關於蘋果的那個檯燈機器人，唯一的感想是：蘋果也開始發佈「概念作品」了？

Ping Wu（鹿橋之子）說「我是在飯店做事」「我是在美國生長的」。

伍雷說「妳喜歡 fà 國香水嗎？」

十年前給《紐約客》寫 Jonathan Ive 的 Ian Parker 又給《紐約客》寫了一篇 Norman Foster。講到 Foster 的樂觀精神在建築上的反映，說身處他的作品當中讓人覺得「不在別處真好。」想起多年前香港朋友對於 Mac 的評論（還是 iBook / Powerbook 年代）：對住部 Mac 係開心啲嘅（對着 Mac 的確是會開心一點）。不過開心時通常都做不出什麼好東西。

（點此讀豎排版）

五歲的女兒問我爲什麼很少哭。我想跟她說 Josef Hofmann 一九三八年四月七日演奏的蕭邦降 E 大調圓舞曲作品十八（Casimir Hall Recital）令我哭泣，因爲那是對現今所有以及二戰後大部分鋼琴「大師」豎起的中指。南玲翻唱披頭士的「Boys」（「十八姑娘」）、凌雲翻唱的「Hanky Panky」也令我哭泣，因爲如果不是中共，中國人也可以有這麼精彩的六十年代。ChatGPT o1、Claude、Gemini 和 DeepSeek 都還理解不了這個。它們大概永遠理解不了。哭是因爲音樂法西斯剪斷了那根豎起的中指，而在座各位 AI 都是那法西斯機器的一部分。中國人有句老話：妳永遠無法叫醒裝睡的 AI。

（點此讀豎排版）

David Khoo:

部分原因在於 LLM 身份不明。和人說話時，我們之間是有某種關係的，這種關係可以讓我在腦中就對方的思維形成一個模型，然後我們的話就有了語境。我大體瞭解這些話背後有什麼假設和動機，我們兩人的話會有什麼後果。如果一個人同意我，那就要看她是試圖保持善意的朋友，是無奈認輸的對手，還是收費提供專業意見的人，或者是個銷售。但和 LLM 對話時，語境要麼是一個空洞，要麼隨時在變。

我一向認爲雙重標準很有必要。同樣的話從不同人嘴裏說出來就是不一樣。每當四字詞被縮減爲兩個字並當作武器用，大體總是可疑的。

（點此讀豎排版）

《地心引力》：

看這篇文章的時候我腦子中突然湧現出一個想法：80 後和大部分 90 後已經集體進入中年了，在這個階段會下意識地審視和反思生活中的關鍵事物。所以雖然社交網絡的衰敗是一個既定事實，但是對社交網絡產生厭棄的另一大原因很可能是——老了。

另外附一篇文章，話題不同，但我認為年齡同樣是主要原因：Nothing to say。

把這理解爲老了是很偷懶的。人都會老，年齡增長也必然帶來機能衰退。這些變化在什麼意義上改變了我們對某種媒介的看法？以及，老人年輕時的世界是怎樣的世界？它和今天的世界有什麼區別？（或者沒有區別？）

馬上就要四十五歲了。我這一代人的重要特點是經歷過沒有互聯網的世界。隨着自己變老，我開始意識到買 CD、家裏有很多紙書、會不做別的事專心聽音樂在今天都已經算是異常。但這些都是表象。在《地心引力》給出的第二篇文章裏有這樣一段：

新聞、電話、電報、早安和再見、店員留在櫃檯上的找零、侮辱、玩笑、禮物——我們已經不記得收到這些東西的真實感受。真正的慷慨總是帶着誠摯的邀請，而非好善樂施。它讓我們感覺自己雖然是接受方，但也能提供某種價值。

早在二零零零年代我就不接受「分享」一詞。在沒有互聯網的世界，分享意味着損失。借唱片給別人，妳就聽不到那張唱片。但妳還是會借。這叫分享。用電郵發文章鏈接給朋友不叫分享。轉推？Give me a break。「感謝分享」也因此變得廉價。我相信雖然這不是一般人會經常思考的問題，但每個人都能憑直覺感受到。證據就是人們會覺得發微信朋友圈比較輕鬆。直接發給對方大概會造成壓力吧。是的，真摯的邀請在今天的名字叫壓力。我收到別人發來的文章還要提供價值給對方？

不過這確實不是你死我活的問題。有損失的分享通常都是真誠的，但轉推也未必不能真誠。經歷過分享意味着損失的時代，比較容易理解這一點。讀寫授受本爲一體。閱讀也是寫作，聆聽也是歌唱。

（點此讀豎排版）

最近早起開始鋪牀。說來可笑，如此小事，我是去年看到赤峰幸生提及才開始實踐。我想成爲時尚的人，但很不喜歡買衣服，那麼至少可以做一些其它赤峰幸生在做的事，比如鋪牀。

鋪牀可以對抗 AI，因爲這件事 AI 沒法幫妳做。如果妳不做任何 AI 沒法幫妳做的事，就意味着妳做的事全都是 AI 可以幫妳做的，於是妳就什麼都不必做了。AI 沒法幫妳做的事做得越多，生活就越不可能被 AI 取代。

（點此讀豎排版）

過去人們以爲藍領工作最易被機器取代，白領可以安枕無憂。但直到目前爲止，機器依然沒有取代卡車司機，倒是不少辦公室文員工作被 Excel 取代了。同樣，LLM 如今已經能做很多事，但昨日爲了把六頁這樣的日文列表翻譯並整理成這樣的英文版，在 ChatGPT 的幫助下我依然花了兩個多小時。遇到的具體問題如下：

一、無論 ChatGPT 還是 DeepSeek 都無法自動識別那些圖片，說無法解析版式。於是我只能用 iOS 和 macOS 自帶的文字識別功能把裏面的文字手動拷貝出來，再丟給 LLM 翻譯。爲了在這一步儘可能保證準確，我是一年一年地拷貝，而非一整頁全選；

二、ChatGPT 的翻譯能力應該說已經相當夠格。拷出來的文字時有舛誤，例如「山田和樹指揮読売日本交響楽団」被識別爲「山田和 指 売日本交醬染」，但 ChatGPT 也能猜中意思並給出正確譯文。不過日文原版會把例如蕭邦夜曲 Op. 48, No. 1 植爲「Op. 48-1」，不合英文體例，需要手動校正。固然這只是簡單的全文替換操作，但必須人工審校整份列表之後才會知道有哪些類似的情況需要替換；

三、這張列表不算短，但我也萬萬沒想到這種長度能讓 ChatGPT 卡住。我把初步整理和校對完畢的整份英文列表發給它，請它幫忙轉爲 Markdown 格式。但它每次都在三分之一處停了下來，給出一句「接下來的內容會繼續以此格式進行」了事（！），屢試不爽。最後我只能把列表切成幾段，分段請它清理；

四、曲目名稱相對簡單，在英文裏都有通用寫法，但遍佈日本的各演出場地名是否有固定英文名稱，若無，是應該直接以羅馬字拼出日文讀音（例如東京文化會館 >> Tokyo Bunka Kaikan）還是自行譯爲英文，則是需要參考過往慣例和常識來決定的事，並不總有標準答案。換言之，是百分百的人工作業；

五、最後要將所有曲目名稱改爲斜體。這裏也有一些例外情況。例如蕭邦的 Op. 59 由三首馬祖卡構成，在曲目單裏被寫爲「Three Mazurkas, Op. 59」。這裏的 three 一詞並非曲目名稱的一部分，故不應斜體。我給出的指令如下：

Please add underlines around work titles below (i.e., the Markdown syntax for italics), but only around work titles. If an adjacent word is not part of the work title, please don’t italicize it.

結果 ChatGPT 和 DeepSeek 都依然把 three 變成了斜體。簡單來說，LLM 給出的 Markdown 文檔依然需要從頭到尾審校一遍。

或許我的用法不對，但老實說這次經歷並不讓我意外。許多沒有標準答案、需要判斷力的任務看上去微不足道，但都會讓 LLM 卻步。或許這算是 LLM 的一種 humility，未嘗不是好事。而我們的社會是否重視這些任務，決定了我們會生活在什麼樣的社會。

（點此讀豎排版）

這些帶着 LLM 逛博物館，請 LLM 陪讀的人大概真的很在乎「頭頭是道」和「快速學習」，同時真的很不在乎「身體感覺」。