ChatGPT真的在「書寫」嗎?從大英百科字典的定義,看語言模型與人類想法的斷層
ChatGPT真的在「書寫」嗎?從大英百科字典的定義,看語言模型與人類想法的斷層

現在愈來愈多人使用ChatGPT與其他LLM來進行書寫,但LLM在做的是「書寫」嗎?為了回答這個問題,我們必須先知道書寫是什麼。

一個常見的定義方式是說──根據線上大英百科字典──書寫是「使用書面文字表達你的想法或意見」(https://www.britannica.com/dictionary/writing)。

依據這項定義,LLM看起來不能書寫,因為它們沒有在使用文字去表達想法;它們單純只是以統計機率排序的方式組織口語道元。雖然它們使用了文字,但在那些文字中、透過那些文字,它們並沒有任何要表達的東西。

或者說,就像「隨機鸚鵡」那篇論文所說的,「LM(語言模型)所生成的文字的基礎不在於溝通目的、世界上的任何模型,或讀者的任何心理狀態。它也無法這樣,因為訓練資料從未納入與聆聽者分享想法,機器本身也沒有能力那麼做」(Bender et al. 2021, 616)。

如果這番解釋聽起來合理、正確,其中有一個好的原因。在背後支持它的基礎是一個常見的思考方式,也就是被標籤為「理體中心主義」的方式。

如我們在前面幾章看到的,理體中心主義指認出一種思考書寫的方式和書寫思考的方式,而這種方式賦予了口說語言特權成為最純正、真實且即時的溝通模式,因此使書寫變成一種衍生的人工意象──符號的符號。這種思考、談論書寫的方式瀰漫於西方思考中,最久遠的紀錄可回溯至柏拉圖,或甚至更早。

斐德羅斗篷下的「書寫」

舉《斐德羅篇》為例──斐德羅在這本對話錄路的開場小心翼翼地將一本書藏在他的斗篷底下(Pl. Phdr., 228d)。不論好壞,這是研究生專題討論課堂上常講的一個古老哲學笑話的起源。(嘿,斐德羅!我看到你藏在斗篷底下的是一本書嗎?還是你只是很高興見到我?)

這裡提到的書是知名演說家呂西亞斯(Lysias)近期演講的逐字稿,而當時無法參加「現場」表演(這個概念的出現與發展可說出自於《斐德羅篇》)的蘇格拉底不只在聽到關於「原始表演過程中所揭發的東西」的記述感到焦慮之外,對於「能夠取得真實論述」這件事也是,亦即以書寫紀錄並透過閱讀行為再製。

於是,在《斐德羅篇》的開場,書寫被定位為紀錄言說、於未來將其內容再製的方式。換句話說,它的概念是一種捕捉、儲存論述的方法,所以它有可能再度出現。

對話錄的結尾處最後將這種特定的概念理論化──蘇格拉底和斐德羅明確地將書寫的藝術(technē;τέχνη)拿來探究。

在檢視的最一開始,蘇格拉底做了一段知名的重述,是他在從別處聽來的關於兩名埃及神祇的傳說──書寫的發明者泰宇思(Theuth)與國王塔莫斯(Thamus);最後結尾時,如德希達等人(Spivak 1998, Stiegler 2008, Minh-ha 1989)所記載的,蘇格拉底和斐德羅指控書面文字已成為構成西方傳統的一部分。而目前,我們只需要回想三項重點:

1. 書寫是一種技術

根據《斐德羅篇》的描述,書寫被呈現為一種「technē」。這個詞在許多脈絡中被翻譯為「藝術」,指的是更廣泛的「製造或做事的系統或方法」(Liddell–Scott Jones, A Greek–English Lexicon, s.v., sense 3: https://www.perseus.tufts.edu/hopper/morph?l=texnh&la=greek#lexicon)。

而這正是我們的「技術」(technology)這個字的詞源根本。技術上來說,書寫是一種技術。相較於言說被視為人類物種與生俱來的天生能力,書寫是人造的、外部的、技術性的。

華特.翁恩(Walter Ong 1995, 81–82)於命名切題的《口述與書寫》(Orality and Literacy)中明確地表示:「書寫(尤其是字母書寫)是一種技術,需要使用工具與其他設備⋯⋯對比自然的口述言論,書寫完全是人工的。」

而因如此,蘇格拉底將書寫看待成一種可以被我們描述為AI的東西:「而書面文字就是如此;你或許認為它們好似擁有智慧地在說話,但如果你去質疑它們、希望知道它們在說什麼,它們永遠只會說同樣一件事。」(Phdr., 275d–e)我們可以說,AI不是什麼現在正在威脅書寫的近期科技創新;說寫本身早已是一種形式的AI。

2. 書寫是次要的

這種針對事物看似自然的秩序,合理化了決定書寫的地位與重要性的不平等等級制度和價值論。

早在《斐德羅篇》中,那場現場表演或事件,亦即呂西亞斯發表的演說,不論在時間上或價值上皆被視為首要的。

在該文本的時間框架內,呂西亞斯的演說率先發生;事實上,它在對話錄的情境之外、對話錄展開之前就已經發生了。演講逐字稿,亦即斐德羅剛開始拿來誘惑蘇格拉底的書,起初被引入並定位成原始表演的副本,因此屬於次要的、衍生的。

這是一種頂替並取代已逝去、不復存在的東西的替代或代理。這是一種表徵模式;亞里斯多德後來稱它為符號的符號。於是,相較於原始的口述表演,書面紀錄向來有些缺陷與匱乏。這就像柏拉圖的文字所描述的,是「活生生、會呼吸的文字」的「純影像」,類似繪畫之於它所描繪的真實物品的關係(Phdr., 275d–276a)。

3. 書寫是個私生子

引用起初《斐德羅篇》的用詞,相當粗魯的說法是,書寫是一個淫亂的私生子。

根據蘇格拉底的抱怨,一旦文字被寫下來並出版之後,任何人就能利用與濫用它(Phdr., 275e)。文本被遺棄在世界裡,而也因為如此,它總是會超出其先驅的控制和保護。

於是,正如德希達(1981a, 76–77)所說的,書寫基本上是「孤兒」或「私生子」,被迫與父權切斷關係。這解釋了為什麼蘇格拉底和斐德羅不只能超出呂西亞斯演說的真實存在、進而取得該演說,同時更能重新利用呂西亞斯的文字,就像蘇格拉底本身後來做的事──將文字合併、混搭,以使它們說出呂西亞斯本人或許無意或未授權的內容。

蘇格拉底觀察到,一旦被寫下來之後,每一個字都可以「被來回傳播」(Phdr., 275e)。我們已經看到這在權威的概念上如何展開了──作者,包括他的名字與他的名聲,被認為是可以針對書寫內容進行授權的權威。

而我們應該特別指出,這裡所用的性別限定代名詞是這項傳統中智冠重要的一部分,這也是為什麼德希達常說理體中心主義形上學是「陽具理體中心主義」(phallogocentrism)。

延伸閱讀:AI真能當研究助理?最新研究:學者開出9倍效率,但這4個判斷仍無法取代

本文授權轉載自《當AI取得話語權,人類還剩下什麼?:以當代哲學與溝通理論探討AI的語言、意識與作者權威性問題》,Mark Coeckelbergh, David J. Gunkel,商周出版

當AI取得話語權.jpg
圖/ 商周出版

責任編輯:蘇柔瑋

往下滑看下一篇文章
從台灣走進北美千家速食門市!Berry AI 如何攜手博弘雲端,讓 AI 規模化落地?
從台灣走進北美千家速食門市!Berry AI 如何攜手博弘雲端,讓 AI 規模化落地?

一家來自台灣的 AI 新創,如何讓美國上千家速食餐廳,都用它的 AI「看」得來速車道?

這家公司就是專注於 AI 影像辨識技術的 Berry AI (華捷智能),透過攝影機蒐集匿名數據並轉化為多項營運指標,協助速食品牌找出流程瓶頸、提升現場營運效率與整體顧客滿意度。以美國連鎖炸雞品牌 Zaxby’s 為例,在全面導入 Berry AI 解決方案後,服務速度提升 13%-20%,業績表現最好與最差的門市,每週營收差距從 2.4 萬美元縮小至約 9,000 美元。另一家連鎖速食品牌 Culver’s 在導入後,得來速車道的服務時間也立刻改善,進而提升整體吞吐量。

然而,支撐 Berry AI 解決方案的,不只有前端看得見的攝影機與影像辨識技術,還有後端穩定且具彈性的雲端平台。Berry AI 結合 Amazon Web Services (AWS) 全球雲端資源及博弘雲端顧問服務,打造兼顧即時性、穩定性與成本效益的雲地混合架構,成為推動 Berry AI 持續擴大北美市場版圖的重要關鍵。

從台灣 PoC 走向北美千店規模,Berry AI 面臨架構升級新挑戰

Berry AI 執行長林逸中表示,團隊成立初期投入近2年半的時間,探索最適合影像辨識技術的應用場景,最終將目光鎖定高度標準化的速食餐飲業(Quick Service Restaurant;QSR),推出得來速計時器、餐廳計數器等解決方案,運用 AI 影像分析技術,辨識顧客進入得來速車道或餐廳後的狀態,例如:排隊、點餐、候餐等。

同時,Berry AI 也進一步將現場蒐集到的數據轉化為可量化的營運指標,例如:不同門市、日期或時段的顧客等候時間,協助管理者從數據中找出流程瓶頸與可以優化的環節,進而提升服務效率及顧客滿意度。

在確立發展方向並於台灣完成 PoC (概念驗證)後,Berry AI 決定前進全球最大、也是 QSR 最核心的北美市場。然而,隨著合作客戶與部署門市持續增加,資料量快速攀升,加上服務範圍橫跨不同區域,既有以地端為主的架構開始面臨規模化挑戰。

林逸中補充指出,尤其 QSR 業者在選擇 AI 解決方案時,格外重視技術效能與穩定性,包括 AI 辨識精準度、能否因應突發狀況、系統能否穩定運作,以及網路發生問題時能否維持服務等。在這樣的要求下,若將所有運算與資料都留在地端,不僅難以因應日益增加的部署門市與資料量體,設備建置與維運成本也會隨之增加。

BerryAI 攜手博弘雲端 打造高可用性 AWS 雲地混合架構,突破北美規模化部署挑戰

如何確保系統的即時性、穩定性與成本效益,成為 Berry AI 進軍北美後必須解決的新課題。為此,Berry AI 選擇與博弘雲端合作,取得穩定且高可用的 AWS 運算與資料庫服務架構,將即時運算留在地端,同時在雲端環境整合資料庫處理大量資料與後續分析工作,形成兼顧地端即時運算與雲端彈性擴充的雲地混合架構。

Berry AI研發同仁汪楚剛說明,包括車輛偵測、追蹤與狀態辨識等需要即時反應的工作,會先在地端完成;再將辨識結果傳送至 AWS 雲端,計算各項營運指標,提供後續分析與決策使用。透過這套架構,Berry AI 至今已處理超過 2 億筆車輛狀態資料。

此外,AWS 也是 Berry AI 持續優化 AI 模型的重要基礎。Berry AI 將整套資料蒐集流程建構於 AWS 上,透過完整且多樣化的資料,持續訓練與優化模型,進一步提升地端影像辨識的準確度。

博弘雲端
Berry AI 鎖定高度標準化的速食餐飲業(Quick Service Restaurant;QSR),推出得來速計時器、餐廳計數器等解決方案,運用 AI 影像分析技術,辨識顧客進入得來速車道或餐廳後的狀態,例如:排隊、點餐、候餐等,協助管理者從數據中找出流程瓶頸與可以優化的環節,進而提升服務效率及顧客滿意度。
圖/ Berry AI網站圖

成為企業技術團隊的延伸,博弘雲端助 BerryAI 把 AWS 用得更好、更省

隨著北美業務持續成長,Berry AI 也迎來新的課題:如何把雲端資源用得更有效率、更省成本,這也成為 Berry AI 與博弘雲端合作的重要契機。

對此,可能有很多人好奇,像 Berry AI 這類技術能力成熟、具備自行建置架構能力的企業,為什麼還需要與博弘雲端合作?「關鍵在於,博弘雲端長期深耕 AWS,對相關服務與技術架構更加熟悉,可以成為企業內部技術團隊的延伸。」博弘雲端技術長宋青雲說。

當 Berry AI 遇到特定 AWS 服務或技術問題時,可以直接尋求博弘雲端協助;若需要進一步與 AWS 原廠確認,博弘雲端也能協助溝通與處理,減少 Berry AI 自行研究與排除問題所需投入的時間,讓內部研發團隊可以將更多心力和資源集中在核心產品開發。

更重要的是,博弘雲端不只提供技術支援,還能從 Berry AI 實際用量與成長需求出發,客製化設計最適合的節費方案,這對 Berry AI 降低營運成本有很大的幫助。宋青雲說明,博弘雲端根據 Berry AI 既有的 AWS 用量,推估未來 1-3 年內的使用需求,並以此為基礎規劃合適的長期雲端資源用量;同時考量 Berry AI 所屬飛捷集團旗下還有 3 家子公司同樣使用 AWS,進一步整合集團需求進行評估,放大整體採購規模,爭取更大的節費空間。

宋青雲強調,雲端採取隨需即付的計價模式,雖然具備彈性優勢,但若缺乏持續管理,仍可能出現資源配置不符商務規劃,或費用超出預期等情況。而博弘雲端不只能從使用現況出發、建議適合的節費方案,也會從效能、資安與成本等面向進行架構健檢,提出相應的優化建議;同時還會提供相關管理介面,讓企業隨時查看帳戶使用狀況、預估未來用量,在業務規模持續成長的同時,也能兼顧雲端架構的效能、安全與成本效益。

而架構健檢與成本優化,只是博弘雲端服務的一環。從企業準備上雲開始,博弘雲端便能協助將應用程式與資料從地端搬遷至雲端,或直接在雲端完成部署;進一步還能協助建置數據平台、數據中台,進行資料分析及導入 AI 應用,讓企業資料發揮更大價值。當服務正式上線後,博弘雲端也能接續提供維運服務。換言之,從前期 PoC、雲端建置到後續維運,博弘雲端都能依據企業需求,提供相應的服務與支援。

對 Berry AI 來說,藉由與博弘雲端合作,深化 AWS 雲端資源使用,不只是突破規模化挑戰,更重要的是能把有限的資源集中在核心業務,持續優化解決方案、開發更多貼近餐飲營運需求的應用,進一步爭取更多品牌合作,擴大北美市場版圖。目前,Berry AI 正全力拓展北美市場,也持續尋找對 AI 技術與餐飲產業應用充滿好奇心、重視團隊協作的人才加入。徵才方向涵蓋機器學習與電腦視覺、Platform & System(DevOps、Infrastructure),以及 Full Stack 軟體開發。從門市邊緣裝置上運行的 AI 模型、串連雲端與數千家門市的系統平台,到協助餐飲品牌提升營運效率的分析產品,每個環節都還有發揮的空間。 期待匯聚更多優秀夥伴,一起用 AI 解決真實的營運問題,讓來自台灣的技術走進更多全球 QSR 門市。

職缺詳情:https://www.cake.me/companies/berryai/jobs

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
一次搞懂工業AI
© 2026 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓