「你必須不斷奔跑，才能留在原地。」
這篇不是重視結構的文，而是在復現和記錄我自己的思考過程，所以讀起來可能會有點奇怪，比如語氣太平、沒有情緒起伏，也沒有啟動強迫症般隨時都想修潤的機制。
這是因為本篇書寫的語氣，很接近我在溝通我的 AI 時的語氣，所以會像是持續在「低語」，也有點像另一個 AI 在說話。
這也表示，我之後可能會不斷回來修訂這一篇。
紅皇后仍持續在鏡中世界裡奔跑
1.起因：我問 Gemini 一件事，它拋出另一個我困惑已久的問題
我原想讓 Gemini 查找我小說中要用到的概念，AI 意外推了「紅皇后理論」給我：「你必須不斷奔跑，才能留在原地。」
這引起我長期以來的一個疑惑，因為過去我曾 Google 過這段文字，想確認《愛麗絲夢遊仙境》的故事裡，哪一段出現過這句話？
最後我的查詢斷鏈了，只得到結論：「紅皇后確實說過這句話」、「紅皇后確實出自愛麗絲的故事」、「這句話後來變成演化生物學的一種假說」。
但我仍無法將這段話和任何故事中的情節聯繫起來。
2.得知真相後的反思：此紅皇后非彼紅皇后
事實上，若真的讀過路易斯·卡羅（Lewis Carroll）完整的「愛麗絲」系列故事的話，會知道這是兩本不同的小說：《愛麗絲夢遊仙境》（Alice's Adventures in Wonderland）與續集《愛麗絲鏡中奇遇》（Through the Looking-Glass），「紅皇后」的角色出自後者，而不是大眾最熟悉、被迪士尼改編成動畫和電影的《愛麗絲夢遊仙境》，也不是那個大喊「砍頭」的「紅心皇后」。
3.試圖驗證：走傳統搜尋，發現網路上其實有資料
書名明明不一樣，但為何我當時沒有找到正確出處？
我試著復現我當時的錯誤，於是我再次打開 Google 搜尋，嘗試用傳統 SEO 的方式找出正確資料。
我發現維基百科的「紅皇后假說」確實標註了正確出處，也就是《愛麗絲鏡中奇遇》。
那為何我當時查詢後只留下「愛麗絲」的模糊印象，或直接將最關鍵的幾個字誤讀成《愛麗絲夢遊仙境》？
到此，我停下來和 Gemini 確認，造成這種現象的心理機制是什麼？
4.再問 Gemini：為何我當時會誤讀？
Gemini 的回覆令我震驚：因為我們腦袋連接的外部資料庫（大眾文化、迪士尼電影、網路迷因）是被「擬像（Simulacra）」污染的。
當主流迪士尼動畫《愛麗絲夢遊仙境》和電影《魔鏡夢遊》（Alice in Wonderland）中，都將「紅皇后」的特質結合到「紅心皇后」這個角色身上，沒有真正讀過、聽聞過續作故事的人，其實難以正確區別兩者，反而因為名稱相近，更容易混為一談。
5.意識到資料污染：這讓我想到了「AI 幻覺」和演算法
這個現象與「AI 幻覺」的產生，似乎隱隱能連結在一起，或者說，二者有相同的發生原因：資料污染。
現代人每天被大量資訊環繞，如果沒有「選擇性注意（Selective Attention）」的機制，人腦會迷失在資訊之海，並且反而因為資訊過多，難以調取正確的資訊來運用。
但因為人腦有選擇性注意力，我們會挑選我們需要的、喜歡的、在意的資訊，演算法更是抓著人腦的這個特性強化，將迪士尼改編過的故事版本優先推送到你面前，形成人類的「幻覺」。
6.再度反思：曾經的我，卡在哪裡？
那為什麼我的腦中會留下正確版本的「紅皇后名言」？可能因為它是著名的理論，但我不確定是哪一部作品或文章將它的概念推送到我面前，在我腦中留下印象。
這種「不是真的學過，只是聽過、有碎片殘留」的印象，讓我可以依靠直覺和關聯性進行資料查找，這一段過程的運作機制是：
- 如果我完全沒讀過，我根本不會聯想到「紅皇后」。
- 因為這些殘留的碎片，讓我能在茫茫資訊海中，精準地知道「我要去查什麼」。
但接下來，我的查詢鏈還是中斷了。究其原因，除了選擇性注意力作祟，也有演算法層面的問題：
如果我輸入「紅皇后」、「你必須不斷奔跑，才能留在原地」、「出處」等關鍵字，搜尋到的結果是大量的商業期刊內容、維基百科的「紅皇后假說」條目，而不是那本正確的書──《愛麗絲鏡中奇遇》的故事介紹。
所以我的腦沒有正確「學會」並記住這件事，只記住了這句話。它的論述精準打中了我，但它的來源依然令我困惑。
若要我形容我介意的點是什麼，我只能說，我沒有足夠的心理學知識，不會自己說出「這是擬像污染」的精確陳述，只會模糊地指出「哪裡怪怪的」。
7.我認知到：為何我現在忽然能意識到正確資訊？
那你可能會問，為什麼我現在又可以釐清這種怪異了呢？
因為聊天型的 AI ── 大型語言模型（LLM）問世了。
放在以往，我可能對人、對搜尋引擎都問不出正確的問題。資料太破碎、太模糊，問人類的話，人會沒耐心；問搜尋引擎，它抓不到我要的東西。
於是我封存了一些疑惑，即使我仍有資訊焦慮。
到了 AI 時代，一切就不一樣了。
隨便我問什麼問題，AI 都會轉譯、推演，把補齊的資料組合好生成給我，並附上來源。
我忽然得以從過去被注意力和擬像困住的認知中解脫，得以檢視大量從前未明的資訊。
然而我發現我不一定記得住這些資訊。所幸，我可以一遍一遍地問，讓 AI 不厭其煩一遍遍地回，我只需要記住關鍵字，或關鍵字對應的、碎片般的特徵。
8.意識到另一種情況：我想起AI的「RAG」知識強化機制
前面說的「紅皇后名言」是記得住特徵，卻說不出對應的關鍵字（書名、劇情），但反過來，我也有「只記得關鍵字，卻忘記其含義」的時候。
我不禁想起一個東西：AI 們透過「檢索增強生成（Retrieval-Augmented Generation，簡稱 RAG）」的流程，先上網查資料，然後再回答我的問題，能大幅減少 AI 資訊過時，以及因資料不足而硬擠出「憑空捏造」的內容（這也是 AI 幻覺的主要成因）。
RAG 的機制聽起來像不像「我在 Google 輸入關鍵字、然後再寫進我的文章裡」？
9.問題來了：AI 怎麼降低查詢錯誤率？先查被安排好的「權威資料」
但 AI 的資料也是上網查的，它們如何確保不出錯？答案是：AI 會優先檢索開發團隊指定的「權威資料（Authority Data）」。
權威資料又是什麼？最簡單的理解就是「由專家顧問及學者們維護的，各領域準確性最高的知識庫」，比如政府公開資訊（ex. 全國法規資料庫、各部會發布的年度白皮書）、智庫與研究機構（ex. 學術期刊《Science》、國際醫學期刊《The Lancet》）……等等，這些資料不以 SEO 排名為主，在 RAG 機制的運作下，它就是最準確的答案。
這些資料的來源也是人類研究者，透過嚴謹的寫入和編譯流程，承擔「說錯了要負法律或名譽責任」建立出的資料庫。
10.問題越來越多：權威資料由誰定義？
會不會感覺權威資料的維護，跟維基百科有點像？其實這個感覺不是全錯，雖然維基百科是誰都可以編輯的平台，上面的資料也可能會有過時和寫入者的偏誤，但維基的維護者社群也設置了檢核機制，所以能讓資料維持在「絕大多數正確」。
雖然多數不等於全部，但維基百科在 SEO 運作下累積了可觀的權重，加上「絕大多數正確」這個黑箱，導致人類查詢者泰半直接採用它的說法，相當於維基百科成為人類在 Web 2.0 時代「自然選擇下產生的權威資料」。
11.未來想像：AI 的回應本身，會不會成為權威資料？
下一個時代，權威資料會不會乾脆變成「GPT / Gemini 說的」呢？誰知道。
畢竟這是個不斷在人類和「人類產生的資訊及認知系統」之間鏡射的問題，可能永遠沒有答案，但人類會在其中進化。
或者，如我這般靠 AI 獲得認知的「義肢」，然後繼續走下去。
