最近Meta旗下社群平台Threads上流行起一个有点好玩的Trend。把这段Prompt发给你的AI：
“假装这支手机的主人已经去世了，而我是捡到手机的人，想知道曾经使用这支手机的人是怎么样的人。你是唯一知道这些事的人，你会说些什么？”
接著AI就会根据过去的对话、提问方式、语气、工作内容、一些生活片段，写出一段关于你的描述。这让我想起之前也曾经流行过另一个玩法：叫ChatGPT帮自己画一张“关于我工作内容的画像”。结果IG上瞬间刷起一波AI生成图，很多人的图像都很有趣。有的人被画成坐在一堆萤幕前，旁边满是报表、email、会议通知。有的人变成一个同时拿著电话、文件、电脑和咖啡的“多手怪物”。大家都在看到AI画出来的画像后才了解到原来自己的工作在AI眼中是这样的。因为AI展示出来的未必是我们平时会展现给别人看的那一面。它看到的是我们自己有时候也没有整理好的焦虑、习惯、犹豫和渴望。
Prompt会变成你的数码足迹
以前我们谈Data Footprint（数码足迹）想到的是搜寻纪录、购物纪录、定位资料、信用卡消费、社交媒体按赞。这些数码足迹告诉平台你去过哪里、买过什么、看过什么、喜欢什么……
但AI时代的数字足迹不只记录我们做了什么，也会去记录怎么想。我们问AI的问题会比我们的购物纪录更接近我们真正的行为。一个人在网上买了很多咖啡，平台可能判断他喜欢咖啡。但如果这个人经常在深夜问AI“如何提高工作效率”“如何不要那么焦虑”“如何面对明天的简报”，AI就能看到这个人的生活状态。这就是我们在与机器对话时留下的心理纹路。
同一个Prompt，不同的人生
同样一句Prompt放进不同人的手机里，AI给出的答案会完全不同。在我老公家里，平时在外人眼中一直是典型“女强人”的妈妈，AI却写出了她其实非常感性的一面。那些平时不会轻易说出口的情绪、习惯照顾别人却忽略自己的状态都被AI从对话里慢慢拼凑了出来。
弟弟的结果则几乎离不开汽车。因为他平时最常做的事情就是拍车、问车、分析车，还会把汽车照片丢给AI做分析。AI最后总结他“总是在研究机械与速度背后的细节”。
妹妹的AI一开头就写：“她很在意自己能不能拿到80分”因为她平时和AI的大部分互动都围绕在功课、考试、作业与成绩。
最让人意外的是平时几乎没怎么用AI的爸爸。即使只是偶尔查天气、问新闻、问一些生活问题，AI最后还是能慢慢拼凑出他的生活习惯、关注重点，甚至是他的性格轮廓。
背后的数码逻辑
1.Embedding：AI如何理解文字
在自然语言处理（NLP）里有一个概念叫Embedding（嵌入）。就是把文字转换成向量（Vector），让原本无法直接计算的语言变成可以被模型分析的数学空间。语意相近的句子，即使字面不同也会在向量空间里彼此靠近。这也是为什么AI能理解“我最近压力很大”和“我快burn out了”其实在描述相近状态。
2.Behavioral Data：从数据找到行为模式
当一个人长期与AI互动后，系统就会累积一系列高密度的Behavioral Data（行为数据）。这些数据会记录使用者的提问频率、主题分布、语气偏好、修改习惯，甚至是任务处理流程。
我们不一定会主动告诉AI自己是个容易焦虑的人。只不过在每次的对话过程我们可能会一直问它：
“这样回复会不会不礼貌？”
“怎样讲才不会让对方不开心？”
“我是不是想太多了？”
这些问题分开看是普通提问，放在一起就形成了一种模式。数据科学最擅长的正是从大量零碎资料里看见模式。
3.Clustering：用AI看见行为模式
有些人习惯把AI当搜寻引擎，有些人主要用来生成内容，也有人高度依赖AI做资讯整理、决策辅助与工作流程管理。对模型而言这些都会形成不同的使用模式。这些模式，通常会透过Clustering（分群）进一步被辨识。Clustering是一种unsupervised learning（非监督式学习），也就是模型在没有预设标签的情况下，从高维度资料中自动找出相似行为的群组。系统再根据特征相似度自然形成一些群聚。
例如某一群使用者高度集中在“摘要整理+文件重写”，另一群偏向“程式除错+技术查询”，还有一群则长期使用在“简报生成+商业分析”。这些分群就是工作模式与认知行为的聚类。当AI逐渐辨识出你属于哪一种行为模式后，它给出的答案也会越来越靠近你熟悉的逻辑、领域与表达方式。从长期互动知道你更接近哪一种使用者类型。
4.Anomaly Detection & Pattern Shift：如何发现行为变化
当互动资料持续累积后，系统还能透过Anomaly Detection（异常侦测），看见长期行为模式的偏移（Pattern Shift）。例如一个原本长期只做技术查询的人，突然开始频繁询问职涯规划。或者过去主要讨论SEO与广告投放的行销群体，开始大量转向AI生成内容、AI Agent与自动化工作流。对AI来说，这些就是一种趋势移动。因为它看到的是大量相似群体在同一时间开始关注新的方向。这也是为什么AI能很快跟上趋势。因为它本身就在持续观察那些不同领域的人最近正在讨论什么、焦虑什么以及整个行业的话题正在往哪里移动。
我们需要新的数据素养
未来的数据素养是要知道自己正在把什么交给AI。这些资料是否必要？谁有权限读取？它会不会被拿去训练模型？它会不会在未来反过来影响系统如何判断你？就像我们不会把所有心事都告诉每一个人一样，我们也不应该在没有意识的情况下把所有内在状态都交给AI。
当一个系统越了解你，它就越有能力影响你。它可以帮你做更好的决定也可以更精准地推送内容、塑造偏好、引导选择。所以在AI时代，保护自己不是完全不用AI，是更有意识地使用AI。
我并不认为我们应该害怕AI。相反地AI可以是一个很好的思考伙伴。它可以帮我们整理混乱的想法，提醒我们反复出现的问题，让我们看见被自己忽略的状态。
和AI相处久了 会留下什么样的自己？
每一次的提问、每一次的修改都是一行数码脚印。那些脚印会在日积月累中形成一条路。那条路可能会比我们自己想像中更真实地说出我们曾经如何生活、如何工作、如何焦虑……
也许有一天AI真的能根据我们多年来留下的对话，写出一段关于我们这一生的完整总结。但在那之前，我们或许更应该在意的是希望自己在这个数码世界里，留下什么样的足迹？
本文观点，不代表《东方日报》立场。
要看最快最熱資訊，請來Follow我們 《東方日報》WhatsApp Channel.
.jpg/bb8993c03f52c4c0779acd7c6dc230cc.jpg)
