生成式 AI 讓一切變簡單，也讓 4 種焦慮影響親師生

如果要形容這一兩年人們對 AI 的情緒轉變，或許可以說：「我們不是第一次遇見 AI，卻是第一次如此集體地感到焦慮。」

早在 1955 年，約翰・麥卡錫（John McCarthy）便在書面提案中提出「人工智慧」一詞；而筆者則是在 2016 年 AlphaGo 以 4 比 1 擊敗韓國傳奇棋手前後，持續留意 AI 的發展。換言之，AI 並非近年的新產物，而生成式 AI 的出現，卻像是點燃引信，讓人們第一次如此清楚地看見AI。

AI發展的故事。圖片來源：AI生成

AI 一直都在，只是以前不需要你「親手使用」

生成式 AI 的爆發使得許多原本需要專業門檻的能力，一夕之間變得唾手可得。寫作、作圖、做簡報、寫程式，回信、備課、改作業，都可以被濃縮成一句指令。

原本只存在於工程師、資料科學家或科技公司後台的技術，也可直接出現在每一個人的螢幕上，於是，AI 成了無所不在的話題。擔心被取代、擔心學生作弊、擔心假訊息氾濫、擔心隱私外洩、擔心努力不再有價值、擔心被取代等等，這些原本分散的憂慮，被快速統合成一種模糊卻強烈的感受：AI 焦慮。

在生成式 AI 爆發之前，AI 其實早已深植於我們的日常生活之中。

事實上，無論是社群平台的貼文排序、影音平台的推薦系統、購物網站的喜好推播、地圖中的路線規劃，或搜尋引擎的結果排列，長期以來都是 AI 技術運作的結果。我們早生活在 AI 所交織的環境裡，只是多半沒有意識到它的存在。

也因如此，當前的焦慮就來自於生成式 AI 讓原本隱身於系統後方的技術，一次被拉到檯面上，並且變得過於容易使用。在這樣的情境下，若只用「喜不喜歡 AI」或「該不該使用 AI」來討論焦慮，其實很容易失焦。

更關鍵的問題是， AI 技術究竟在什麼層次、以什麼方式，介入了我們的理解與決策？以下，筆者嘗試將這些「AI 焦慮」的感受，拆解成四種來源不同卻彼此交織的類型。

一、演算法與同溫層焦慮

當社群平台、影音平台與搜尋引擎，持續依據過去行為，替我們篩選資訊。我們所接觸到的世界，逐漸變得可預測卻不自知。這類焦慮早已存在於推薦系統與排序演算法中，讓人意識到，原來「看見什麼、相信什麼」，早就不完全由自己決定。

被篩選的世界。圖片來源：AI生成

二、隱私與監控焦慮

語音、影像與行為分析技術，使日常生活成為可被持續蒐集與判讀的資料來源，如語音助理處理日常工作；進出停車場仰賴車牌影像辨識等方便技術，使得人們時時被「被看見」，並在未充分理解、也難以拒絕的情況下被分析，甚至成為系統學習的一部分。

被監控的生活。圖片來源：AI生成

三、數據權益與深偽焦慮

當 AI 能分析既有的聲音、影像與文字，個人資料不僅僅被「使用」，更有可能被「再製」，生成高度擬真的新內容。這引發的焦慮除了假訊息外，更有著對數位身分失去控制的衷心擔憂，誰擁有資料？誰能決定如何使用？又是否還能辨識哪些內容與本人有真實關聯？一切都成了問題。

被再製的身分。圖片來源：AI生成

若說前面三種焦慮，多半來自 AI 對資訊、行為與身分的外部介入，那麼接下來這一類，則直接觸及人們對「學習、理解與專業價值」本身的動搖。

四、認知替代與功能焦慮

認知替代即是生成式 AI 最直接引爆的焦慮來源。

當寫作、摘要、解題與構思都能被快速完成，人們開始懷疑，學習是否仍需要經過理解？專業角色是否還具備不可取代的價值？在教育場域中，這種焦慮尤為明顯，因為傳統用來辨識「是否學會」的方式，正在逐漸失效。

被替代理解的思考。圖片來源：AI生成

因為生成式 AI 讓原本分散運作的 AI 系統，第一次被整體感知，這四種焦慮在此刻才會同時浮現。

當一切變得太簡單，我們才真正意識到，AI 早已不是一個工具，而是一套深度參與理解、判斷與決策的體系。

生成式 AI 不是起點，而是讓一切浮出水面

當我們能夠區分這些不同來源的焦慮後，問題進一步轉向成，我們是否清楚自己在什麼地方做出判斷？又該為哪些決策負責？

因此，生成式 AI 是一個放大器，它讓原本只存在於系統層面的技術，開始直接影響每個人的日常判斷，也讓「我們是否仍掌握理解與決策的主動權」這個問題，變得無法再被迴避。因為我們所面對的，是一個已經深度參與社會運作的AI環境，試圖避開 AI，並不能真正解決焦慮。

從認識焦慮開始，而非急著消除它

AI 焦慮最值得被認真對待的地方，在於它揭露了什麼。

• 在 AI 參與之後，什麼樣的產出值得信任？

• 理解與生成之間，應該如何區分？

• 人類在使用 AI 時，又應該為哪些決策負責？

這些問題更關乎的是在 AI 參與之後，我們是否仍能回顧自己的思考過程，辨識哪些是由 AI 協助，哪些是由人類做出最終判斷？

因此，AI 焦慮的終結應是建立一個可被回顧、可被檢視的協作歷程，是我們是否看清楚自己正在害怕什麼，是被篩選的世界？被監控的生活？被再製的身分？還是被替代理解的思考？

終結AI 焦慮的方法。圖片來源：AI生成

當這些問題被說清楚，AI 焦慮才有機會從一團恐懼迷霧中，轉化為可被理解、也能被回應的議題。

在接下來的文章中，我們將逐一拆解這些「AI 焦慮」的不同來源，先弄清楚AI如何帶來焦慮，也期待我們在這個快速變動的時代裡，重新站回理解與判斷的主動位置。

相關文獻：
Frenkenberg, A., & Hochman, G. (2025). It’s Scary to Use It, It’s Scary to Refuse It: The Psychological Dimensions of AI Adoption—Anxiety, Motives, and Dependency. Systems, 13(2), 82. https://doi.org/10.3390/systems13020082

Ukanwa, K. (2024). Algorithmic bias: Social science research integration through the 3-D Dependable AI Framework. Current Opinion in Psychology, 58, Article 101836. https://doi.org/10.1016/j.copsyc.2024.101836

Wu, X., Li, H. A systematic review of AI anxiety in education. AI Ethics 5, 4773–4787 (2025). https://doi.org/10.1007/s43681-025-00783-9