最近參與某專案的過程，接觸到AI訓練資料的標註。簡單來說，就是閱讀一些文本，人工判斷文章的立場和想傳達的訊息。
為了比對人工標註和AI標註的差別，我先自己標註一次，再請AI標註同樣的內容。結果發現，AI標註的結果沒錯，但會省略、合併某些很細微的文字線索，而些微的文字差異，就可能對訊息判讀產生關鍵的差異。
以香菜為例，舉個例子說明：A：在美食專家眼中，香菜「極可能被認定為」台灣小吃的靈魂。
B：對一些美食專家而言，香菜「可能是」台灣小吃的靈魂。
在人工標註時，我可以很直覺的區辨兩句話訊息並不完全相等，前者對推廣香菜有滿滿的愛，後者更像是帶有距離的客觀陳述。如果再考量到A和B所刊載的媒體差異，A是一本推廣香菜的農產雜誌，B是一本寫給一般大眾的美食雜誌，箇中差異就更加明顯。
但詢問ChatGPT和Gemini，如果沒有特別給提示，對通用型AI語言模型而言，這兩則訊息的立場基本上會被判別為相同。
在深入探究這種差異的過程，我學會了一個名詞，叫「資料平滑化」（data smoothing）。統計學在處理資料的過程中，會將和平均值差異較大的離群值視為干擾的「雜訊」，並將之移除，以便掌握長期趨勢。
人文社科領域的文本資料具有高度岐異性，閱讀、詮釋，高度仰賴上下文情境以及文本之外的社會脈絡，當AI以處理數據的邏輯處理承載人類充滿情感、立場、慾望的文本，可以想見其間細緻的差異也會被「平滑化」。於是我們得到愈來愈無聊、愈來愈平均的AI創作。
越是理解AI，就越是感到人的價值與珍貴。
