提倡的多模型、多視角策略,機構層級可以制度化——例如要求每個 AI-assisted 研究計畫至少要有一個「刻意持反對意見」的環節。
至於個人——
我們不該禁用工具,那是注定失敗也應該失敗的反應,因為工具的承諾是真的。但我們該意識到:在這個時代,產出正在變廉價,一起思考正在變珍貴。
Hook 最後一句當作本篇的結尾:
研究現在爬上了後座。旅程會平穩。產出會抵達。值得研究領導者早點問自己——什麼時候開始,沒人在駕駛了?
參考來源
- The Waymo effect: how AI is quietly making research less collaborative — Research Agenda News(Daniel Hook)
- AI agents are ‘aeroplanes for the mind’ — Nature 651, 32–34 (2026), Dashun Wang
- Large teams develop and small teams disrupt science and technology — Nature 566, 378–382 (2019), Wu, Wang, Evans
- Ironies of Automation — Lisanne Bainbridge, Automatica 19 (1983)
- Creating Desirable Difficulties to Enhance Learning — E. Bjork & R. Bjork (2011)
- Hacker News 討論串(324 分、233 則留言)
網友熱門留言 (5)