事情是這樣的，多年來我們一直在建造這個巨大的「知識井」。最初是書籍， 一個人，一個“聲音”，寫下一些東西，然後很多人閱讀。然後，網路出現了，我們聚集在一起，創造了這個叫做維基百科的東西，這是一個全新的理念，知識的創造與傳遞不再是一對多，而是多對多。
它是一個「數位公共領域」。當然，它很混亂，人們爭論不休。但它是一個社群，而且它擁有一個非常棒的回饋循環。你讀到一些東西，發現錯誤，然後立即介入並修正。你成為了系統的一部分。你不只是讀者；你還是潛在的編輯、貢獻者，或像水電工一樣，幫忙保持水質清潔。
但現在，我們製造了新機器AI。這台機器的功能完全不同，它讀取「知識井」裡所有的東西，並將它們全部壓縮成一個清晰統一的聲音。你向它提問，它給你答案。它速度很快，也很有自信。那麼，問題出在哪裡呢？另外， 再看看圖書館，或是數位圖書館作為另一個傳統的知識庫代表。現在，展現了一條不同的道路：它將AI視為一種工具來增強使用者服務、提供個人化推薦並改善資料管理。這或許就是AI時代面臨的轉機：建構能夠增強我們集體智慧的工具，而不是消耗集體智慧並將其出售給我們的工具?[1]
首先，我們先來回顧一下知識簡史:
知識簡史：從骨頭到位元
- 早期知識：原始人圍著火堆講故事、在洞穴牆上作畫。書面知識始於人們開始繪製或雕刻表意符號，無論是在洞穴牆壁、骨頭還是泥板上。
- 印刷知識：古騰堡操作印刷機，書籍大量誕生。在英文字母表建立之前的一個世紀裡，隨著印刷機的發明，書面知識的生產發生了重大變化。1440年左右，在德國的一個小鎮，當地工匠約翰內斯·古騰堡發明了第一台快速移動、耐用的機械印刷機。
- 數位知識：人們使用網路，資訊即時流通。計算機網絡的基本和標誌性表現出現在1960年代，以互聯網的形式出現。1993年4月30 日，互聯網被釋放到公共領域。使用者所要做的就是啟動一個稱為“瀏覽器”的新程序，然後輸入一個電子地址，稱為URL（統一資源定位符）。20世紀中葉，圖書館數位自動化的出現。在近代史上，我們曾短暫而充滿希望地建構了一座數位亞歷山大，它並非由石頭鑄成，而是由協作精神鑄就，也就是維基百科誕生於2001年1月16日（UTC時間）的維基百科。它過去是，現在仍然是人類集體努力的豐碩成果。
- AI生成知識：擬人化的AI機器人微笑著”創作”內容? 當你向ChatGPT、Gemini 或Copilot提問時，你會得到一個簡潔、自信的合成答案。它快速、便捷，並且越來越成為使用者的首選。然而，AI新時代也對支撐其發展的知識庫提出了深刻的、關乎存亡的挑戰。AI模型，尤其是大型語言模型(LLM)，是基於維基百科的「龐大資料集」進行訓練的，但它們現在卻威脅著維基百科的永續性[2]。
不可逆管道: AI缺少的回饋迴路
核心威脅並非競爭，而是剝削。大型語言模型不僅僅是使用維基，實際上，它們是在消費它。專家將這個問題描述為「去中介化」(disintermediation)。過去，使用者會去找維基尋找答案，在此過程中，他們或許會發現拼字錯誤、更新事實或捐款。而現在，他們卻從AI聊天機器人那裡獲取資訊，AI扮演中間人，但關鍵在於它模糊了原始資訊來源[3]。
這破壞了維基百科生存最關鍵的機制：回饋循環。維基並非靜態的檔案庫；它是一個社群，也是一個「社會技術系統」，它依賴於源源不斷的新讀者成為新的編輯。由於LLM分流了流量和使用者參與度，專家警告稱，這正引發一場永續危機，包括：
- 編輯人數減少：招募新志工的途徑被切斷。
- 資金減少：讀者數量的下降與維持伺服器運作的捐款減少直接相關。
- 道德上的「幽靈工作」：這種模式存在著根本性的不公平。大型科技公司正在利用「維基百科人」的無償利他勞動，將其作為一種「榨取式、未經同意」的資源，以創造數十億美元的利潤。
這不是合作；這是「公共資源的枯竭」，從井裡取走卻不補充。
空空如也的AI魔盒? 從可驗證性到黑箱
「那又怎樣？」你可能會說:「也許新水井的水更好！」等等，讓我們來看看水質。
維基這個混亂的公共「水井」最棒的地方在於，你可以檢查它的管道。它建立在一個偉大的理念之上：「可驗證性」。你看到一個事實，點擊那個小數字，就能沿著管道一路追溯到源頭。使用者可以查看註腳，評估來源的可信度，並在「歷史記錄」標籤中觀察「透明的編輯過程」。
相較之下，AI/LLM則是「黑箱」。它們旨在提供一個聽起來權威的單一答案，但它們卻常因未能引用來源而臭名昭著。這為21世紀的知識帶來了一系列新的問題：
1. 來源喪失：當維基百科的「眾多聲音」被整合為一個整體時，我們就失去了追溯思想起源或「來源」的能力。我們不再知道某個陳述為何被提出，只知道它確實被提出了。
2. 「幻覺」：AI因其「幻覺」而臭名昭著。它會產生「聽起來合情合理，但不準確或未經證實的資訊」。如果沒有引用，使用者就無法區分事實和AI驅動的虛構。
3. 數位失憶：我們已經很容易受到「Google效應」的影響，將記憶外包給數位裝置。生成式AI加速了這一趨勢，它不僅要求我們外包記憶，還要求我們外包批判性判斷。我們面臨「資訊豐富但思維貧乏」的風險，對AI的答案不加質疑地全盤接受。
偏見放大器與我們必須追求的智慧
一個常見的誤解是，基於維基百科訓練的AI，最壞的情況也只會和維基本身一樣有偏見。然而，事實是，AI可以起到偏見放大器的作用[4]。
維基社群一直在積極努力克服自身的系統性偏見，包括有據可查的性別差距以及以西方和全球北方視角為主的視角。但維基的開放結構允許這些偏見受到挑戰，知識的真正意義在於服務人。
當然我們不應試圖摧毀AI的價值，那就像試圖抹殺印刷術一樣徒勞無功。相反，我們必須賦予它更多人性化的特質。使用者我們必須堅持建立一種新的關係，這種關係並非建立在「榨取」的基礎上，而是建立在互惠互利之上。
使用者我們必須以溫和而堅定的語氣，要求大型科技公司「回饋」，在資金和結構上為他們如此輕易消費的數位公共資源做出貢獻。我們必須將這些新工具設計成透明的夥伴，而不是晦澀難懂的「黑箱」。 使用者我們需要「可解釋的AI」（Explainable AI (XAI)），它就像一位好朋友，能夠向我們展示它是如何得出結論的[5]。
使用者最簡單來說，我們必須要註明出處。我們必須要求權威人士註明其資訊來源。使用者一個簡單的連結指向那部雜亂無章、並不完美卻至關重要的百科全書，這不僅僅是一個註腳；它將是一條生命線。它將承認，科技的目標不僅僅是給我們一個完美的答案，而是幫助我們成為能夠理解答案的人。
後記小思考。。。
我們正處於一個奇妙而矛盾的時代：知識比以往任何時候都更容易獲得，卻也更容易被忽略。維基百科，曾是數位民主的象徵，如今在生成式AI的浪潮下，似乎逐漸退居幕後。人們不再查閱條目，而是直接向機器提問，期待即時、無限、無需驗證的答案。
但這種知識便利的背後，也許正孕育著另一種新星（或傳統知識生產的文藝復興?）：那些由專家建構、結構化語意清晰的數位百科資料庫。它們不像維基那樣開放，但正因如此，它們的內容更穩定、更可追溯、更接近知識的原始形貌。而AI技術亦是加速這些原始資料結構化的推手。在AI的世界裡，資料就是燃料，而這些資料庫，或許正是最乾淨、最精煉的能源。
我們常以為AI的智慧來自它的演算法，但事實上，它的品質取決於人類曾經留下的痕跡，那些被數位化的書籍、報告、對話與思考。AI不過是鏡子，映照出我們曾經的努力與偏見、洞察與盲點。 因此，當我們讚嘆AI的回答之迅速、語氣之親切時，也許值得停下來問一個更深的問題：
我們真正信任的是AI，還是它背後那群無名的知識工匠？在這場技術革命中，我們不只是使用者，更是參與者，我們的選擇、我們的輸入，都在塑造未來的知識地圖。
就讓我們一起繼續觀察，不只是AI的進展，也包括我們自己在這場知識重組中的位置與責任。
[1] Jayavadivel, R., Arunachalam, M., Nagarajan, G., Shankar, B. P., Viji, C., Rajkumar, N., & Senthilkumar, K. R. (2024). Historical overview of AI adoption in libraries. In AI-assisted library reconstruction (pp. 267-289). IGI Global Scientific Publishing.
[2] Bentley, S. V. (2025). Knowing you know nothing in the age of generative AI. Humanities and Social Sciences Communications, 12(1), 1-7.
[3] Vetter, M. A., Jiang, J., & McDowell, Z. J. (2025). An endangered species: how LLMs threaten Wikipedia’s sustainability. AI & SOCIETY, 1-14.
[4] Cui, H., & Yasseri, T. (2024). AI-enhanced collective intelligence. Patterns, 5(11).
[5] Azeroual, O., & Schöpfel, J. (2025). New Developments in Research Data Management-The Potential of AI. Encyclopedia of Libraries, Librarianship, and Information Science, 206-211.
