數位閱讀的技法（01）正確使用AI工具的邏輯

2025-02-03

內容目錄

前言：

我過去寫過一系列關於如何閱讀的方法，我把它命名為「閱讀的技法」，整理如下，有興趣的朋友可以點擊閱讀。

而接下來的系列文章則是我這兩三年開始從過去紙本書的閱讀習慣，逐漸過渡到電子書的閱讀方式，同時從去年開始AI工具爆發到現在，我做了哪些嘗試。

現在AI工具越來越發達，開始有許多人會嘗試把書本(電子檔)直接扔進AI工具，請用 AI 直接生成的「重點整理」或「心智圖」給自己。這樣做似乎可以幫助人們快速掌握書中的概念和輪廓，但它也可能帶來一種「看起來好像很懂，但實際上並沒有真正內化」的假象。

我覺得主要原因就在於，學習本身是需要主動思考、整理與建構過程，而不是單向接收別人整理好的結果。這就好比過去沒有AI工具時，你書完全沒看，卻直接去閱讀別人所做的書摘眉批要或心智圖一樣，對你理解這本書的幫助很有限。

你可以會想問說，這是為什麼呢?

一、為什麼AI無法取代你閱讀

首先是缺乏「意義建構」過程

當我們自己動手做摘要、畫心智圖時，都會需要經過篩選資訊、重新組織概念、思考彼此的關聯等等的心智活動(過程)，這是一次寶貴的「再思考與再處理」過程。

若你只是看別人的整理，就少了自己「消化—整合—重組」的過程，理解往往停留在較淺層的層次。

失去「適合自己脈絡」的編排

每個人的知識背景、聯想方式與關注重點都不同。別人（包括 AI）所做的心智圖結構，可能不一定最貼近你的思維邏輯。

所以如果你不進行再加工，你看了這份摘要或結構圖，可能覺得「資訊不少」，但卻無法直覺地連到自己的認知框架，導致吸收不深。

降低自主探索的動力

一旦我們看到「現成的答案」或「現成的重點」時，大腦會因為已經知道結果而失去進一步鑽研或好奇心探索的動力。

有時候，帶著問題或困惑去閱讀，並自己從字裡行間尋找線索、歸納脈絡，那種過程更能引發深度的記憶與理解。

那麼我們該如何讓 AI 的摘要更具意義呢? 大方向上要能平衡「參考」與「內化」。

二、如何更有效利用AI來提升你的閱讀力

1. 先有自己的粗略理解，再看 AI 的整理

你可以先快速略讀原文或書中你有興趣的章節，並隨手做簡單的註解或疑問記錄；然後再來看 AI 的摘要或結構。透過「先有基本印象 → 再對照整理」，就能把別人(AI)的架構與自己的原始理解相互印證或補充。

2. 把 AI 當成對話對象，而不是單向輸入

與其一次把書的內容貼給 AI，請它「幫我做摘要」，不如拆成多個階段或多個疑問，跟 AI 討論一些關鍵概念或難點。(好好運用AI可以扮演各種角色和能與你對話的功能)

這樣一來，你是在互動中建構自己的理解，而不是被動地「看」一份外部資料。(從腦科學與學習理論的角度來看，這樣的方式會更有成效)

比方說：

我最近在讀《Mindmasters: The Data-Driven Science of Predicting and Changing Human Behavior》這本書時，讀到一個詞叫：心理靶向（Psychological Targeting），從書中的內容來看，我對這個詞的理解是指：利用個人的心理特徵來預測與影響其行為。

舉個它所應用範圍：
負面用途：Facebook被指控預測青少年憂鬱狀態並將數據賣給廣告商。
正面用途：利用數據監測心理健康變化，如透過GPS紀錄預測憂鬱症，並提供早期警示系統。

我對所謂的「心理特徵」到底指的有哪些並不是很清楚，因此我直接在閱讀的過程中，直接跟AI對話，請n它告訴我相關資訊，得到如下:

心理靶向（Psychological Targeting）詳細解析
心理靶向（Psychological Targeting）是近年來興起的一種數據驅動技術，其核心概念是透過分析個人的心理特徵，進一步預測並影響行為。這項技術主要依靠大數據分析、機器學習與心理學模型，能夠根據數位足跡（如社群媒體行為、瀏覽記錄、購物數據等）來推斷一個人的心理特質，然後針對這些特質提供個人化的內容、廣告，甚至決策建議。
心理靶向技術可用於多個領域，包括商業行銷、政治宣傳、心理健康管理等，但這項技術同時也引發了隱私權與道德倫理的爭議。以下我們將深入探討心理靶向的概念、運作方式、正面與負面應用範例，以及對社會的影響。
1. 心理靶向的核心概念
心理靶向技術的發展，主要源自於以下兩個領域的進步：
心理學（Personality Psychology）：
透過「五大人格特質模型（Big Five Personality Traits）」來分類個性，並分析如何影響決策行為。
數據科學與機器學習（Data Science & Machine Learning）：
透過分析大規模數據來學習行為模式，進而推測個人的心理特徵與潛在需求。
心理靶向的基本流程如下：
數據收集：透過社群媒體、搜尋記錄、消費行為、裝置使用數據等，建立數據庫。
心理分析：透過機器學習演算法，判斷個人的人格特質、情緒狀態、購買動機等心理特徵。
行為預測：根據心理特徵，預測個人在特定情境下的行為，例如：
是否會點擊某則廣告？
是否對某類型新聞特別敏感？
會不會傾向購買某種商品？
內容優化與行為影響：
針對個性化需求提供特定的廣告、新聞、推薦內容，以增加行動可能性。
2. 心理靶向的應用範圍
心理靶向技術已經廣泛應用於商業、政治與健康領域，以下分別說明其應用方式。
(1) 負面用途：數據濫用與心理操控
儘管心理靶向能夠提供個人化的體驗，但在某些情境下，這項技術已被企業與政客濫用，用來操控消費者與選民的行為，甚至可能造成心理健康上的負面影響。
案例 1：Facebook 被指控預測青少年憂鬱狀態並將數據賣給廣告商
背景：
2017 年，《澳洲》報（The Australian）揭露了一份內部報告，指出 Facebook 透過用戶的貼文與瀏覽行為，分析青少年的情緒狀態，特別是「焦慮、壓力、自信心低落」等情緒指標。
這些數據被用來販售給廣告商，使企業能夠精準投放廣告，利用青少年情緒不穩定時期來刺激購買行為。
機制：
Facebook 透過 AI 分析青少年的貼文與對話，判斷其心理狀態：
如果一個青少年頻繁使用「焦慮、難過、壓力大」等詞彙，Facebook 可能會將此人標記為「低自信」族群。
根據這些標籤，廣告商可投放減肥產品、焦慮藥物、情感類應用程式的廣告，進一步影響青少年決策。
爭議點：
這項技術並未經用戶同意，許多人甚至不知道自己的心理狀態被監測。
心理靶向的目的是增強廣告效果，而非保護青少年心理健康，因此被認為是一種道德上的剝削。
這項指控在媒體曝光後，Facebook 受到批評，並表示未來將限制此類數據的使用。
案例 2：劍橋分析（Cambridge Analytica）與選舉操控
2016 年美國總統大選，劍橋分析（Cambridge Analytica）利用 Facebook 的數據，對選民進行心理分類，並投放極具針對性的政治廣告。
例如：
對焦慮型選民，投放強調國家安全威脅的廣告，以增加他們對移民政策的恐懼。
對高開放性選民，推播環保、自由主義議題的內容，以強化他們的政治立場。
這項技術被指控影響選舉結果，甚至可能讓人們在不知不覺間受到意識形態的操控。
(2) 正面用途：心理健康監測與早期預警
儘管心理靶向技術在商業與政治領域有可能被濫用，但在心理健康與醫療監測領域，它也能夠帶來正面的影響，幫助人們提升生活品質。
案例 3：透過 GPS 數據預測憂鬱症
研究背景：
美國芝加哥大學的一項研究發現，透過智慧手機的 GPS 記錄與行為數據，可以有效預測使用者是否有憂鬱症傾向。
運作方式：
活動模式分析：
如果一個人長時間停留在家中、不參加社交活動，這可能是一個憂鬱症的警訊。
相反地，頻繁外出與社交互動較多的人，通常情緒較穩定。
睡眠與手機使用行為：
憂鬱症患者往往在深夜使用手機的時間較長，醒來的時間較晚，這些行為可以成為重要的監測指標。
應用場景：
心理健康 App 可主動提醒使用者注意自身狀況，例如當 GPS 數據顯示使用者長期沒有出門時，系統可以推播建議「試著去散步」或「與朋友聊天」。
醫療機構 可以利用這類數據來早期發現患者可能的心理問題，提供適當的干預措施。
3. 心理靶向的未來與道德挑戰
心理靶向技術既可以用來幫助人們，也可能被濫用來操控行為。未來的關鍵在於：
如何制定更嚴格的數據隱私法規，確保數據不被濫用？
如何讓心理靶向技術真正幫助用戶，而不是為了商業利益剝削脆弱群體？
如何建立透明度與用戶控制權，讓人們知道自己的心理數據如何被使用？
目前，心理靶向技術仍處於發展階段，但隨著人工智慧與大數據的進步，它將持續影響我們的行為與決策，因此如何妥善運用，將是科技倫理領域的重要課題。

3. 在摘要或結構中「自我提問」

即使你拿到 AI 給的精華重點或架構，也可以繼續追問自己，比如說：

「為什麼會分成這幾大類？有沒有別的切分方式？」
「如果這個重點放在其他章節上下文下，還有沒有意義？」
「哪個部分可以和我既有的知識或經驗產生連結？」

像這樣透過不斷提問，把AI的整理轉化成你自己的知識系統。

4. 自己再做一次重新整理或心智圖

看完 AI 的整理或心智圖後，你甚至還可以重新嘗試畫一張「屬於我自己」的圖表或做一份筆記。

這時候可以對照 AI 的結構，看看有哪些相同、有哪些不同，並思考為什麼會有差異。

小結

以上幾點，是我目前嘗試過的與AI協作提升數位閱讀成效的方法，接下來我會陸續分享這方面的技巧，有興趣的朋友可以持續留意我的分享。

2025/02/03 一更
2025/02/04 二更

探索更多來自學習長阿康的內容

訂閱即可透過電子郵件收到最新文章。

數位閱讀的技法（01）正確使用AI工具的邏輯

2025-02-03

前言：