●我的提問
我覺得現代的主要議題，是在討論 專注力 ，我簡稱為 專注力 時代。 那對比過去歷史，以前的時代又有什麼特色呢？有沒有類似文獻或是你能搜尋現有資料總結一套說法呢？ 或者說，現在學界很多學者，開始從 專注力 下去解析一些問題。這是網際網路興起後的趨勢。那在以往某些階段性科技變化的年代，又引導學界有甚麼樣不同的對應觀點出來呢？ 而現在AI領域的突破及發展，又開始引導學界開始什麼樣面向的研究呢？
AI示意圖。AI的構圖邏輯蠻有趣的。
●ChatGPT的回覆
■可以，但我會先把結論講清楚：
「專注力時代」是個很有力的描述，不是嚴格的學術定名。
比較接近學界現況的說法是：自網際網路、特別是社群平台與短影音普及後，很多研究確實開始把注意力、平台誘因、資訊碎片化、情緒喚起、演算法放大當成理解現代社會問題的核心入口。近年的綜述文獻直接把社群平台的目標描述為「捕捉並貨幣化人類注意力」，而且把這種注意力競爭視為理解線上行為的重要背景。
■如果把你這個問題整理成一套可用的說法，我會這樣總結：
●一、不同技術時代，學界常用的核心觀點不一樣，這不是說某個時代只研究一件事，而是說每個技術拐點，都會讓學界出現一個較主導的問題意識。
•1. 印刷與出版擴張時代：核心是識字、知識傳播、公共討論
印刷與書籍商業化擴張之後，識字人口增加、通俗語言書寫增加、書籍成為可交易商品，學術與文化關注也跟著轉向：知識如何保存、傳播、標準化，以及更大範圍的人口如何進入閱讀與公共討論。這一段你可以概括成：不是注意力，而是識字與知識擴散。
•2. 工業化時代：核心是勞動、時間紀律、工作設計
20 世紀早期到中葉，很多組織與社會科學的核心問題是：如何把人放進大規模工業系統。Annual Review 的回顧明確指出，工作設計模型本來就是為了回應工業革命所造成的職場變化而發展起來的；之後又一路從 Taylorism 走到更人本的工作設計。這一段可以概括成：不是注意力，而是勞動秩序與時間紀律。
•3. 大眾媒體/電視時代：核心是媒體效果、說服、議程設定
進入廣播與電視主導的年代，研究重點大量轉向「媒體對人有什麼效果」：態度、認知、政治、社會化、公共議題如何被媒體設定。較新的媒體效果綜述也回顧了這條脈絡，指出媒體效果理論長期都在處理「媒體如何影響個體」這件事，只是到了新媒體時代才逐漸從單向影響改寫成較互動、交易式的模型。這一段可以概括成：不是注意力，而是媒體影響與說服。
•4. 電腦化與資訊化時代：核心是組織重構、技能分化、權力再分配
到了電腦化職場，學界關注點又變了。1990 年代對 workplace computerization 的回顧顯示，電腦化不只是工具升級，還伴隨較少層級、勞動市場分化、權力關係與內外部認證機制改變。這一段可概括成：不是注意力，而是組織結構與技能政治。
•5. 網際網路與社群平台時代：核心轉向注意力、平台誘因、碎片化、極化
這才是你說的「專注力時代」最有學理支撐的地方。近年的研究不是只討論媒體有沒有影響，而是開始把平台本身設計成「注意力市場」來看：注意力稀缺、內容供給爆炸、平台用演算法搶時間，結果是集體注意力週期加速、道德/情緒性內容更容易擴散、錯假訊息與極化更容易被放大。Nature Communications 對 collective attention 的研究就指出，熱門內容的起落正在加速，原因和內容產出與消費增加、有限注意力更快被耗盡有關。
•所以如果你要一句很精簡的說法，可以是：
印刷時代重「識字與知識擴散」，工業時代重「勞動與時間紀律」，大眾媒體時代重「媒體效果與說服」，網際網路時代重「注意力、平台誘因與資訊碎片化」。
●二、為什麼現在很多學者會從「專注力」解析問題
因為在平台時代，很多社會現象其實都可以回到同一個機制： 人類注意力是稀缺資源，平台靠捕捉注意力變現 高情緒、高道德喚起、高衝突內容更容易贏 所以資訊環境會系統性偏向碎片化、刺激化、對立化
這也是為什麼現在很多議題——從拖延、焦慮、短影音依賴，到政治極化、道德憤怒、演算法透明度——看起來彼此不同，底層卻常被放在同一個研究框架裡。Annual Review 的〈Social Media and Morality〉就很典型：它不是只問社群媒體「影響了什麼」，而是直接把注意力經濟、道德情緒、身分認同、平台誘因放進同一個模型。
●三、那 AI 突破之後，學界又開始往哪裡轉？
如果說網際網路把學界重心推向「注意力」，那近兩年 AI 進一步把焦點往下面幾個方向拉：
•1. 從「注意力」再往前走到判斷、信任、責任。AI 不只是跟你搶時間，它開始介入摘要、建議、生成、判斷輔助。
所以學界現在討論的已不只是「你看了什麼」，而是： 你把多少認知工作外包給 AI 什麼情況下人會過度依賴 AI 最後誰負責 Stanford 2025 AI Index 直接把 Responsible AI、Policy and Governance、Public Opinion 獨立成章，反映研究與政策焦點已從技術能力擴展到治理、社會信任與制度安排。
•2. Human-AI collaboration / Human-AI teaming這是現在非常主流的一條線。
美國 National Academies 在 2022 就出過《Human-AI Teaming: State-of-the-Art and Research Needs》，本身就是在把研究議題從「AI 會不會取代人」轉成「人和 AI 怎麼協作、分工、建立共同情境、信任與監督」。
•3. AI literacy / skills / reskilling
AI 不只是一個工具，而是開始被當成新的通識能力與職場基本素養。OECD 2025 直接把「一般 AI 素養」列為政策問題，指出目前訓練供給可能不足以滿足日益增加的 AI literacy 需求。這意味著學界與政策圈都在把研究重心往： 哪些技能會被替代 哪些技能要補強 一般人怎麼學會與 AI 協作
•4. 治理與落地 implementation
這一點在醫療、教育、政府尤其明顯。近年的 healthcare AI 研究已不只談倫理原則，而是談如何在真實組織裡建立 AI 治理架構。npj Digital Medicine 2025 的案例研究就指出，醫療機構需要從 People、Process、Technology、Operations 四個面向建立 AI governance，因為只談高層原則不夠，真實世界需要能操作的治理流程。
●四、如果你要把整個脈絡濃縮成一套可用說法，我會建議你這樣表述：
一條技術—學界問題意識的演化線
•印刷時代：學界更關心識字、知識傳播、公共討論。
•工業時代：更關心勞動、時間紀律、工作設計、異化。
•大眾媒體時代：更關心媒體效果、說服、議程設定、公共意見。
•網際網路/社群時代：更關心注意力、平台誘因、資訊碎片化、極化。
•AI 時代：更關心判斷外包、信任、人機協作、技能重組、治理與責任。
●五、我的判斷：現在不只是「專注力時代」，而是在過渡到「判斷力時代」
如果再往前推一步，我會這樣下判斷： 2010s–early 2020s 的核心詞比較像是 attention（專注力/注意力）。 mid-2020s 之後，核心詞正在慢慢轉成 judgment（判斷）、governance（治理）、and collaboration（協作）。
因為平台時代的主要問題是「什麼搶走了你的注意力」；而 AI 時代的主要問題逐漸變成「你把多少認知、判斷、責任交給了機器」。这不是完全替代，而是問題重心在移動。
●我的感想與總結
個人是蠻喜歡從歷史的角度來思考一個議題的，因為可以看到每個時代不同的角度及切入點。
AI是我近期感興趣的領域，雖然醫療業目前受影響的狀況相對小很多。但在影音媒體部分已經收到非常大的衝擊了。
而且這樣的波及還在擴大中。想想還蠻恐怖的。在自己察覺不到的地方，有多少暗流涌動呢？
整個社會有種一側歡欣鼓舞、另一側擔憂恐懼的割裂感之中。雖然台灣的政治光譜，自己應該對這樣的現象見怪不怪了才對，哈。稍微吐槽一下。
回到主題，我認同AI的判斷，未來是判斷力時代。
我們的思考、創造力、判斷力等，將會變的更重要，因為執行輸出有很大部分的成本將會被AI大幅降低。現在已經很多一人公司的新聞了。這在過去很難想像。
人的差距，也許會被更進一步的放大。
因為具體執行想法的物件，不再需要非得是人了。
意識到這點，就會覺得似乎不去理解一下AI不行。起碼得瞭解它的邊界在哪裡。畢竟AI誕生後，不可能走回頭路了。
最近讀到一篇文章，提到如果連修復基本程式碼BUG的工作都被AI取代，新的工程師將無法獲得足夠的訓練成為高階工程師。那當我們這一代離開，未來AI出了問題，會不會連個能修復程式的人都找不到？
行吧～這也不是自己該操心的問題。離自己專業太遠，幫不上忙。
只是有時候會為女兒擔心。
我不為自己的判斷力擔心，因為我受過足夠的教育與訓練。
但我女兒能嗎？
在這樣可預見的未來中，如何教育子女不被AI綁架走思考力及判斷力，我想已經是個必須提上日程思考的議題了。
Ps.發問時應該要打"注意力"，卻打錯成"專注力"。在此勘誤。
