AI时代的（大学部）田野教学

缘起

这学期，我申请了校内的AI导入教学计划，应用于大三必修的方法论课程：文化田野实习。^[1]主因是AI使用已经成为大学生日常。助教曾经在一份期末作业中，指出学生使用AI但教师回避使用AI的问题。

不少教师倾向以焦虑与惩罚（防堵）应对 AI，但学生与助教却已大规模使用，这不单纯是学术伦理问题，更是「认识论的危机」（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，我们正处于一个长辈（教师）的经验不足以指导晚辈，反而必须「向晚辈（学生）学习」的时代。大学生作为数字原住民，往往比教师更早发展出与 AI协作的默契。因此，本计划主张不应将 AI视为需被驱逐的污染，而应承认师生在 AI技能上的位阶翻转，透过工作坊将隐蔽的AI使用行为公共化，重新协商师生间的权力与信任。（苏颖欣2026〈公共人类学期末报告〉: 1）

这份报告让我读了冷汗直流。我在113年度的田野实习课，才谆谆告诫同学们：「不要用AI代写作业，AI无法代替你做访谈」。然而，在寒假田野实习中，同学已经透过「聪明地使用AI」，展示出利用AI整理访谈逐字稿的强大效率。^[2]自诩为具有反省力的教师，我立刻承认自己的AI知识不足，申请了AI导入教学计划，我主责田野方法，助教主责AI辅助。^[3]

「文化田野实习与方法」是一整年的课程。上半年学研究方法，寒假进行田野实习，春季写出研究报告，并进行公开发表。和「考古田野实习与方法」同属人类学系大学部三年级的必修课。从112到114学年度，我带了三年的文化田野实习与方法，直至114学年度第二学期才申请AI导入课程。下一节，请112学年度的修课同学兼113-114学年度的助教，谈谈她的观察。

声明：本文初稿由授课教师写成，主要记录 AI导入课程安排（已大幅省略），教师的不安与观察。初稿完成后，两位助教读完之后，分别上传自己的想法，我再依据全文结构分别安排位置。不同作者部分均分别标明。（本节由bricoleur撰写）

助教佳秀的看法

作为此门课112修课学生、113与114两学年度的助教，我对于这门必修课的学生状况，想分享一些个人经验与观察。

112学年的文化田野，AI尚未发展成熟。与现在可以将录音直接请Notebook LM转录不同，当时我们所用的逐字稿转录软件，是曾从事记者职业课堂同学所推荐的goodtape。由于田野录音混杂华语及海口腔闽南语，我们仍需回头核实原档，或是创立多个google帐号，转录大量录音档。组内会再针对逐字稿，书写当日田野笔记，讨论其中重复出现的现象如何呼应原有问题意识。下学期后半，各组需与老师助教约时间一对一会谈，讨论民族志书写进度。不管对文化人类学有没有兴趣，若「没有主动产出」就没有材料可以讨论，所有文献数据、田野材料和民族志书写都需要自己（与组内同学）透过学术数据库、搜索引擎或书籍参考资料，不断地来回讨论修正。为此，大家无不绞尽脑汁，一字一句的拼凑缮打，才产出最终成果。

后来，AI技术逐渐臻于成熟，学生间会讨论AI如何帮助自己撰写没那么有兴趣的课程作业，只要懂得下 prompt，产出一篇似是而非的文章，便能省时又拿到基本分；而懂得在此之上抓漏洞修补的人，甚至能拿到更漂亮的成绩，何乐不为？不过，对于人类系的学生而言，使用AI在当时与现在可能都还是有些讳莫如深的话题，有些学生会认为主动揭露自己的AI使用，某种程度上反映自身能力不足，而感到羞耻。

个人能力强，且对课程有兴趣的学生，他们通常不吝于分享自己如何使用AI工具，加速写作效率的同时，也能激荡更多未思及的想法；促进课堂讨论之余，该类学生也会反思不断修正自己的使用方式，不断进化。这类学生的使用能带动身旁师长共学，带来正向的学习效果；而其身边对课程有兴趣，使用AI能力相对弱的同学，透过聆听模仿，能够逐渐学会如何更有效的使用，建构相应能力。这种「近朱者赤」的影响，仰赖个人运气，得刚好认识会使用的强者；相对而言，没人带的弱者，反而最容易被落下。（本节由卢佳秀撰写）

AI导入教学

申请「AI导入教学」计划，必须在开学前提前规划进度，无法发挥bricoleur的长才，拿起及手之物那样且战且走。以下是开学前提给本校教育发展中心的课程进度。

周次	课程内容	AI使用辅导	AI工具
1	课程简介	课堂活动：制作AI使用指引	GPT-5.2
2	民族志观摩	公布本学期AI使用规范；利用AI学习优秀论文的论证结构	GPT-5.2
3	数据分析	助教举例说明：利用AI进行数据整理	GPT-5.2
4	民族志观摩2.0	利用AI学习优秀论文的论证结构	GPT-5.2
5	文献回顾的写法	重申AI使用规范，让同学反思AI的能与不能	GPT-5.2
6-11	研究报告写作	密集写作期	Gemini 3 Pro
12	格式与文献	助教示范如何利用AI整理书目、校订错字	GPT-5.2

规划的课程进度（制表：bricoleur、苏颖欣）

春季开学后的第一堂课，教师先跟同学们说明：这门课有申请AI导入教学经费（用于助教的加班费和订购软件）。第一堂课，助教列出一些AI使用规范：甚么可以做，甚么不能做。助教列出了自制的AI使用光谱（后详），还运用Slido询问班上同学如何使用AI。最后列出全班共识草案，让同学们回去想。若大家都同意，这就是这门课的AI使用规范。

制作：苏颖欣

第二周，同学对草案没有提出异议，于是创建了本堂课的AI使用守则。^[4]

要写专题报告，需要观摩前作，知道「民族志」这个文类的写法。第二周，助教示范如何请AI辅助解读文章论证。助教首先说明好的问题意识要件，^[5]民族志的论证结构，接着示范「如何分步骤请AI辅助整理文章论证」，示范如何让GPT有效地拆解期刊论文和专书论文。指令不是一次到位，还须循序渐进。（也让我学到：原来善用AI的关键，是在于「下指令」）。助教还说明了GPT，Gemini，以及NotebookLM的各自的特性。

第三周，是「从代工到赋能」：利用AI帮助整理田野笔记。助教首先提醒大家：如果想用AI整理访谈数据，形同将访谈数据丢进大型语言训练模型，上传到中国或美国的服务器，可能会产生甚么样的伦理问题，应该要如何处理？接下来，助教也说明如何避免让AI进行思考代工，能聪明地使用AI。

投视频制作：苏颖欣

以上，我都觉得相当好。

接着，助教示范如何下指令（prompt），以一段虚构的田野笔记为例，示范如何在访谈数据中，在不泄漏报导人隐私的前提下，让AI协助重建时序、区分笔记中哪些是实际观察到的现象，哪些是记录者自己的推断。

请AI协助整理大事记──包括个人、村落、区域等层次，以及厘清自己的解读与实际观察到的现象，我都同意。毕竟，若能将个人的生命历程扣连回当地曾发生的重要事件，则零碎的生活片段和感想也有了更深刻的意义，而当事者甚至不一定会觉察到这些感受的社会意义。其次，” put words in someone’s mouth”在民族志中实在是太常见，也实在是田野工作者应当留意（若不能避免）的。上述这两项基本工作，大三的同学不一定能有意识。若AI在不违反隐私个资的前提下帮忙整理田野材料，我也乐见其成。但同时我也发现：整理大事记，链接巨观与微观尺度，区分自己的解读与实际看到的现象，这些都是从前我们做学生时代的基本技能（或者称为”sense”），原来是需要特别学习的。（本节由bricoleur撰写）

教师与助教出现分歧的时刻

第三步骤是论文的关键：链接材料与问题意识。关于指令C（厘清推论的因果关系）和指令D（精炼问题意识），我和助教有歧见。投视频修改了几次。我表示：AI生成的推论总是有概念过剩的问题。「AI辅助出来的东西，抽象概念和实际数据对比，一般民族志是20:80，AI则是60:40，甚至70:30。」令人看了非常疲累。于是助教很快地修改了第二版。

投视频制作：苏颖欣

我看了还是觉得不妥，跟助教说：

我觉得现在的问题是：要让同学们贴近人。尽量站在受访者角度去思考事情。而不是生产出漂亮的论述。我觉得Ａ指令可以，ＢＣ指令还是不行。宁可先调整好，再介绍给同学。

他们现在无法判断：1.什么是人类学的思考方式；2.什么是“当地人的思考方式”；3.要怎样才可能贴近当地人的思考方式；4.对在地的状况不了解。这种前提下，他们是无法靠ＡＩ赋能的。他们只能靠ＡＩ代工。因为ＡＩ可以生产出「没有时间的老师一眼看去会觉得合格的文字」。因此，Ａ可（关于丢数据给ＡＩ的疑虑）。但是ＢＣ需要斟酌。

（照目前投视频这样）演示下去，原本他们自己的话，也变成不是人话了。反而造成反效果。因为同学们很可能会因为要交作业（数据分析备忘），就把材料丢进AI来做coding那就太危险了。

文化田野比较珍贵的是「人与人的相遇」，然后在这个前提下练习做分析。才11天，不可能做理论突破。能忠于材料，讲个好故事，就已经很好了。能打动人的，不是论述。而是情感（和用心）。这在文字中是看得出来的。太快用ＡＩ代劳，其实是失去了感受的能力。

许多学生很少有机会接触和自己生活经验差异很大的世界。 难得有突破同温层的机会，先好好利用这样的机会。

经过讨论，助教修改了投视频。第三周仅谈伦理问题与技术层面的整理时序与区分主客观问题。「从代工到赋能」中「赋能」的核心，也就是将访谈材料与问题意识相连，是到第四周才介绍。

助教删除原来的 Prompt D，把重点从「精炼问题意识」改成「链接材料与问题意识」。

投视频制作：苏颖欣

在这周，助教加入反面例子，让同学看见 AI如何把零碎材料快速推成表面漂亮，实则空泛的论述

投视频制作：苏颖欣

原来的Prompt D（用AI协助精准问题化意识）就拿掉了。

对我而言：这个分歧其实满重要的。它其实显示出不同人对AI使用的看法不同。对我来说，「出于你内心的关怀」是重要的，因此我需要听到学生「说人话」。但对于学生来说，「希望自己的报告有贡献」或者是「害怕报告被认为不够学术」，构成了他们的焦虑。

任何田野工作者都知道，田野工作就像是拼图。每天都得到一些消息，但是这些散乱的消息如何慢慢地拼凑出对田野的认识？焦虑是必经的过程。今天这个人跟我说的话有什么意义？他在什么脉络下跟我这样说？他跟我的关系、他跟我寄宿家庭的关系、他如何认识我……。而更常出现的是：他已经讲出了全部答案，但我对田野认识不够，听不懂。这个过程是不可能不焦虑的。不只是外来研究者，即使是研究自身文化的研究者，也会充满焦虑。而我最不安的就是：AI无法容许焦虑、迟疑、不下判断。AI缩减了「做个会迟疑的聆听者」（林开世2019）的时间和空间。AI「客随主便」，大幅减缓了用户的心理焦虑，让他们成为不再迟疑的聆听者。

我想起朋友从前喜欢说的：「做人如果没有梦想，和咸鱼有什么分别？」

同样地，不会迟疑的田野工作者，和做速效采访的记者有什么分别？

第五周，AI教学活动的最后一个环节，是重申AI使用规范。助教做了简短的投视频。

投视频制作：苏颖欣

这个问题，其实就是呼应第一周助教所公布的AI使用光谱（下详）。

接着，助教提醒同学们：研究牵涉不同性质的劳动类型。有的可以让AI代劳（如誊录逐字稿、校正书目、改错字），而有的不行。

投视频制作：苏颖欣

最后，助教再度提醒：有些任务是不可取代的。

投视频制作：苏颖欣

这等于是回答了上周的Prompt D的问题。助教指出使用AI的盲区。（本节由bricoleur撰写）

助教读完本文初稿（包括最后一节关于学生的焦虑）之后，写了她的回应。

助教苏颖欣：从评分困境到使用光谱

将 AI浪潮比作新一轮工业革命，或许并不夸张。它像一阵突如其来的潮汐，改写了劳动、创作与知识生产的节奏。有人已经试着把脚伸进水里，摸索它的流向，从中尝到效率、灵感与新的可能；也有许多人在浪声中感到不安，害怕自己熟悉的技艺被稀释、取代，甚至被重新标价。而在人文学科里，这样的不安似乎尤其浓厚。

我参加过不少 AI教学与人文学科相关的工作坊，却常常发现，讨论的重点很少是如何更好地学习 AI、使用 AI辅助研究，更多时候，我们谈的是如何防堵、如何侦测、如何避免学生用 AI逃避阅读与写作。当我们谈及 AI，人类学总是先焦虑起来，仿佛它即将夺走某种珍贵的人类学书写特质。

这种学门的焦虑也自然蔓延到课堂里。在我的修课经验中，许多教师面对 AI时，倾向以焦虑、惩罚与防堵作为回应。我对这样的教学氛围一直感到困惑。高等教育理应站在知识与技术变动的前缘，当新的工具出现时，我们或许更应该思考如何理解它、规范它，而不是只把它视为威胁。

后来，我有机会担任不同课程的助教。当我坐到教室的另一边，开始以助教身分批改作业之后，我的想法慢慢出现了变化。

有些学生的作业非常流畅，段落之间衔接得无可挑剔，句子干净，结构完整，几乎没有明显的破绽。可是读着读着，我却觉得自己像隔着一层透明玻璃在看那些文字。里面没有阅读留下的痕迹，也没有和田野、文本或问题相遇之后留下的思考。作为 AI重度用户，我几乎立刻能辨认出那种华丽而平滑的语气。那不是学生一字一句摸索出来的心得与反思，而是 AI替他们整理好的一份漂亮答案。

在没有规范可以依据的情况下，我只能按照作业的完整度与流畅度评分。那些通顺、完整、洋洋洒洒几千字的作业，往往会得到比较高的分数。

后来，有一位同学来问我分数的差异。他说自己很认真阅读，也花了时间写作，却不明白为什么分数比不上某些使用 AI的同学。甚至，使用AI的同学还沾沾自喜地分享自己如何在短时间内完成作业，最后仍然拿到高分。当下我觉得很难启齿，我看着评分表，一时间不知道该怎么解释。总不能告诉他，有些东西我看得见，我怀疑有些同学大量使用 AI，却没有任何规范可以作为判断依据。更不能告诉他，在没有明确规定的情况下，那些华丽篇幅的文字，最后还是比较容易得到高分。最后我只能含糊地解释评分项目，说明报告的优缺点。他点点头，把作业收回去，礼貌地说了声谢谢。然后离开。

我一直记得他离开教室的背影。

那天晚上回家的路上，我第一次很认真地想：如果我无法区分不同形式的 AI使用，如果我无法向学生说清楚什么样的协作可以被接受，什么样的协作已经取代了学习本身，那么我到底是在评量学生的理解，还是在评量谁比较擅长生产一份漂亮的答案？

那天我觉得，自己对所有同学都有一点说不清楚的亏欠。

也是从那个时候开始，我意识到问题或许不只是学生有没有使用 AI，而是我们始终缺乏一套描述不同人机协作方式的语言。查找概念、整理逐字稿、修改文句、讨论研究问题，以及直接由 AI代写整份作业，看起来都叫做「使用 AI」，但它们其实涉及完全不同程度的人类参与。如果我们无法区分这些差异，评分就只能停留在模糊的直觉判断。

刚好在 114-1学期，我修读「公共人类学」课程，便把这些助教经验整理成一份以 AI教学争议为主题的工作坊构想。当时我同时身为学生与多门课的助教，不太满足于「抓作弊」或「全面禁止」的处理方式。我更想问的是：如果 AI已经进入教学现场，我们能不能把隐蔽的使用行为公开化，让师生有一套可以讨论、揭露与负责的共同语言？

因此，我开始尝试用光谱而非二分法理解 AI 使用。我不再只问「有没有使用 AI」，而是追问人在知识生产过程中究竟扮演什么角色：是掌握方向的驾驶员，还是把思考完全交出去的乘客？后来课堂中的 AI使用光谱、揭露机制与工作坊设计，都是在这样的问题意识下逐渐发展出来的。（本节由苏颖欣撰写）

AI使用光谱（制表：苏颖欣）

bricoleur补充：颖欣所制作的这张使用光谱，也曾在人类学系举办的助教工作坊中展示，获得普遍好评，有助教也引介到其他课程使用。

同学们对AI导入课程的反应

学期结束。同学们对于助教的AI做为学习辅助的教学，给予一致好评。23位修课同学中，有22人填写问卷。超过八成同学有使用AI（但只有不到五成同学主动揭露）。76%同学请AI协助誊写录音逐字稿与摘要，61%请AI建议文献搜索与文献整理，52%请AI进行文字润饰。九成同学认为助教介绍的AI使用工具（辅助整理逐字稿、整理访谈数据、写作纠错）非常有帮助或「有帮助」。63%同学使用AI时会检查AI产生的幻觉、错误与过度推论。86.4%认为本课程的AI使用规范清楚且容易运行。也有同学非常赞赏助教所制作的AI声明产生器，并运用于其他课堂的AI使用揭露。

在回馈与建议中，有位同学写：

真的很感谢助教在一年来教导我们如何使用AI，虽然没有用到，但我会拿来用在其他课堂的学习上，是一件很有效率、很有架构的学习辅助方式。也让我有更多时间可以分配到这堂课上，好好地用心撰写民族志内容。

从问卷看来，AI导入田野教学，就「谨慎、聪明」地使用AI协助学习而言，应该算有达到目的。不谙AI使用的我，请熟悉AI指令的助教负责教同学们「聪明地使用AI」，纠出同学们以AI代工造成的弊端，让我可以专注田野实习教学，也在过程中学习「原来AI可以这样用」（比如逐字稿整理）。有好几篇田野报告的用心、诚恳、创意，令我相当惊艳。（云林友人建议可以直接投稿《云林文献》，或者到云林学的研讨会发表。对于大学生来说，这是很大的鼓励。）（本节由bricoleur撰写）

不过，期末问卷能呈现的有限。它还无法完全说明学生如何实际使用 AI，以及助教在阅读作业与田野材料时的想法。以下，由修过这门全学年课程，并担任两年助教的卢佳秀同学补充她对这门课学生使用AI的观察。

助教佳秀的观察

我认为，依照对课程的兴趣与个人使用AI的能力，其使用AI后的效果主要分成以下几类：

大学部方法论必修课程中，同学的AI使用分类（制表：卢佳秀）

前面已经提到：AI使用能力强，学习高度投入的学生，会在班上带来「近朱者赤」的效果，带动周边学生与师长共学。但是，学生若基本使用能力已经相对弱，又缺少强者同学的讨论引导，很容易产出似是而非的文章观念。由于缺乏对理论材料的敏锐与推导能力，教师收到该类学生产出的作业，多半会对其中宏大空泛的论述感到困惑不解，却又无法确认学生学习状况，只好点出并退给学生补充细节。没兴趣又只产出、不负文责的学生，教师通常只能透过成绩评分给予相应反馈，无力调整协助。

还有一类是有能力却对这门课没兴趣的学生，使用AI代笔到炉火纯青的程度，教师几乎挑不出破绽，反而需讨论：若一份驾驭得宜的AI代笔能得高分，会不会其实该调整的是评分标准？

文化田野作为系上大三必修课，部分学生对此课程兴致缺缺，或是碍于自身时间规划，能安排专注于此门课的时间相对少。老师曾问过我和郭天祐（和我一样是112学年度修课同学，113学年度的助教），作为相对愿意投入的人，在112学年下学期，平均每周耗费在书写的时数，约8-12小时；对兴致缺缺的同学而言，负担一样重，动机却没那么强，AI自然成为「最小心力、最大效益」的捷径。

前述曾提到下学期后半，各组必须与老师助教至少约一次会谈书写进度；其余时间，书写过程若遇到任何困难都能与助教约时间讨论。前者是每组都得进行的流程，但要不要额外再约，各组态度不一。这两年有使用这个「服务」的组别，会在与我们（助教们）讨论前，寄送目前书写进度的文档档，让我们事先阅读，状况大致分成几种：有些组别的状况是想写的材料太杂，需要修剪方能更聚焦；有些组别是笔力稍显不足，需要补充更多细节描述，以丰富民族志画面；有些组别的文章则重复出现AI惯用句式，让助教看了十分心累，只能不断提醒哪里还需要补充推导过程、哪里需要增加民族志细节。

老实说，助教作为学生也会咨询AI工具，因此对于AI工具会产出什么类型的文字段落，早已司空见惯。113学年没有制定课堂使用规则，对于疑似使用的组别只能睁一只眼闭一只眼，尽可能地请学生多加修改。114学年，除了制定相应规范，另一位助教（苏颖欣）也很尽心在引导学生如何聪明地使用AI。然而，看到学生使用而不主动揭露，作为教学辅助者会感到有些挫折，会思考是否因为课堂气氛不够包容友善，让学生认为只要揭露就会被判无期徒刑，影响成绩？抑或是该安慰自己，是学生无力分配更多心力给此门课，因而有这样的产出？

身为多门人类系课程助教，我很乐见系上对此的讨论趋于开放，当一个工具有更多人加入使用，才能发挥其最大效用；我也深知人会相对选择不耗能的选项，能够理解以AI工具快速产出、交出「相对能看」作业的心态。而揭露之所以让人羞耻，是因为它被当成承认自己能力不足的「证据」。但倘若评分看的是推导与思考过程，而不是成品的完美程度，或许揭露使用AI就不再是自曝其短，而是展示使用与修正的过程。

也因此，处在AI工具使用从无到有过渡阶段，若能由系上或师长有效引导学生先创建基本论述与判断能力，辅以非必修的AI工作坊及助教咨询共学，彼此学习，AI对学生才会从「替身」变成「插件」；当评分与课堂气氛不再把揭露当扣分项，学生大概也才比较有底气，大方说出自己是怎么用的吧。（本节由卢佳秀撰写）

助教颖欣的想法：从Prompt到「负责任地使用AI」

如果说公共人类学课让我开始思考 AI与教学的关系，那么文化田野课则迫使我进一步思考 AI与质性研究的关系。幸运的是，文化田野这门课并没有把 AI视为必须被排除在教室外的对象，而是把它放进课堂中讨论、修正与实验。也正因如此，那些原本停留在工作坊与助教经验中的想法，才有机会进入田野教学，接受实际检验。

然而，虽然我很常使用 AI，也比较熟悉如何下指令，但我其实同样不知道，AI在田野研究中究竟可以介入到什么程度。逐字稿整理可以吗？摘要可以吗？协助学生从大量田野笔记中厘清时间顺序与历史脉络可以吗？如果进一步请 AI协助整理材料，又会不会太快越过研究者自己必须经历的困惑与判断？

寒假田野前，这个问题已经先以「幻觉」的形式出现。由于云林地方文献在网络上相对稀缺，有些学生前期准备时完全依赖 AI发想题目，甚至出现「云林原住民青年返乡」这类与地方人口现实不符的内容。老师与助教因此在课堂上严厉提醒同学，AI给出的信息必须 fact-check，不能把生成内容直接当成地方知识。

可是进入田野现场后，我又发现单纯的警告会产生反作用力。部分学生开始把 AI视为洪水猛兽，担心只要使用就会被扣分，于是宁可硬撑，也不敢使用 AI协助较低风险、也较正当的数据处理工作，例如整理逐字稿、创建录音档目录或初步归纳访谈内容。

这个问题在十一天的密集田野中特别明显。大量数据以极快的速度累积，几乎没有足够时间逐字整理每一份访谈内容。然而，密集田野研究的一个关键特征是：下一次访谈往往创建在前一次访谈的发现之上。如果前一天搜集到的数据来不及整理，研究者便难以发现其中的重要线索，也无法及时调整后续提问方向。有些看似不起眼的细节，例如报导人无意间提到的人名、地点、地方传说，或某段反复出现的叙事，都可能成为后续追问的重要入口。

也因此，田野期间我不得不进行更具体的介入。与其抽象地告诉同学「不要乱用 AI」，我开始分享自己常用的 Prompt，示范如何让 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、不得删字、不得换句话说，只能加标点、分段、合理换行，并在听不清楚或疑似缺字处标记疑点。这样的工作流让 AI先提供一份可读的初稿，但真正关键的步骤仍然是研究者边听边修。修正逐字稿时，学生会重新经历一次访谈现场，注意受访者的停顿、笑声、叹气、重叠对话，以及那些无法被AI转录捕捉的语气与情绪。

而在文化田野课一整个学期的 AI导入过程中，我自己的想法其实也在不断改变。起初，我只是分享自己常用的 Prompt；但后来慢慢发现，比起单纯分享 Prompt，我更希望能为同学创建一套负责任使用 AI的观点。对我而言，重要的从来不是使用哪一个 Prompt，而是在使用过程中，我们是否仍然是那个掌握方向的人。AI可以协助整理数据、校对文字、提供不同的观察角度，但不应该取代研究者自己做判断。

也因此，到了学期后期，我逐渐不再满足于分享个别Prompt，而开始尝试与学生讨论如何创建属于自己的AI工作流程（在 AI社区的语言里，这或许可以被理解成一套可重复运作的 flow或 skill)。不同研究者有不同的写作习惯与工具选择，但我更希望提供的是一种思考架构：如何利用 AI更有效率地掌握文献、整理田野材料，并透过第三方视角重新查看自己的文字与论证，而不是把思考本身外包出去。（本节由苏颖欣撰写）

后记：速度的追求，和象征「真实」的小木马

我（授课教师）始终记得芝加哥大学毕业的资深前辈说：田野是没办法教的，要透过经验学习。在芝加哥，是透过田野工作坊来交流（i.e.交流田野中的人故事与鬼故事）。但我也承认：这适用于研究生。当轮值到教大学部必修课的时候，就算我相信「田野是不能教的」，还是要「教」田野。

说到底，大学部田野实习的节奏原本就相当快速。一学年的课程，对于很多有教「田野实习」的学系来说已经算是很奢侈了－－更多田野课程只有一学期。在这一年中，尽管已经花了一个学期写研究计划，阅读文献，认识地方，但学生仍必须在压缩的时间内（寒假的两周）被要求进入教师选定的田野地点，访谈陌生人、每晚都要缴田野笔记和报告进度，春季还得仔细整理笔记、消化理论，写出一篇像样的民族志论文。AI 只是让这个问题更加突显：我们本来就在用一门大学必修课，勉强教一种不能被快速教会的东西。

我毕竟属于年长世代，尽管平常也会请GPT润饰英文和文法纠错（因此我的英文信件应该是虚假得不忍卒睹），但对AI使用还是有些成见。作为会用AI润饰英文，但对于AI产制的中文相当严格的教师，我也谈谈自己的一些观察。

近日读到专长政治哲学的脸友文章：在图书馆，目睹同学对「亲手产制报告」此事惊骇莫名。同学仿佛见到了山顶洞人：「这人是不会使用AI吗？」

听到这个故事，我想起电影《银翼杀手2049》里的小木马。原来在这个时代，亲手制作投视频或写报告，就像「真实」的木马那样罕见。^[6]

Ｋ知道自己是一个人造人，他认命地接受这一切，并按照游戏规则的方式去活着。一天，Ｋ上司问他，你有儿时记忆吗？Ｋ说有，但他知道那是被植入的假记忆，不是真的。那是爸爸给儿时的Ｋ一个小木马，其他孩子想要强行抢夺时，他成功让木马脱逃了（i.e.把木马藏起来）。但Ｋ从来没想过的是，重游旧地，记忆中的木马真的就在那里。突然之间，Ｋ意识到，自己的童年可能是真的。(出处：雀雀看电影)

关于小木马的童年记忆K早就有了，但因为他认为这段记忆是被植入的，并不属于他，甚至可说根本与他无关。然而，当他以为这真的是他自己的记忆，这段记忆的「存有」与K的「存在」之间的关系，忽然从毫无关联变成了有所链接和意义。(出处)

「这不是仿制品，是亲手雕刻的。」旧物店老板端详着这只木马：这是非常珍稀的东西了，愿意用一匹真马或真羊，来跟你交换。真马？也是基因拷贝出来的马，但是一匹活生生的马。

图片出处

现在让我们把木马取代为「自己写的文字」。

同学们会大量仰赖AI交报告，尤其在面对陌生文类的时候（比如「民族志」）。但，如果学术生产的就是陌生异化的语言，学生要如何判别什么语言是人生产出来的，什么语言是大型语言生成模型造出来的？（这句话本来就是个悖论，仿佛人所说的语言可以逃逸于语言生成模型之外？）更精确些：李维史陀早就告诉我们，语言中个别字词的意义是靠着和其他字词的关系来决定。这正是用以训练语言生成模型的神经网络。

ChatGPT使用的神经网络是一种生成型预训练变形模型（Generative Pre-trained Transformer, GPT）。变形模块（transformer model）结构中有许多自主注意机制（self-attention mechanisms），自主注意机制的功能可让神经网络在预测回答问题前，先找出输入问题的特征重点，当找出问题的重点后，将不同位置的上下文特征关联起来，经过调整后在输出端使用解码器进行生成答案文本；而整个GPT又有多层的变形模块，相当于经过层层把关，才能获得更正确的回答。（陈扬文2023: 104）

对于一个大学三年级就要做短期田野实习并且书写「民族志报告」的学生，他对于什么是访谈，要如何进行访谈，什么是研究的问题意识，什么是民族志都还没有概念的时候，最快的方式，就是问AI。AI可以保证他写出不会被老师责罚的，「符合格式，有模有样」，或者也可以说是十分异化的文字。

2022年 11月一家位于美国旧金山名叫 OpenAI的公司，在互联网上发表自然语言聊天机器人 ChatGPT（https://chat.openai.com/），任何人在网络上注册后，可以免费使用问答服务，提问 ChatGPT获得回复，例如以下的对话……

问：你认识我吗？

答：作为一个语言模型，我并没有真正的认知能力，所以我不会真正地认识人。当你提到你的名字时，我只是将它作为一个字符串看待，并没有与任何人或个体相关联。我的目的是根据你的提问来提供帮助和回答，而不是与你创建个人联系。（陈扬文2023: 104）

我必须加个但书：学生的AI使用有M型化趋势，这也与大学之中学生能力的M型化趋势有关。对人类学有向往和好奇的同学，「民族志写作」不会是问题。但对于这门必修课没兴趣的同学，民族志写作就像是外星语言一样。学习外星语言最快最有保障的方式，就是问AI。

面对不熟悉的人，不熟悉的地点，即使是自己决定的题目但不知道相关文献也不知道去哪里找文献因此也不知道要如何在当地落实运行，要应付每一份为了撰写「研究计划」的作业，从问题意识到理论文献回顾到区域文献回顾到研究方法，要拟访纲，要拟出得体的问题，要仔细整理数据，写出能交的报告，那么究竟除了AI之外还有谁有更好的建议？（课程进度力图避免上述问题发生。但是还是会出现这些情形：缺席太多、上课没在听、没有留时间写作业，应该三天做完的作业压缩到一小时）。当然，AI就是你最忠实的朋友。

我也不太能怪他们。因为我也会请AI帮我纠正英文书信的文法错误，结果就是我常常写出形式有余温度不足且毫无必要地冗长的信件－－给我不那么认识的人。但在联系公事时（特别是跟不熟的人或单位），我在意的是消息传达不出错，不会冒犯对方，用字遣词正确不致踩雷。我想，收到这些信的人，大概觉得我是卡夫卡小说中的公务员，令人望而生厌。^[7]

也就是说，在不那么熟悉的语境中，AI就成为最好的代笔人。既然我写英文书信是这样，那么大三同学写必修课的专题报告，可能更是这样。

我原本想：无心学习的话，就是没有心。因此AI成为你的心。但是，会不会有这样一种情形：同学想要有心，但又怕被责怪，因此就选择讲起「最不会被责怪」的语言，也就是AI会讲的语言？这种语言的特性之一是概念与概念之间的链接过于快速。过快下定论、过快给出定位、过快解决问题（就可以把它放到一边）。但是真正重要的问题并不是可以快速解决的。它会长久盘据心头。甚至，很多时候，重要的问题并不轻易浮现。而研究最难的常常不是在解决问题，是在问对问题，是看到隐藏在暗处，真正重要的问题。

回到电影的譬喻。关于「真实」。

如果，在孤儿院里抢夺的小木马，并不是戴克自己亲手刻出来的，而是大断电时代之前泰瑞（Tyrell）企业量产出来的，大断电之后就停产了。孤儿院里的孩子们从来没有接触过「真实」的东西，那么，他们要如何分辨小木马是戴克亲手雕刻，还是Tyrell量产？那几乎是不可能的。

这让我想起《生之奥义》里所说的：生态危机在于感受力的危机。

感受力危机的第一个，可能也是最怵目惊心的症状，表现在Robert Pyle提出「自然经验的绝灭」：我们日常生活所经历、体验的那些与生物的关系，已日趋消亡。近来有项研究就揭露了，四到十岁的北美儿童眨眼之间就能以专家之姿认出超过一千种品牌标志，却没办法辨别所居住地区的十种植物叶片。区辨人以外生物之型态与生存方式的能力，大幅移转到人造物上，而这又因为我们对与我们同居地球的生命极度缺乏感知而变本加厉。（Morizot 2021[2020]《生之奥义》页16）

我喜欢用一个譬喻，来自一个被认为政治不正确的作家：「康有为的字是有钉痕的」。这句话有它的第二代白话版：「什么只是聪明美丽，什么才是真正的文学」（认出这两段话的人，可以认证为文艺青年，找我领取奖章一枚）。它的第三代版本是：「你怎么知道小木马是戴克亲手刻出来的呢？」

我想，这一代教师（很可能是最后一个前AI世代？）的责任，大概是要让学生学习「真实感受力」。

即使后来知道那记忆终究不是他的，但K一路上的心情和经验都是真实的。他曾经在孤儿院被遗忘的角落找到藏起的小木马，那么难以置信、前所未有的希望油然而生。他曾经手握木马，想像这一小块木头曾是棵充满生命力的大树，而母亲就站在那树下抱着婴孩微笑。他曾经抚摸木马身上的刻痕，感觉到父亲厚实的手、一刀一凿雕刻出对孩子的爱与祝福。这一切都让K生平第一次地，在这拥挤而荒无的世界里，感受到与自然、与父母的紧密链接。(出处)

令人感到悲哀的是，「真实感受力」和科层机构是相悖的。

也令人深思的是，《银翼杀手》电影中，那些比人还具有人性的人，那些渴望着，也尽情「真实感受」活着的人，那在临死前讲出著名的雨中独白的Roy，那身受重伤只为让戴克和女儿相遇的K，都是拷贝人。（本节由bricoleur撰写）

《银翼杀手2049》剧照（图片出处）

*本文第一作者bricoleur为台大人类学系助理教授；第二作者苏颖欣、第三作者卢佳秀，均为台大人类学系硕士生。