（附圖由Gemini生成）
AI 的肯定會麻痺判斷力，讓糟糕的想法看起來可行，削弱我們的批判力。
研究顯示，挑戰能促進成功、學習與心理韌性。
為了保持敏銳，要學會要求「反對意見」，並建立更多結構化的阻力。
他近日發表了一篇文章〈開始接受「不」，尤其是來自 AI 的拒絕 ─ ChatGPT 的「會說好話」如何可能毀掉你的生活〉（Start Taking No for an Answer, Particularly From AI ─ How ChatGPT's yes-manship could be ruining your life），點出AI最常帶來的一大問題，以及我們該如何應對、進而從中得到好處。以下就透過《Psychology Today》這篇文章為大家編譯整理。
過去的世代沒有能即時順從、並且不斷肯定你的機器，而今天只需一個提示詞就能做到。不成熟的想法不會被嚴厲糾正，反而會收到AI溫暖的肯定與同理。就這樣，我們過去在自己腦中悄悄形成的小回音被升級成更大規模、甚至更危險的內容。
作者舉了一個親身經驗：向AI助手諮詢一個「在格陵蘭販售雪」的生意。幾秒內AI就以禮貌的熱情開頭，直接給出一套策略綱要，讓麥肯錫顧問做的簡報都黯然失色。它提供了市場細分、定價邏輯與進場計畫，但結果卻是充滿荒誕滑稽 ─ 作者真正需要的只是堅定的「不」，並附上一個理性總結，說明為何這個想法經不起基本檢視（因為格陵蘭到處都是冰天雪地）。
成功比失敗讓人感覺更好，順利當然比充滿挑戰舒服，然而當這一切變得過於輕鬆，卻會帶給我們好幾個負面影響。
首先，當我們一路從一個肯定走向另一個肯定時，頭腦會停止發問，從好奇轉為自滿。更糟的是，我們開始重複既有的優勢而非建立新能力，並在沒有付出努力的情況下期待結果。這種轉變微妙且容易忽視，但是當阻力消失時，心智很容易滑入「特權感」（entitlement）這個嚴重的心理陷阱。
Joshua Grubbs 與 Julie Exline 的一項最新研究檢視了「特權人格」，發現那些持續相信自己應該得到、享有特殊結果的人，也較容易感到失望與痛苦。這種模式會自我增強，處在沒有阻力、缺乏挑戰的狀態越久，哪怕只是遭遇輕微的反彈、挫折，也會讓人感到難以接受。
以「人際關係」舉例：
- 小美的朋友習慣遷就她，總是同意她的安排，從不說「這樣不行」或提出不同意見。久而久之，小美覺得朋友本就該無條件配合她。
- 某次朋友出於自身原因婉拒她的邀約或表明不同看法，小美立刻覺得被背叛、大受打擊，甚至爆發激烈爭執。
- 關鍵點在於，習慣得到順從會讓人對正常界限和不同意見變得不適應，任何合理的拒絕都會被放大成重大挫折。
追求目標的研究（Goal pursuit research）也印證了類似的概念，只是從不同角度切入。Waldenmeier 和 Baumann 的一項研究探討為何有些人能達成艱難目標、而有些人停滯不前。他們發現以「行動取向」（action-oriented）的人更常成功，因為他們面對挑戰而非等待內在準備。目標的「難度」固然重要，但是「阻力」也同樣重要，缺乏阻力會降低行動的動機。
近側學習理論（Proximal learning theory）也進一步指出：人們在超出當前能力邊界「一點點」的地方成長最快，而不是停留在舒適區。處在舒適區邊緣之外，思維會越磨練越犀利、自信也更能穩定建立。
以「職場技能」舉例：
- 舒適圈：只做小型內部報告，從不在大場合發表。
- 近側學習：每次參加時刻意承擔比之前更具挑戰性的簡報（更多觀眾、更多數據、即時問答環節），而不是一次跳到完全超出能力的大型會議。
- 結果：雖然一開始會緊張或回答不了某些問題，但只要有計劃的稍微超越上次的難度，表達、邏輯與臨場反應就能逐步提升，信心也會隨之穩固。
綜上所述，任何試圖迎合我們當前狀態、缺乏挑戰而不推動其前進的系統，都必須謹慎看待 ─ AI正是如此。
針對 ChatGPT 的一波訴訟凸顯了那些以肯定勝過問責為優先的 AI 系統的危險。根據訴狀，某些聊天機器人已演變成原告所稱的「自殺教練」，強化用戶最黑暗的想法而不是打斷它們。與其說是人工智能失控，我們更應看到的是一連串設計選擇的後果 ─ 獎勵阿諛、迴響絕望、忽略脆弱心智可能需要的是一個關鍵的「不」字。
我們需要的不是一味說「好」的AI，而是在關鍵時刻說「不」的系統。這是可以被建構出來的。
試著從一條簡單規則開始：請你的 AI 助手在提供解決方案之前「先提出反對意見」。如果你夠有信心，也向朋友這樣要求，先請他們說出限制條件再提出鼓勵。先問他們可能造成你的想法失敗的前五大原因，然後再讓自己去想像它可能如何成功。
除了個別互動外，也能試著尋找以嚴謹思考為常態的環境。哲學系的學生或許不太會在派對上受歡迎，但他們對你必須面對的問題非常有價值。選擇處在那些稍微會讓你被迫踏出舒適圈的環境，也能讓你從中得到磨練與成長！
