緣起

這學期，我申請了校內的AI導入教學計畫，應用於大三必修的方法論課程：文化田野實習。^[1]主因是AI使用已經成為大學生日常。助教曾經在一份期末作業中，指出學生使用AI但教師迴避使用AI的問題。

不少教師傾向以焦慮與懲罰（防堵）應對 AI，但學生與助教卻已大規模使用，這不單純是學術倫理問題，更是「認識論的危機」（epistemic crisis）。

若引用 Margaret Mead (1967) 在Anthropology and an Education for the Future中提出的「前喻文化」（prefigurative culture）概念，我們正處於一個長輩（教師）的經驗不足以指導晚輩，反而必須「向晚輩（學生）學習」的時代。大學生作為數位原住民，往往比教師更早發展出與 AI 協作的默契。因此，本計畫主張不應將 AI 視為需被驅逐的污染，而應承認師生在 AI 技能上的位階翻轉，透過工作坊將隱蔽的AI使用行為公共化，重新協商師生間的權力與信任。（蘇穎欣2026〈公共人類學期末報告〉: 1）

這份報告讓我讀了冷汗直流。我在113年度的田野實習課，才諄諄告誡同學們：「不要用AI代寫作業，AI無法代替你做訪談」。然而，在寒假田野實習中，同學已經透過「聰明地使用AI」，展示出利用AI整理訪談逐字稿的強大效率。^[2]自詡為具有反省力的教師，我立刻承認自己的AI知識不足，申請了AI導入教學計畫，我主責田野方法，助教主責AI輔助。^[3]

「文化田野實習與方法」是一整年的課程。上半年學研究方法，寒假進行田野實習，春季寫出研究報告，並進行公開發表。和「考古田野實習與方法」同屬人類學系大學部三年級的必修課。從112到114學年度，我帶了三年的文化田野實習與方法，直至114學年度第二學期才申請AI導入課程。下一節，請112學年度的修課同學兼113-114學年度的助教，談談她的觀察。

聲明：本文初稿由授課教師寫成，主要記錄 AI導入課程安排（已大幅省略），教師的不安與觀察。初稿完成後，兩位助教讀完之後，分別上傳自己的想法，我再依據全文結構分別安排位置。不同作者部分均分別標明。（本節由bricoleur撰寫）

助教佳秀的看法

作為此門課112修課學生、113與114兩學年度的助教，我對於這門必修課的學生狀況，想分享一些個人經驗與觀察。

112學年的文化田野，AI尚未發展成熟。與現在可以將錄音直接請Notebook LM轉錄不同，當時我們所用的逐字稿轉錄軟體，是曾從事記者職業課堂同學所推薦的goodtape。由於田野錄音混雜華語及海口腔閩南語，我們仍需回頭核實原檔，或是創立多個google帳號，轉錄大量錄音檔。組內會再針對逐字稿，書寫當日田野筆記，討論其中重複出現的現象如何呼應原有問題意識。下學期後半，各組需與老師助教約時間一對一會談，討論民族誌書寫進度。不管對文化人類學有沒有興趣，若「沒有主動產出」就沒有材料可以討論，所有文獻資料、田野材料和民族誌書寫都需要自己（與組內同學）透過學術資料庫、搜尋引擎或書籍參考資料，不斷地來回討論修正。為此，大家無不絞盡腦汁，一字一句的拼湊繕打，才產出最終成果。

後來，AI技術逐漸臻於成熟，學生間會討論AI如何幫助自己撰寫沒那麼有興趣的課程作業，只要懂得下 prompt，產出一篇似是而非的文章，便能省時又拿到基本分；而懂得在此之上抓漏洞修補的人，甚至能拿到更漂亮的成績，何樂不為？不過，對於人類系的學生而言，使用AI在當時與現在可能都還是有些諱莫如深的話題，有些學生會認為主動揭露自己的AI使用，某種程度上反映自身能力不足，而感到羞恥。

個人能力強，且對課程有興趣的學生，他們通常不吝於分享自己如何使用AI工具，加速寫作效率的同時，也能激盪更多未思及的想法；促進課堂討論之餘，該類學生也會反思不斷修正自己的使用方式，不斷進化。這類學生的使用能帶動身旁師長共學，帶來正向的學習效果；而其身邊對課程有興趣，使用AI能力相對弱的同學，透過聆聽模仿，能夠逐漸學會如何更有效的使用，建構相應能力。這種「近朱者赤」的影響，仰賴個人運氣，得剛好認識會使用的強者；相對而言，沒人帶的弱者，反而最容易被落下。（本節由盧佳秀撰寫）

AI導入教學

申請「AI導入教學」計畫，必須在開學前提前規劃進度，無法發揮bricoleur的長才，拿起及手之物那樣且戰且走。以下是開學前提給本校教育發展中心的課程進度。

規劃的課程進度（製表：bricoleur、蘇穎欣）

春季開學後的第一堂課，教師先跟同學們說明：這門課有申請AI導入教學經費（用於助教的加班費和訂購軟體）。第一堂課，助教列出一些AI使用規範：甚麼可以做，甚麼不能做。助教列出了自製的AI使用光譜（後詳），還運用Slido詢問班上同學如何使用AI。最後列出全班共識草案，讓同學們回去想。若大家都同意，這就是這門課的AI使用規範。

製作：蘇穎欣

第二週，同學對草案沒有提出異議，於是建立了本堂課的AI使用守則。^[4]

要寫專題報告，需要觀摩前作，知道「民族誌」這個文類的寫法。第二週，助教示範如何請AI輔助解讀文章論證。助教首先說明好的問題意識要件，^[5]民族誌的論證結構，接著示範「如何分步驟請AI輔助整理文章論證」，示範如何讓GPT有效地拆解期刊論文和專書論文。指令不是一次到位，還須循序漸進。（也讓我學到：原來善用AI的關鍵，是在於「下指令」）。助教還說明了GPT，Gemini，以及NotebookLM的各自的特性。

第三週，是「從代工到賦能」：利用AI幫助整理田野筆記。助教首先提醒大家：如果想用AI整理訪談資料，形同將訪談資料丟進大型語言訓練模型，上傳到中國或美國的伺服器，可能會產生甚麼樣的倫理問題，應該要如何處理？接下來，助教也說明如何避免讓AI進行思考代工，能聰明地使用AI。

投影片製作：蘇穎欣

以上，我都覺得相當好。

接著，助教示範如何下指令（prompt），以一段虛構的田野筆記為例，示範如何在訪談資料中，在不洩漏報導人隱私的前提下，讓AI協助重建時序、區分筆記中哪些是實際觀察到的現象，哪些是記錄者自己的推斷。

請AI協助整理大事記──包括個人、村落、區域等層次，以及釐清自己的解讀與實際觀察到的現象，我都同意。畢竟，若能將個人的生命歷程扣連回當地曾發生的重要事件，則零碎的生活片段和感想也有了更深刻的意義，而當事者甚至不一定會覺察到這些感受的社會意義。其次，” put words in someone’s mouth”在民族誌中實在是太常見，也實在是田野工作者應當留意（若不能避免）的。上述這兩項基本工作，大三的同學不一定能有意識。若AI在不違反隱私個資的前提下幫忙整理田野材料，我也樂見其成。但同時我也發現：整理大事記，連結巨觀與微觀尺度，區分自己的解讀與實際看到的現象，這些都是從前我們做學生時代的基本技能（或者稱為”sense”），原來是需要特別學習的。（本節由bricoleur撰寫）

教師與助教出現分歧的時刻

第三步驟是論文的關鍵：連結材料與問題意識。關於指令C（釐清推論的因果關係）和指令D（精煉問題意識），我和助教有歧見。投影片修改了幾次。我表示：AI生成的推論總是有概念過剩的問題。「AI輔助出來的東西，抽象概念和實際資料對比，一般民族誌是20:80，AI則是60:40，甚至70:30。」令人看了非常疲累。於是助教很快地修改了第二版。

投影片製作：蘇穎欣

我看了還是覺得不妥，跟助教說：

我覺得現在的問題是：要讓同學們貼近人。盡量站在受訪者角度去思考事情。而不是生產出漂亮的論述。我覺得Ａ指令可以，ＢＣ指令還是不行。寧可先調整好，再介紹給同學。

他們現在無法判斷：1. 什麼是人類學的思考方式；2. 什麼是“當地人的思考方式”；3. 要怎樣才可能貼近當地人的思考方式；4. 對在地的狀況不了解。這種前提下，他們是無法靠ＡＩ賦能的。他們只能靠ＡＩ代工。因為ＡＩ可以生產出「沒有時間的老師一眼看去會覺得合格的文字」。因此，Ａ可（關於丟資料給ＡＩ的疑慮）。但是ＢＣ需要斟酌。

（照目前投影片這樣）演示下去，原本他們自己的話，也變成不是人話了。反而造成反效果。因為同學們很可能會因為要交作業（資料分析備忘），就把材料丟進AI來做coding 那就太危險了。

文化田野比較珍貴的是「人與人的相遇」，然後在這個前提下練習做分析。才11天，不可能做理論突破。能忠於材料，講個好故事，就已經很好了。能打動人的，不是論述。而是情感（和用心）。這在文字中是看得出來的。太快用ＡＩ代勞，其實是失去了感受的能力。

許多學生很少有機會接觸和自己生活經驗差異很大的世界。 難得有突破同溫層的機會，先好好利用這樣的機會。

經過討論，助教修改了投影片。第三週僅談倫理問題與技術層面的整理時序與區分主客觀問題。「從代工到賦能」中「賦能」的核心，也就是將訪談材料與問題意識相連，是到第四週才介紹。

助教刪除原來的 Prompt D，把重點從「精煉問題意識」改成「連結材料與問題意識」。

投影片製作：蘇穎欣

在這週，助教加入反面例子，讓同學看見 AI 如何把零碎材料快速推成表面漂亮，實則空泛的論述

投影片製作：蘇穎欣

原來的Prompt D（用AI協助精準問題化意識）就拿掉了。

對我而言：這個分歧其實滿重要的。它其實顯示出不同人對AI使用的看法不同。對我來說，「出於你內心的關懷」是重要的，因此我需要聽到學生「說人話」。但對於學生來說，「希望自己的報告有貢獻」或者是「害怕報告被認為不夠學術」，構成了他們的焦慮。

任何田野工作者都知道，田野工作就像是拼圖。每天都得到一些訊息，但是這些散亂的訊息如何慢慢地拼湊出對田野的認識？焦慮是必經的過程。今天這個人跟我說的話有什麼意義？他在什麼脈絡下跟我這樣說？他跟我的關係、他跟我寄宿家庭的關係、他如何認識我……。而更常出現的是：他已經講出了全部答案，但我對田野認識不夠，聽不懂。這個過程是不可能不焦慮的。不只是外來研究者，即使是研究自身文化的研究者，也會充滿焦慮。而我最不安的就是：AI無法容許焦慮、遲疑、不下判斷。AI縮減了「做個會遲疑的聆聽者」（林開世2019）的時間和空間。AI「客隨主便」，大幅減緩了使用者的心理焦慮，讓他們成為不再遲疑的聆聽者。

我想起朋友從前喜歡說的：「做人如果沒有夢想，和鹹魚有什麼分別？」

同樣地，不會遲疑的田野工作者，和做速效採訪的記者有什麼分別？

第五週，AI教學活動的最後一個環節，是重申AI使用規範。助教做了簡短的投影片。

投影片製作：蘇穎欣

這個問題，其實就是呼應第一週助教所公布的AI使用光譜（下詳）。

接著，助教提醒同學們：研究牽涉不同性質的勞動類型。有的可以讓AI代勞（如謄錄逐字稿、校正書目、改錯字），而有的不行。

投影片製作：蘇穎欣

最後，助教再度提醒：有些任務是不可取代的。

投影片製作：蘇穎欣

這等於是回答了上週的Prompt D的問題。助教指出使用AI的盲區。（本節由bricoleur撰寫）

助教讀完本文初稿（包括最後一節關於學生的焦慮）之後，寫了她的回應。

助教蘇穎欣：從評分困境到使用光譜

將 AI 浪潮比作新一輪工業革命，或許並不誇張。它像一陣突如其來的潮汐，改寫了勞動、創作與知識生產的節奏。有人已經試著把腳伸進水裡，摸索它的流向，從中嚐到效率、靈感與新的可能；也有許多人在浪聲中感到不安，害怕自己熟悉的技藝被稀釋、取代，甚至被重新標價。而在人文學科裡，這樣的不安似乎尤其濃厚。

我參加過不少 AI 教學與人文學科相關的工作坊，卻常常發現，討論的重點很少是如何更好地學習 AI、使用 AI 輔助研究，更多時候，我們談的是如何防堵、如何偵測、如何避免學生用 AI 逃避閱讀與寫作。當我們談及 AI，人類學總是先焦慮起來，彷彿它即將奪走某種珍貴的人類學書寫特質。

這種學門的焦慮也自然蔓延到課堂裡。在我的修課經驗中，許多教師面對 AI 時，傾向以焦慮、懲罰與防堵作為回應。我對這樣的教學氛圍一直感到困惑。高等教育理應站在知識與技術變動的前緣，當新的工具出現時，我們或許更應該思考如何理解它、規範它，而不是只把它視為威脅。

後來，我有機會擔任不同課程的助教。當我坐到教室的另一邊，開始以助教身分批改作業之後，我的想法慢慢出現了變化。

有些學生的作業非常流暢，段落之間銜接得無可挑剔，句子乾淨，結構完整，幾乎沒有明顯的破綻。可是讀著讀著，我卻覺得自己像隔著一層透明玻璃在看那些文字。裡面沒有閱讀留下的痕跡，也沒有和田野、文本或問題相遇之後留下的思考。作為 AI 重度使用者，我幾乎立刻能辨認出那種華麗而平滑的語氣。那不是學生一字一句摸索出來的心得與反思，而是 AI 替他們整理好的一份漂亮答案。

在沒有規範可以依據的情況下，我只能按照作業的完整度與流暢度評分。那些通順、完整、洋洋灑灑幾千字的作業，往往會得到比較高的分數。

後來，有一位同學來問我分數的差異。他說自己很認真閱讀，也花了時間寫作，卻不明白為什麼分數比不上某些使用 AI 的同學。甚至，使用AI的同學還沾沾自喜地分享自己如何在短時間內完成作業，最後仍然拿到高分。當下我覺得很難啟齒，我看著評分表，一時間不知道該怎麼解釋。總不能告訴他，有些東西我看得見，我懷疑有些同學大量使用 AI，卻沒有任何規範可以作為判斷依據。更不能告訴他，在沒有明確規定的情況下，那些華麗篇幅的文字，最後還是比較容易得到高分。最後我只能含糊地解釋評分項目，說明報告的優缺點。他點點頭，把作業收回去，禮貌地說了聲謝謝。然後離開。

我一直記得他離開教室的背影。

那天晚上回家的路上，我第一次很認真地想：如果我無法區分不同形式的 AI 使用，如果我無法向學生說清楚什麼樣的協作可以被接受，什麼樣的協作已經取代了學習本身，那麼我到底是在評量學生的理解，還是在評量誰比較擅長生產一份漂亮的答案？

那天我覺得，自己對所有同學都有一點說不清楚的虧欠。

也是從那個時候開始，我意識到問題或許不只是學生有沒有使用 AI，而是我們始終缺乏一套描述不同人機協作方式的語言。查詢概念、整理逐字稿、修改文句、討論研究問題，以及直接由 AI 代寫整份作業，看起來都叫做「使用 AI」，但它們其實涉及完全不同程度的人類參與。如果我們無法區分這些差異，評分就只能停留在模糊的直覺判斷。

剛好在 114-1 學期，我修讀「公共人類學」課程，便把這些助教經驗整理成一份以 AI 教學爭議為主題的工作坊構想。當時我同時身為學生與多門課的助教，不太滿足於「抓作弊」或「全面禁止」的處理方式。我更想問的是：如果 AI 已經進入教學現場，我們能不能把隱蔽的使用行為公開化，讓師生有一套可以討論、揭露與負責的共同語言？

因此，我開始嘗試用光譜而非二分法理解 AI 使用。我不再只問「有沒有使用 AI」，而是追問人在知識生產過程中究竟扮演什麼角色：是掌握方向的駕駛員，還是把思考完全交出去的乘客？後來課堂中的 AI 使用光譜、揭露機制與工作坊設計，都是在這樣的問題意識下逐漸發展出來的。（本節由蘇穎欣撰寫）

AI使用光譜（製表：蘇穎欣）

bricoleur補充：穎欣所製作的這張使用光譜，也曾在人類學系舉辦的助教工作坊中展示，獲得普遍好評，有助教也引介到其他課程使用。

同學們對AI導入課程的反應

學期結束。同學們對於助教的AI做為學習輔助的教學，給予一致好評。23位修課同學中，有22人填寫問卷。超過八成同學有使用AI（但只有不到五成同學主動揭露）。76%同學請AI協助謄寫錄音逐字稿與摘要，61%請AI建議文獻搜尋與文獻整理，52%請AI進行文字潤飾。九成同學認為助教介紹的AI使用工具（輔助整理逐字稿、整理訪談資料、寫作糾錯）非常有幫助或「有幫助」。63%同學使用AI時會檢查AI產生的幻覺、錯誤與過度推論。86.4%認為本課程的AI使用規範清楚且容易執行。也有同學非常讚賞助教所製作的AI聲明產生器，並運用於其他課堂的AI使用揭露。

在回饋與建議中，有位同學寫：

真的很感謝助教在一年來教導我們如何使用AI，雖然沒有用到，但我會拿來用在其他課堂的學習上，是一件很有效率、很有架構的學習輔助方式。也讓我有更多時間可以分配到這堂課上，好好地用心撰寫民族誌內容。

從問卷看來，AI導入田野教學，就「謹慎、聰明」地使用AI協助學習而言，應該算有達到目的。不諳AI使用的我，請熟悉AI指令的助教負責教同學們「聰明地使用AI」，糾出同學們以AI代工造成的弊端，讓我可以專注田野實習教學，也在過程中學習「原來AI可以這樣用」（比如逐字稿整理）。有好幾篇田野報告的用心、誠懇、創意，令我相當驚艷。（雲林友人建議可以直接投稿《雲林文獻》，或者到雲林學的研討會發表。對於大學生來說，這是很大的鼓勵。）（本節由bricoleur撰寫）

不過，期末問卷能呈現的有限。它還無法完全說明學生如何實際使用 AI，以及助教在閱讀作業與田野材料時的想法。以下，由修過這門全學年課程，並擔任兩年助教的盧佳秀同學補充她對這門課學生使用AI的觀察。

助教佳秀的觀察

我認為，依照對課程的興趣與個人使用AI的能力，其使用AI後的效果主要分成以下幾類：

大學部方法論必修課程中，同學的AI使用分類（製表：盧佳秀）

前面已經提到：AI使用能力強，學習高度投入的學生，會在班上帶來「近朱者赤」的效果，帶動周邊學生與師長共學。但是，學生若基本使用能力已經相對弱，又缺少強者同學的討論引導，很容易產出似是而非的文章觀念。由於缺乏對理論材料的敏銳與推導能力，教師收到該類學生產出的作業，多半會對其中宏大空泛的論述感到困惑不解，卻又無法確認學生學習狀況，只好點出並退給學生補充細節。沒興趣又只產出、不負文責的學生，教師通常只能透過成績評分給予相應反饋，無力調整協助。

還有一類是有能力卻對這門課沒興趣的學生，使用AI代筆到爐火純青的程度，教師幾乎挑不出破綻，反而需討論：若一份駕馭得宜的AI代筆能得高分，會不會其實該調整的是評分標準？

文化田野作為系上大三必修課，部分學生對此課程興致缺缺，或是礙於自身時間規劃，能安排專注於此門課的時間相對少。老師曾問過我和郭天祐（和我一樣是112學年度修課同學，113學年度的助教），作為相對願意投入的人，在112學年下學期，平均每週耗費在書寫的時數，約8-12小時；對興致缺缺的同學而言，負擔一樣重，動機卻沒那麼強，AI 自然成為「最小心力、最大效益」的捷徑。

前述曾提到下學期後半，各組必須與老師助教至少約一次會談書寫進度；其餘時間，書寫過程若遇到任何困難都能與助教約時間討論。前者是每組都得進行的流程，但要不要額外再約，各組態度不一。這兩年有使用這個「服務」的組別，會在與我們（助教們）討論前，寄送目前書寫進度的文件檔，讓我們事先閱讀，狀況大致分成幾種：有些組別的狀況是想寫的材料太雜，需要修剪方能更聚焦；有些組別是筆力稍顯不足，需要補充更多細節描述，以豐富民族誌畫面；有些組別的文章則重複出現AI慣用句式，讓助教看了十分心累，只能不斷提醒哪裡還需要補充推導過程、哪裡需要增加民族誌細節。

老實說，助教作為學生也會諮詢AI工具，因此對於AI工具會產出什麼類型的文字段落，早已司空見慣。113學年沒有制定課堂使用規則，對於疑似使用的組別只能睜一隻眼閉一隻眼，盡可能地請學生多加修改。114學年，除了制定相應規範，另一位助教（蘇穎欣）也很盡心在引導學生如何聰明地使用AI。然而，看到學生使用而不主動揭露，作為教學輔助者會感到有些挫折，會思考是否因為課堂氣氛不夠包容友善，讓學生認為只要揭露就會被判無期徒刑，影響成績？抑或是該安慰自己，是學生無力分配更多心力給此門課，因而有這樣的產出？

身為多門人類系課程助教，我很樂見系上對此的討論趨於開放，當一個工具有更多人加入使用，才能發揮其最大效用；我也深知人會相對選擇不耗能的選項，能夠理解以AI工具快速產出、交出「相對能看」作業的心態。而揭露之所以讓人羞恥，是因為它被當成承認自己能力不足的「證據」。但倘若評分看的是推導與思考過程，而不是成品的完美程度，或許揭露使用AI就不再是自曝其短，而是展示使用與修正的過程。

也因此，處在AI工具使用從無到有過渡階段，若能由系上或師長有效引導學生先建立基本論述與判斷能力，輔以非必修的AI工作坊及助教諮詢共學，彼此學習，AI 對學生才會從「替身」變成「外掛」；當評分與課堂氣氛不再把揭露當扣分項，學生大概也才比較有底氣，大方說出自己是怎麼用的吧。（本節由盧佳秀撰寫）

助教穎欣的想法：從Prompt到「負責任地使用AI」

如果說公共人類學課讓我開始思考 AI 與教學的關係，那麼文化田野課則迫使我進一步思考 AI 與質性研究的關係。幸運的是，文化田野這門課並沒有把 AI 視為必須被排除在教室外的對象，而是把它放進課堂中討論、修正與實驗。也正因如此，那些原本停留在工作坊與助教經驗中的想法，才有機會進入田野教學，接受實際檢驗。

然而，雖然我很常使用 AI，也比較熟悉如何下指令，但我其實同樣不知道，AI 在田野研究中究竟可以介入到什麼程度。逐字稿整理可以嗎？摘要可以嗎？協助學生從大量田野筆記中釐清時間順序與歷史脈絡可以嗎？如果進一步請 AI 協助整理材料，又會不會太快越過研究者自己必須經歷的困惑與判斷？

寒假田野前，這個問題已經先以「幻覺」的形式出現。由於雲林地方文獻在網路上相對稀缺，有些學生前期準備時完全依賴 AI 發想題目，甚至出現「雲林原住民青年返鄉」這類與地方人口現實不符的內容。老師與助教因此在課堂上嚴厲提醒同學，AI 給出的資訊必須 fact-check，不能把生成內容直接當成地方知識。

可是進入田野現場後，我又發現單純的警告會產生反作用力。部分學生開始把 AI 視為洪水猛獸，擔心只要使用就會被扣分，於是寧可硬撐，也不敢使用 AI 協助較低風險、也較正當的資料處理工作，例如整理逐字稿、建立錄音檔目錄或初步歸納訪談內容。

這個問題在十一天的密集田野中特別明顯。大量資料以極快的速度累積，幾乎沒有足夠時間逐字整理每一份訪談內容。然而，密集田野研究的一個關鍵特徵是：下一次訪談往往建立在前一次訪談的發現之上。如果前一天蒐集到的資料來不及整理，研究者便難以發現其中的重要線索，也無法及時調整後續提問方向。有些看似不起眼的細節，例如報導人無意間提到的人名、地點、地方傳說，或某段反覆出現的敘事，都可能成為後續追問的重要入口。

也因此，田野期間我不得不進行更具體的介入。與其抽象地告訴同學「不要亂用 AI」，我開始分享自己常用的 Prompt，示範如何讓 AI 只做有限度的整理工作。例如在逐字稿整理上，我要求 AI 不得改字、不得刪字、不得換句話說，只能加標點、分段、合理換行，並在聽不清楚或疑似缺字處標記疑點。這樣的工作流讓 AI 先提供一份可讀的初稿，但真正關鍵的步驟仍然是研究者邊聽邊修。修正逐字稿時，學生會重新經歷一次訪談現場，注意受訪者的停頓、笑聲、嘆氣、重疊對話，以及那些無法被AI轉錄捕捉的語氣與情緒。

而在文化田野課一整個學期的 AI 導入過程中，我自己的想法其實也在不斷改變。起初，我只是分享自己常用的 Prompt；但後來慢慢發現，比起單純分享 Prompt，我更希望能為同學建立一套負責任使用 AI 的觀點。對我而言，重要的從來不是使用哪一個 Prompt，而是在使用過程中，我們是否仍然是那個掌握方向的人。AI 可以協助整理資料、校對文字、提供不同的觀察角度，但不應該取代研究者自己做判斷。

也因此，到了學期後期，我逐漸不再滿足於分享個別Prompt，而開始嘗試與學生討論如何建立屬於自己的AI工作流程（在 AI 社群的語言裡，這或許可以被理解成一套可重複運作的 flow 或 skill)。不同研究者有不同的寫作習慣與工具選擇，但我更希望提供的是一種思考架構：如何利用 AI 更有效率地掌握文獻、整理田野材料，並透過第三方視角重新檢視自己的文字與論證，而不是把思考本身外包出去。（本節由蘇穎欣撰寫）

後記：速度的追求，和象徵「真實」的小木馬

我（授課教師）始終記得芝加哥大學畢業的資深前輩說：田野是沒辦法教的，要透過經驗學習。在芝加哥，是透過田野工作坊來交流（i.e.交流田野中的人故事與鬼故事）。但我也承認：這適用於研究生。當輪值到教大學部必修課的時候，就算我相信「田野是不能教的」，還是要「教」田野。

說到底，大學部田野實習的節奏原本就相當快速。一學年的課程，對於很多有教「田野實習」的學系來說已經算是很奢侈了－－更多田野課程只有一學期。在這一年中，儘管已經花了一個學期寫研究計畫，閱讀文獻，認識地方，但學生仍必須在壓縮的時間內（寒假的兩週）被要求進入教師選定的田野地點，訪談陌生人、每晚都要繳田野筆記和報告進度，春季還得仔細整理筆記、消化理論，寫出一篇像樣的民族誌論文。AI 只是讓這個問題更加突顯：我們本來就在用一門大學必修課，勉強教一種不能被快速教會的東西。

我畢竟屬於年長世代，儘管平常也會請GPT潤飾英文和文法糾錯（因此我的英文信件應該是虛假得不忍卒睹），但對AI使用還是有些成見。作為會用AI潤飾英文，但對於AI產製的中文相當嚴格的教師，我也談談自己的一些觀察。

近日讀到專長政治哲學的臉友文章：在圖書館，目睹同學對「親手產製報告」此事驚駭莫名。同學彷彿見到了山頂洞人：「這人是不會使用AI嗎？」

聽到這個故事，我想起電影《銀翼殺手2049》裡的小木馬。原來在這個時代，親手製作投影片或寫報告，就像「真實」的木馬那樣罕見。^[6]

Ｋ知道自己是一個人造人，他認命地接受這一切，並按照遊戲規則的方式去活著。一天，Ｋ上司問他，你有兒時記憶嗎？Ｋ說有，但他知道那是被植入的假記憶，不是真的。那是爸爸給兒時的Ｋ一個小木馬，其他孩子想要強行搶奪時，他成功讓木馬脫逃了（i.e. 把木馬藏起來）。但Ｋ從來沒想過的是，重遊舊地，記憶中的木馬真的就在那裡。突然之間，Ｋ意識到，自己的童年可能是真的。(出處：雀雀看電影)

關於小木馬的童年記憶K早就有了，但因為他認為這段記憶是被植入的，並不屬於他，甚至可說根本與他無關。然而，當他以為這真的是他自己的記憶，這段記憶的「存有」與K的「存在」之間的關係，忽然從毫無關聯變成了有所連結和意義。(出處)

「這不是仿製品，是親手雕刻的。」舊物店老闆端詳著這隻木馬：這是非常珍稀的東西了，願意用一匹真馬或真羊，來跟你交換。真馬？也是基因複製出來的馬，但是一匹活生生的馬。

圖片出處

現在讓我們把木馬取代為「自己寫的文字」。

同學們會大量仰賴AI交報告，尤其在面對陌生文類的時候（比如「民族誌」）。但，如果學術生產的就是陌生異化的語言，學生要如何判別什麼語言是人生產出來的，什麼語言是大型語言生成模型造出來的？（這句話本來就是個悖論，彷彿人所說的語言可以逃逸於語言生成模型之外？）更精確些：李維史陀早就告訴我們，語言中個別字詞的意義是靠著和其他字詞的關係來決定。這正是用以訓練語言生成模型的神經網路。

ChatGPT使用的神經網路是一種生成型預訓練變形模型（Generative Pre-trained Transformer, GPT）。變形模塊（transformer model）結構中有許多自主注意機制（self-attention mechanisms），自主注意機制的功能可讓神經網路在預測回答問題前，先找出輸入問題的特徵重點，當找出問題的重點後，將不同位置的上下文特徵關聯起來，經過調整後在輸出端使用解碼器進行生成答案文本；而整個GPT又有多層的變形模塊，相當於經過層層把關，才能獲得更正確的回答。（陳揚文2023: 104）

對於一個大學三年級就要做短期田野實習並且書寫「民族誌報告」的學生，他對於什麼是訪談，要如何進行訪談，什麼是研究的問題意識，什麼是民族誌都還沒有概念的時候，最快的方式，就是問AI。AI可以保證他寫出不會被老師責罰的，「符合格式，有模有樣」，或者也可以說是十分異化的文字。

2022 年 11 月一家位於美國舊金山名叫 OpenAI 的公司，在網際網路上發表自然語言聊天機器人 ChatGPT（https://chat.openai.com/），任何人在網路上註冊後，可以免費使用問答服務，提問 ChatGPT 獲得回覆，例如以下的對話......

問：你認識我嗎？

答：作為一個語言模型，我並沒有真正的認知能力，所以我不會真正地認識人。當你提到你的名字時，我只是將它作為一個字符串看待，並沒有與任何人或個體相關聯。我的目的是根據你的提問來提供幫助和回答，而不是與你建立個人聯繫。（陳揚文2023: 104）

我必須加個但書：學生的AI使用有M型化趨勢，這也與大學之中學生能力的M型化趨勢有關。對人類學有嚮往和好奇的同學，「民族誌寫作」不會是問題。但對於這門必修課沒興趣的同學，民族誌寫作就像是外星語言一樣。學習外星語言最快最有保障的方式，就是問AI。

面對不熟悉的人，不熟悉的地點，即使是自己決定的題目但不知道相關文獻也不知道去哪裡找文獻因此也不知道要如何在當地落實執行，要應付每一份為了撰寫「研究計畫」的作業，從問題意識到理論文獻回顧到區域文獻回顧到研究方法，要擬訪綱，要擬出得體的問題，要仔細整理資料，寫出能交的報告，那麼究竟除了AI之外還有誰有更好的建議？（課程進度力圖避免上述問題發生。但是還是會出現這些情形：缺席太多、上課沒在聽、沒有留時間寫作業，應該三天做完的作業壓縮到一小時）。當然，AI就是你最忠實的朋友。

我也不太能怪他們。因為我也會請AI幫我糾正英文書信的文法錯誤，結果就是我常常寫出形式有餘溫度不足且毫無必要地冗長的信件－－給我不那麼認識的人。但在聯絡公事時（特別是跟不熟的人或單位），我在意的是訊息傳達不出錯，不會冒犯對方，用字遣詞正確不致踩雷。我想，收到這些信的人，大概覺得我是卡夫卡小說中的公務員，令人望而生厭。^[7]

也就是說，在不那麼熟悉的語境中，AI就成為最好的代筆人。既然我寫英文書信是這樣，那麼大三同學寫必修課的專題報告，可能更是這樣。

我原本想：無心學習的話，就是沒有心。因此AI成為你的心。但是，會不會有這樣一種情形：同學想要有心，但又怕被責怪，因此就選擇講起「最不會被責怪」的語言，也就是AI會講的語言？這種語言的特性之一是概念與概念之間的連結過於快速。過快下定論、過快給出定位、過快解決問題（就可以把它放到一邊）。但是真正重要的問題並不是可以快速解決的。它會長久盤據心頭。甚至，很多時候，重要的問題並不輕易浮現。而研究最難的常常不是在解決問題，是在問對問題，是看到隱藏在暗處，真正重要的問題。

回到電影的譬喻。關於「真實」。

如果，在孤兒院裡搶奪的小木馬，並不是戴克自己親手刻出來的，而是大斷電時代之前泰瑞（Tyrell）企業量產出來的，大斷電之後就停產了。孤兒院裡的孩子們從來沒有接觸過「真實」的東西，那麼，他們要如何分辨小木馬是戴克親手雕刻，還是Tyrell量產？那幾乎是不可能的。

這讓我想起《生之奧義》裡所說的：生態危機在於感受力的危機。

感受力危機的第一個，可能也是最怵目驚心的症狀，表現在Robert Pyle提出「自然經驗的絕滅」：我們日常生活所經歷、體驗的那些與生物的關係，已日趨消亡。近來有項研究就揭露了，四到十歲的北美兒童眨眼之間就能以專家之姿認出超過一千種品牌標誌，卻沒辦法辨別所居住地區的十種植物葉片。區辨人以外生物之型態與生存方式的能力，大幅移轉到人造物上，而這又因為我們對與我們同居地球的生命極度缺乏感知而變本加厲。（Morizot 2021[2020]《生之奧義》頁16）

我喜歡用一個譬喻，來自一個被認為政治不正確的作家：「康有為的字是有釘痕的」。這句話有它的第二代白話版：「什麼只是聰明美麗，什麼才是真正的文學」（認出這兩段話的人，可以認證為文藝青年，找我領取獎章一枚）。它的第三代版本是：「你怎麼知道小木馬是戴克親手刻出來的呢？」

我想，這一代教師（很可能是最後一個前AI世代？）的責任，大概是要讓學生學習「真實感受力」。

即使後來知道那記憶終究不是他的，但K一路上的心情和經驗都是真實的。他曾經在孤兒院被遺忘的角落找到藏起的小木馬，那麼難以置信、前所未有的希望油然而生。他曾經手握木馬，想像這一小塊木頭曾是棵充滿生命力的大樹，而母親就站在那樹下抱著嬰孩微笑。他曾經撫摸木馬身上的刻痕，感覺到父親厚實的手、一刀一鑿雕刻出對孩子的愛與祝福。這一切都讓K生平第一次地，在這擁擠而荒無的世界裡，感受到與自然、與父母的緊密連結。(出處)

令人感到悲哀的是，「真實感受力」和科層機構是相悖的。

也令人深思的是，《銀翼殺手》電影中，那些比人還具有人性的人，那些渴望著，也盡情「真實感受」活著的人，那在臨死前講出著名的雨中獨白的Roy，那身受重傷只為讓戴克和女兒相遇的K，都是複製人。（本節由bricoleur撰寫）

《銀翼殺手2049》劇照（圖片出處）

*本文第一作者bricoleur為台大人類學系助理教授；第二作者蘇穎欣、第三作者盧佳秀，均為台大人類學系碩士生。