抗拒人工智能

2025年2月16日

不懂得用人工智能就會被淘汰，我卻有點抗拒使用。學習電腦技術不正正是是我的專業領域嗎？這使我很不安。

我搞清楚了這種厭惡背後的原因：人工智能打破了人能以平庸的創作工作維生的幻想，還把我學習的樂趣徹底剝奪了。

人工智能，更準確地説，各種文字、圖像、聲音、影像生產模型的存在，揭示了一個事實：我們以為只有人能做的創作，隱藏着能用機械的計算模擬的規律，是可以像商品一樣大量生產的。以創作為職業，很可能只是在重複勞動而不自知。

以畫素描為例，這只是把眼睛看到的線條、形狀和色塊複製到紙上去而已。用電腦的角度來看，不過是一種邊緣檢測算法：圖像可以理解為像素矩陣，圖像模糊可以用矩陣和常態分佈函數的卷積計算，邊緣可以理解為像素值變化率高的地方。

從原理上講，畫素描的運算過程既複雜又單調，為什麼我還能樂在其中？直白地説，是因為我的智力不足，沒有辦法像電腦一樣用相同的算法處理每一副景象，才會享受這個努力辨識線條的過程。

你可能會説：「電腦運算出來的只是一串像素，沒有人手畫的靈魂。」我也是這麼認為的。畫家對景物的認知和感情會反映在線條上，是一種獨特的記錄，任何機器都無法取代。

但對平庸的畫家而言，無論他能在這複製線條的過程裏獲得多少樂趣，這種情感帶來的線條變化並不會為畫增加經濟價值。在發明相機以後，只懂得複製眼前所見景像的平庸肖像畫家統統丟掉了飯碗。

這看起來是一種進化，把人從低端的描線，填色工作解放出來，能夠專注在更高層次的創意上。但描線、填色雖然低端，卻是有樂趣的工作。

在圖像生產模型出現以後，情況變得更加極端，模仿別人的藝術風格，從學習的必經過程，變成了新一代的低端工作。無論畫家的個人風格有多麼獨特，只要訓練樣本足夠，任何人也能訓練出對應的圖像生產模型，按一個按鈕就能大量生產。

能夠迅速接受人工智能的創作者明白，創作和其他所有工作一樣，並沒有特殊的地位，一樣是要生產出別人需要的商品而已。質量比較差也好，沒有所謂的「靈魂」也好，這些缺點能夠用低成本和數量彌補。

幸好，畫畫並不是我的工作，而寫程序雖然需要一點創意，相對來説也比較死板，程式碼的細節並不會直接反映到成品上。新手寫出來的程式碼，怎麼可能會比得上無敵的大模型？

使用人工智能，我失去的就只有樂趣而已：自己摸索答案的樂趣；師從某位老師、某本教材的樂趣；明白知識起源的樂趣；自豪地宣稱某份作品是自己原創的樂趣。淨是些效率低下，沒有經濟價值的樂趣。這和數學造輪子一樣讓我失落。

像我一樣能從總結規律中獲得樂趣的人終究是少數，大部分人總是比較喜歡直接得到成果的感覺。對自己親手寫的程式碼帶有感情，就像是覺得用人手算出來答案會比計算器算出來的答案更有人情味一樣可笑。

不斷打破過去的規則，用新的角度看待事物，才算得上是創作者。人類探索了地球上的每一個角落之後，想要自稱探險家，只能往宇宙進發，這是只有極少數人有能力挑戰的任務。

我會用的。無論是寫文章、寫程序、還是畫畫，只要放棄那一部分微不足道又無可替代的樂趣，我就能進步得更快，拋棄底層的低端重複勞動，專注在更加高層次的創作上。我應該是能做到的才對。

幫這篇文章取標題，潤色，使文章更容易閲讀：

DeepSeek:

標題建議：

「AI時代的創作困境：當樂趣遇上效率」
「從抗拒到接納：AI如何改變我的創作觀」
「創作的靈魂與機器的效率：AI時代的反思」
「當AI剝奪了創作的樂趣，我們還能留下什麼？」
「從手繪到AI：創作者的進化與失落」

潤色後的文章：

不懂得用人工智能就會被淘汰，但我卻有點對它有些抗拒使用。作為一個學習電腦技術不正的人，這讓我感到不安。畢竟，這正是是我的專業領域嗎，為什麼我會對AI產生這樣的抵觸情緒？這使我很不安。

我~~搞清楚~~經過一番思考，我終於明白了這種厭惡背後的原因根源：~~人工智能~~AI打破了我們人能以為可以靠平庸的創作工作維生的幻想，也還把我學習的樂趣徹底剝奪了我從學習中獲得的樂趣。

~~人工智能~~更準確地說，更準確地説，各種AI——尤其是那些能夠生成文字、圖像、聲音、和影像生產的模型——的存在，揭示了一個令人不安的事實：我們以為只有人能做人類才能完成的創作，其實隱藏着能可以用機械的計算模擬的規律，是甚至可以像商品一樣大量生產的。這讓我意識到，以創作為職業，很可能只是在重複勞動而不自知。以畫素描為例，這看似是一項需要技巧和靈感的藝術活動，但從本質上講，它只是把將眼睛看到的線條、形狀和色塊複製到紙上上去而已。從~~用電腦~~電腦的角度來看，不過這不過是一種「邊緣檢測算法」：圖像可以被理解為像素矩陣，圖像模糊效果可以用矩陣和常態分佈函數的卷積來~~積計算~~計算，而邊緣則是邊緣可以理解為像素值變化率高的地方。從原理上講，畫素描的運算過程既複雜又單調，為什麼我還能樂在其中？直白地説坦白說，是這是因為我的智力不足有限，無法沒有辦法像電腦一樣用相同的算法處理每一副一幅景象，才會享受這個這種努力辨識線條的過程。

你可能會説反駁：「電腦生成運算出來的只是一串像素，沒有人手畫的靈魂。」我也是曾這麼認為的。畫家對景物的認知和感情會情感確實會反映在線條上，是這是一種獨特的記錄，任何機器都無法取代。但對於平庸的畫家畫家來而言說，無論他們他能在這複製線條的過程裏中獲得多少樂趣，這種情感帶來的線條變化並不會為畫為畫作增加經濟價值。在相機發明相機以後，那些只懂得複製眼前景象所見景像的平庸肖像畫家紛紛失業統統丟掉了飯碗。這看起來這看似是一種進化，將人類把人從低端的描線，填色工作解放出來，能夠專注在更~~高層次~~的創意上。但描線、填色工作中解放出來，讓我們能夠專注於更高層次的創意。然而，描線和填色雖然低端，卻是有樂趣的工作。

AI圖像生成在圖像生產模型的出現以後，讓情況變得更加極端，。模仿別人他人的藝術風格，從學習的必經過程，變成了新一代的低端工作。無論畫家的個人風格有多麼獨特，只要訓練樣本足夠，任何人也都能訓練出對應的AI圖像生產模型，按一個按鈕就能大量生產。那些能夠迅速接受~~人工智能~~AI的創作者明白，創作和其他所有工作一樣，並沒有特殊的地位，一樣是要它只是一種生產出別人需要的商品而已的手段。質量比較差、缺乏也好，沒有所謂的「靈魂」的也好，這些缺點能夠，可以用低成本和數量大量生產來彌補。

幸好，畫畫並不是我的工作。，而寫程序雖然需要一點一些創意，相對但相對來說説也比較死板，程式碼的細節並不會直接反映到在成品上。新手寫出來的程式碼，怎麼可能會比得上無敵的大模型？使用~~人工智能~~AI，我失去的只是就只有樂趣而已：自己摸索答案的樂趣；、師從某位老師、或某本教材的樂趣；明白、理解知識起源的樂趣；，以及自豪地宣稱某份作品是自己原創的樂趣。淨這些都是些效率低下，、沒有經濟價值的樂趣。~~這和數~~這和「學造數學造輪子」一樣讓我感到失落。像我一樣這樣能從總結規律中獲得樂趣的人終究是少數，大部分人更總是比較喜歡直接得到成果的感覺。對自己親手寫的程式碼帶有感情，就像是像覺得用人手算出來的答案會比計算器算出來的答案更有「人情味」一樣可笑。

不斷打破過去的規則，用新的角度看待事物，才算得上是創作者。人類探索了地球上的每一個角落之後，想要自稱探險家，只能往宇宙進發，這是只有極少數人有能力挑戰的任務。~~我會用~~我會使用AI的。無論是寫文章、寫程序、還是畫畫，只要放棄那一部分微不足道又卻無可替代的樂趣，我就能進步得更快，拋棄底層的低端重複勞動，專注在更加於更高層次的創作上。我應該是能做到的才對。

修改要點

詞語：

背後的原因 -> 根源
人工智能 -> AI
而言-> 來説

增加連接詞：

但
畢竟
其實
甚至
這是
然而
確實
讓

語法錯誤：

只要……任何人也都能
反映到在

錯字：

每一副幅

寫一段能夠對比兩篇文章不同之處的 python 腳本。先把文章進行分詞，再以詞語為單位對比，把舊的詞組用 html style 畫上紅色刪除線，把新的詞組以綠色標記，輸出修改後的文章。

import difflib
import jieba

def split_text_into_words(text):
    """使用 jieba 分詞將文本轉換為詞語列表"""
    return list(jieba.cut(text))

def compare_texts(text1, text2):
    """比較兩篇文章的詞語差異，並生成 HTML 格式的對比結果"""
    # 分詞
    words1 = split_text_into_words(text1)
    words2 = split_text_into_words(text2)

    # 使用 difflib 比較詞語差異
    differ = difflib.Differ()
    diff = list(differ.compare(words1, words2))

    # 生成 HTML 格式的對比結果
    result = []
    for word in diff:
        if word.startswith('- '):
            # 舊的詞組，用 <del> 標記為紅色刪除線
            result.append(f'<del style="color:red; text-decoration:line-through;">{word[2:]}</del>')
        elif word.startswith('+ '):
            # 新的詞組，用 <ins> 標記為綠色
            result.append(f'<ins style="color:green;">{word[2:]}</ins>')
        else:
            # 未變化的詞組
            result.append(word[2:])
    return ''.join(result)

# 示例文本
text1 = "這是第一篇文章。我們來比較兩篇文章的不同之處。這是第一篇文章的結尾。"
text2 = "這是第二篇文章。我們來比較兩篇文章的差異。這是第二篇文章的結尾。"

# 比較並生成 HTML 結果
html_output = compare_texts(text1, text2)

# 輸出 HTML 結果
html_template = f"""
<!DOCTYPE html>
<html lang="zh">
<head>
    <meta charset="UTF-8">
    <title>文章對比結果</title>
</head>
<body>
    <p>{html_output}</p>
</body>
</html>
"""

# 將結果保存為 HTML 文件
with open("comparison_result.html", "w", encoding="utf-8") as f:
    f.write(html_template)

print("對比結果已保存為 comparison_result.html")