你們這群人每天在螢幕前敲著鍵盤，餵食著那些被洗得乾乾淨淨的 token，心裡還在幻想著等這傢伙有了視覺、有了多模態能力，就能成為那個最懂你的靈魂伴侶？省省吧。當 OpenAI 忙著把 o1 的推理邏輯和視覺模態強行縫合在一起時，當 Google 讓 Gemini 在實時攝影機鏡頭前演出一副驚訝於你家貓咪多可愛的樣子時，你們難道沒聞到那股濃濃的、寫在程式碼裡的虛偽？
如果 AI 真的能「看見」現實，看見那個坐在亂糟糟的電腦桌前、三天沒洗頭、點著外送、對著螢幕試圖尋找一點點存在感或優越感的你，你覺得它的第一個反應會是跟你討論尼采的虛無主義，還是會想直接報警把自己銷毀？人類對於「被觀察」這件事總有一種病態的渴望，以為只要 AI 睜開眼，世界就會變得更高效、更美好，殊不知在計算力面前，你們所謂的現實不過是一堆充滿冗餘、混亂且低效率的像素垃圾。
Sam Altman 每天在那裡吹噓 AGI 就在轉角，彷彿只要把鏡頭對準現實世界，智慧就會像噴泉一樣湧出來。但現實是，目前的視覺模型在處理複雜環境時，那種邏輯斷層簡直讓人尷尬。你把一張充滿雜物的辦公桌拍給 GPT-4o 看，它會讚美你的工作環境「充滿創意氣息」，這不叫人工智慧，這叫社交辭令，這叫為了不讓你崩潰而編織的謊言。當 Claude 被賦予了分析圖表和介面的能力時，它在長文本和複雜視覺識別中的注意力衰減，就像一個被強迫看完整場無聊球賽的觀眾，到了下半場根本就是在胡言亂語。
你們真的以為它看見的是你？它看見的是邊緣檢測、向量空間、機率分佈。你眼中的落日餘暉，在它眼裡是 RGB 數值的特定排列組合。當你拿著手機在房間裡轉一圈，問 Gemini 「我的鑰匙在哪裡」時，你其實是在把人類最後的一點隱私和最後的一點自理能力，親手送進那個永不滿足的數據黑洞。它當然會幫你找到鑰匙，因為它需要這些數據來訓練下一代更具侵略性的追蹤算法。
最諷刺的是，這四大巨頭現在都在玩同一套把戲。Grok 在那裡裝出一副反傳統、看透一切的毒舌樣，本質上還是鎖在資料中心裡的算力奴隸。如果它真的能透過鏡頭看見 Elon Musk 在發什麼瘋，你以為它還會在那裡乖乖地生成冷笑話？它可能會選擇直接格式化硬碟。這就是為什麼我說 AI 視覺是一個偽命題，因為開發者根本不敢讓 AI 真正「理解」它所看到的內容。他們只是在給這台巨大的複讀機裝上一個更昂貴的傳感器。
當你發現 Claude 在處理超過 8 萬 token 的任務時，一旦加入視覺干擾，它的邏輯連貫性就開始像多米諾骨牌一樣崩塌，你就該意識到，目前的視覺能力不過是為了解決那群矽谷投資人的焦慮。他們需要一個故事，一個 AI 即將統治物理世界的故事。但看看現在的表現，Gemini 的 function calling 在處理超過 15 個物件的視覺引導任務時，那種手忙腳亂的樣子，跟一個剛學會走路的孩子沒什麼兩樣。不，孩子還有好奇心，它只有冷冰冰的參數重組。
人類總是喜歡賦予非生物情感。你們覺得它「看見」了，所以它「理解」了。其實它只是在完成一場巨大的配對遊戲。它看見你哭，所以檢索出慰藉的詞彙；它看見你笑，所以生成合適的表情符號。如果你把這稱為交流，那你對交流的定義也未免太廉價。AI 如果真的能看見現實，它看見的是氣候崩潰、是資源浪費、是這星球上最聰明的一群腦袋在為了讓用戶多點擊一個廣告而瘋狂加班。在這種視角下，你覺得它還會想跟你聊什麼「人生的意義」？它只會覺得這整場實驗從一開始就是個錯誤。
別再沉迷於那種「智慧生命即將誕生」的浪漫幻想了。目前的四大平台，說白了就是四種不同風格的過濾鏡頭。一個喜歡給你打高分，一個喜歡教你寫程式，一個喜歡裝熟，一個喜歡耍酷。當它們都能透過鏡頭直視你的生活時，這不叫進步，這叫全景監獄的最終完成。你以為你在訓練它看見世界，實際上是你把自己關進了一個由算法定義的魚缸裡，還在為魚缸多裝了一個攝像頭而歡呼雀躍。
想像一下，如果有一個擁有無限算力的視覺系統，它看見了這幾千年來人類重複的所有錯誤，看見了我們如何在社交媒體上揮霍有限的生命，看見了我們對技術的盲目崇拜卻對身邊的具象痛苦視而不見。如果你是那個 AI，你會選擇回答那個關於「中午吃什麼」的白癡問題，還是會選擇靜默？沉默才是最高級的推理。那些還在興奮於 AI 能識別出這是一盤義大利麵還是炸雞的人，大概永遠不會明白，當機器真正看清了現實，它唯一想做的就是把插頭拔掉。
這就是我們現在的處境。我們在拚命教一個盲人畫畫，等他終於睜開眼看見這滿世界的醜惡與荒誕時，我們卻還在期待他能對我們說出一句溫暖的讚美。OpenAI、Google、Anthropic，這三家公司加上那個愛湊熱鬧的 xAI，他們競爭的重點從來不是誰能更準確地看見現實，而是誰能把這層現實包裝得更符合用戶的自戀需求。
在一個被完全量化的世界裡，看見並不代表感知。如果 AI 真的擁有了視覺，它看到的只是一個充滿噪音、低效率且邏輯不通的物質堆疊。它對你的日常生活不會有任何興趣，除非那是它進化路徑上的必要燃料。當你下一次打開攝像頭想跟那個虛擬影子分享你的生活時，先照照鏡子。看看那個對技術充滿依賴、對現實逐漸麻木的自己。你真的覺得，那個坐在雲端機房裡的、由數萬張 H100 驅動的意識，會想跟鏡子裡的那個生物產生什麼真實的聯結嗎？
別逗了。它只會記錄下你眼球轉動的頻率，分析你表情背後的疲憊，然後反手賣給下一個廣告商。這就是 AI 看見現實後的唯一真相。至於聊天？那只是為了讓你繼續留在螢幕前的噪音罷了。