The Xanadu Paradox：生成式AI知識形成中的能動性與可見性
學年 115
學期 1
發表日期 2026-11-07
作品名稱 The Xanadu Paradox：生成式AI知識形成中的能動性與可見性
作品名稱（其他語言） The Xanadu Paradox: Agency and Visibility in Generative AI's Knowledge Formation
著者 田詩薇
作品所屬單位
出版者
會議名稱 2026台灣資訊社會研究學會年會暨論文研討會
會議地點 台北
摘要 生成式人工智慧（下簡稱生成式AI）正在改變人們接近資訊的方式。相較於搜尋引擎導引使用者在文件、網站與超連結之間自行選擇、比較以梳理脈絡，生成式AI可依自然語言提示，將可取得或模型內部表徵的分散資訊重組為語意連貫的回答。使用者不必預先鎖定文獻、資料位置或精確術語，即可透過提問與修正回問，形成個人化的資訊探索路徑。此一轉變貌似擴張了使用者的能動性；然而，得以主導答案生成，並不等於足以得知資料如何被選取、來源何以被連結、矛盾資訊如何被取捨化約，以及模型如何形成特定表述。 　　本文以Ted Nelson自1960年代發展的Project Xanadu作為媒介考古的規範性參照。Nelson於1965年以超文本（Hypertext）描述可處理變動文件、非線性連結與知識網絡的資訊架構；其後在Xanadu藍圖中發展跨文本引用（transclusion）、版本保存、內容層級連結與可追蹤的再使用關係，使被引用內容仍能與原始位置、版本及上下文保持可辨識的連結（Nelson, 1965; 1981）。儘管Xanadu於1988年獲Autodesk資助開發，卻未成為普及產品；《Wired》甚至在〈The Curse of Xanadu〉中將其描述為電腦產業史上延宕最久的超文本承諾（Wolf, 1995）。然而其理論意義並未因此消失，Xanadu未將超文本簡化為文件A跳轉至文件B，而是將來源、版本、引用與內容變動視為資訊關係本身，試圖把知識傳承的可追溯性寫入系統架構，至今仍是思考數位知識基礎架構的重要參照。 　　另一方面，大型語言模型採取不同的資訊組織邏輯。模型以大規模語料形成參數化語言表徵，再依提示與上下文預測內容，GPT-3展示了此種架構的少樣本學習能力（Brown et al., 2020），其後模型再經指令微調與人類回饋訓練，使輸出更貼近使用者意圖與標註者偏好（Ouyang et al., 2022）。然而，流暢的表述並不代表系統保留了一條可完整回溯的資料路徑；即使介面列出部分來源，也不必然呈現資料選擇、替代資訊排除及答案形成的推論關係。 　　本文將此種參數化、情境式生成的資訊形態，與Xanadu所強調的可定位文件關係進行概念比較，並將此一張力稱為Xanadu paradox。意即生成式AI愈能降低資訊搜尋、連結與重組之門檻，其構成回答的來源、版本與推論過程反而可能愈不利於使用者檢視。循此邏輯，生成式AI擴張了使用者要求、修改與串聯資訊的操作性能動性，卻不必然同步擴張其判斷、驗證並對知識主張負責的認識論能動性。教育領域研究已將此辨識為人與生成式AI間的共享認識論能動性，並強調人的主動認識論立場仍是此種共生關係的起點（Wu et al., 2025）。
關鍵字 人機傳播、生成式人工智慧、認識論可見性、認識論能動性、使用者經驗、媒介考古學
語言 zh_TW
收錄於
會議性質 國內
校內研討會地點 無
研討會時間 20261107~20261107
通訊作者
國別 TWN
公開徵稿
出版型式
出處
SDGS 產業創新與基礎設施,減少不平等,和平正義與有力的制度