當 AI 成為知識預設值，學術權威正被「模型共識」悄悄取代
在 AI 進入學術與知識領域的討論中，外界多半聚焦於「AI 會不會出錯」、「會不會捏造資料」。這些擔憂並非沒有道理，但只觸及問題的表層。更深層、也值得警惕的變化不在於錯誤本身，是知識權威的來源正在被悄悄改寫。
學術權威沒有被推翻，但被悄悄繞過
我們似乎正從一個「由專家透過辯論與驗證建立共識」的體系往「由模型統計結果定義共識」的時代。當AI的回答逐漸成為搜尋、寫作與研究的預設入口，人們不再優先追問「誰提出的」、「背後依據是什麼」，而只關心「它看起來是否合理、是否完整」，這也讓學術權威逐漸隱形。
傳統學術體系中，權威的形成需要時間。理論來自具名研究者，經過期刊審查、學界爭論與長期修正。即使是備受質疑的觀點，人們仍清楚知道它屬於哪個學派、有哪些反對意見，以及哪些問題尚未定論。爭議本身是知識運作的一部分。
然而，當AI成為知識入口後，這套結構開始鬆動。搜尋引擎摘要、寫作輔助工具建議段落、研究助理型AI的「快速整理」，都把模型生成的答案放在最前面。使用者看到的不再是作者與脈絡，而是一段語氣中立、結構完整、彷彿早已被驗證過的結論。這轉變並非因為AI被正式授權為權威，而是因為它被默認為「夠可靠、夠省時」。當多數人不再回頭查閱原始文獻、不再區分不同學者的立場，學術權威並沒有被推翻，而是被悄悄繞過。
AI的問題，從來不只是「會不會講錯」。錯誤其實可以被修正，甚至能成為討論的起點。真正值得關注的，是 AI 產生了一種新的共識形式，即模型共識。
模型共識並非經過辯論形成，而是來自大量資料中的高頻說法，看起來像是「大家都這樣認為」。當AI用流暢而確定的語氣呈現這些結果，使用者往往不會意識到，眼前看到的可能只是統計上最不容易引發爭議的版本。
學術需要守住的不是權威本身
學術進步本就源自爭議。許多重大突破，在出現之初都被視為不完整，甚至離經叛道。當AI介入知識生成，這些尚未獲得多數認可的立場，因不夠穩定而被排除在答案之外。對模型而言，爭議代表不確定性，會降低回答的「完成度」。原本應被保留的歧見被轉化為中性敘述，尚未定論的問題則被包裝成已整理完成的知識。
例如詢問「二戰後冷戰爆發的主因是什麼？」AI通常會給出一份結構清楚的綜合說明：意識形態對立、安全困境、權力真空等。但它很少指出哪些論點屬於傳統主義、修正主義等，也不會強調如何解讀不同史料。原本需要透過閱讀原典與史學爭論才能理解的問題，最終被包裝成一份「整理好的答案」。
值得注意的是，這種現象在不同語言與學術環境中會呈現的所有不同。在台灣與整體中文知識環境中，模型共識取代爭議的速度往往更快、更不易被察覺。當AI 主要以英文資料訓練，再被用來生成中文知識摘要時，在地研究與非主流觀點會在轉譯過程中被進一步稀釋。
例如用中文問AI：「台灣外送員的勞動處境如何？」模型可能先用英文語料中的「gig economy」主流論述整理出一套框架，先套用英文語料中的「零工經濟」主流框架，再翻譯回中文。回答充滿全球通則，內容是英文主流觀點的再包裝，缺乏台灣法規漏洞、勞保爭議與在地抗爭脈絡。對使用者而言，看到的是整理後的中文結論，難以察覺哪些觀點從一開始就未曾進入模型視野。
當知識被壓縮為看似中立的統計結果，爭論、異議與責任也隨之隱身。在AI成為知識預設值的時代，學術需要守住的不是權威本身，而是讓權威持續可被挑戰與檢驗的制度條件，真正值得討論的不是是否使用AI，而是如何避免模型共識壟斷知識的生產，讓多元觀點仍能被看見。
（首圖來源：shutterstock）