The Claude Delusion：AI 模型輸出中的人為意圖投射
為何重要
隨著 LLM 輸成品質回歸平庸，產業關注焦點應從單純的推論準確率轉向「情感連結」與「意圖注入」。若無法在統計演算法中解決缺乏真實作者動機這一核心缺陷，使用者終將陷入對無機物的審美疲勞，導致平臺黏著度下降。這對投資人而言，意味著未來的 AI 估值邏輯可能會從「算力規模」轉向是否能讓使用者感覺到「被理解」而非單純被計算。
本文探討人類與大型語言模型（LLM）互動的本質，認為使用者並非在與真正的智慧對話，而是在將意圖投射於統計系統衍出而非真實選擇的文字之上。
- 作者引用 Mark Fisher 關於「恐怖谷」（文中有連結 https://www.programmablemutter.com/p/large-language-models-are-uncanny）的定義，指出 AI 輸出的異樣感源於「有物出現應無物在」或「實無物在應有物在」的詭異體驗。
- 文章分析人類天性是傾向將意圖歸因於他人（如小說虛構角色），作者將此比擬為對 AI 對話的「幻想投射」，而 AI 的回應實際上是由「無意圖的統計推論」處理過的資料庫。
- 作者回憶早期的 AI 互動動機源於「犯豬跳舞」（無所謂跳舞好不好，重點是熊會跳舞）的新奇感，但隨著輸出重複，這種由數學平滑感帶來的震撼正消退。