情境優勢，而非品味

資料來源#

• Thread by @AndrewYNg

摘要#

在一封 2026 年 6 月、其餘篇幅都專注於迴圈分類的信中，Andrew Ng 順帶提出了一個觀點，悄悄重新界定了 wiki 最常被問到的問題：

「許多人把這項人類貢獻描述為『品味』，但我更傾向把它視為人類擁有情境優勢，因為這讓我們更清楚知道如何協助 AI 系統變得更好。這也說明了為什麼這一步無法自動化：只要人類知道某些 AI 不知道的事，就需要 human-in-the-loop，把這些知識注入系統。」

wiki 花了整整一頁詢問：品味究竟是真正的天花板，還是「只是另一項 AI 系統暫時做不好的 AI 能力，之後就會變得擅長」。Ng 的答案是：兩者都不是——這是類別錯誤。 人們所謂的品味，不是人類擁有而模型缺乏的能力；它是人類擁有、但尚未提供給模型的知識。「我們比 AI 系統更了解使用者，以及產品必須運作其中的情境。」

這個重新界定並非表面上的措辭變化。它改變了人類角色究竟是什麼類型的事物，因此也改變了什麼會終結它。（practitioner-opinion——Ng 沒有提供任何衡量方式，只是把這項偏好陳述為偏好。）

為什麼這個重新界定是承重結構#

它立即帶來三個後果，而且每一個都翻轉了 wiki 其他地方某項主張的方向。

1. 它讓人類角色可以被證偽。「品味」在定義上無法被證偽——你無法檢查模型是否擁有品味，只能看專家是否喜歡它的輸出。情境優勢則有真值條件：人類是否掌握模型沒有的資訊？ 你可以列舉這些資訊，也可以觀察清單逐漸縮短。

2. 它讓這個角色成為差距，而非護城河。 Ng 偏好這個框架的自身理由是工具性的：它「讓我們更清楚知道如何協助 AI 系統變得更好」。護城河是需要防守的東西；差距是可以填補的東西。照字面理解，「只要人類知道某些 AI 不知道的事，就需要 human-in-the-loop」這句話在同一口氣中同時陳述了人類的必要性，以及它的到期條件。 相較於它取代的品味框架，這對人類持久性的主張嚴格來說更弱，而 Ng 似乎就是有意如此。

3. 它把工作從培養轉移到傳輸。 如果剩餘的是品味，回應方式就是培養品味。如果剩餘的是情境不對稱，回應方式就是引導與傳輸——把知識從人類腦中取出，放進系統裡。這正是 Thariq Shihipar 的實地指南的用途；該指南在四天後發表，且沒有引用 Ng 的內容。

匯聚：未知的已知就是情境優勢#

Thariq 的四象限拆解點出了一個他稱為未知的已知的格子：「某件事如此理所當然，以至於我從未寫下來，但如果看見它，我會認出來。」

那就是從人類腦內看見的情境優勢。它之所以對持有者不可見，原因與它對模型不可見相同——沒有人會把理所當然的事寫下來。Ng 說人類的價值在於知道模型不知道的事；Thariq 說困難之處在於人類不知道究竟是哪一些事。合在一起看：

• Ng 提供判準。 只要不對稱存在，人類就必須參與。
• Thariq 提供協定。 盲點探索、訪談、原型與參考資料，都是用來在不對稱兩端泵送資訊的工具——在工作前、工作中與工作後皆然。

兩位實務工作者相隔一週、彼此沒有交叉引用，卻從相反兩端描述同一個對象。就人類實際上為何存在而言，這是語料庫中最強的跨來源匯聚。

令人不安的含意#

如果人類的必要性來自資訊不對稱，那麼每一項傳輸情境的產出物都會縮小這個不對稱。 CLAUDE.md 和 AGENTS.md、skills、記憶檔案、程式碼庫索引、production-sourced evals——整個外部化情境堆疊的存在目的，就是把人類知道的事移到模型能讀取的地方。在品味框架下，這些工具會放大人類；在 Ng 的框架下，它們則是逐一檔案地消耗人類的優勢，而且是刻意如此。

這不是反對撰寫這些東西的論點。它只是指出，wiki 最推薦的兩項實務——外部化你的情境，以及把人類判斷視為持久的剩餘——彼此存在張力，而 Ng 的框架正是讓這個張力浮現的原因。只有在不對稱再生的速度快於傳輸速度時，這些實務才一致：新的使用者、新的市場、新的產品、新的限制。它是否如此，是語料庫中沒有人提出、更不用說回答的經驗問題。

這個重新界定過於簡潔的地方#

Ng 的框架很好地解釋了部署不對稱，卻不太能解釋生成不對稱。

• 部署不對稱（Ng 是對的）。「我們比 AI 系統更了解使用者，以及產品必須運作其中的情境。」這是私人資訊。原則上它可以被傳輸，而這正是 Anthropic 的 400K-session 研究所衡量的：對問題的領域理解——而非編碼技能——預測了誰能從 agent 中產出高品質工作。Anthropic 將專業回報隨時間下降解讀為證據，表示「模型開始提供使用者目前帶來的關鍵判斷」。在 Ng 的框架下，這並不神祕：那就是情境差距正在縮小，而專業回報曲線正是觀察它縮小的儀器。
• 生成不對稱（Ng 沒有處理）。 DeepMind 的論點是，AI 可能受人類概念框架限制——不是缺少某項事實，而是無法原創出能夠表述該事實的概念。 Boden level-3 creativity也是如此：創造新的概念空間，不是靠更好的情境傳輸就能修補的資訊不足。如果人類的貢獻在於能發明模型無法發明的框架，那麼「知道某些 AI 不知道的事」在技術上雖然正確，卻完全具有誤導性。

因此，誠實的說法是：Ng 消解了品味問題的產品工作版本，卻讓研究前沿版本繼續存在。這與他寫作時所處的領域一致：0 到 1 的消費產品，在那裡缺少的知識確實是「我的女兒想從打字 app 得到什麼」，而不是新的概念空間。

反方：品味是資訊以外的東西#

最有力的反駁是，「品味」所指稱的某些東西根本不是知識，而是不確定性下的辨別——對各個選項建立可靠的偏好排序，即使你無法為任何一個選項說出明確的判準。Thariq 的調色事件就是清楚的案例：他擁有資訊（Claude 可以生成各種變體），卻仍然無法繼續，因為他無法評判這些選項。他的修正方式是取得判準——這其實是高一層次的 Ng 框架：缺少的是關於好看起來是什麼的資訊，而這些資訊可以取得。

語料庫中最艱難的例子最終支持 Ng，這是重新界定的一項有利證據。設計將是它接受考驗的地方：如果設計品味是情境差距，它就會縮小；如果它是在沒有可陳述判準下的辨別，它就不會。

相關連結#

• Research Taste as the Human Bottleneck — 這個重新界定所針對的頁面。它的核心開放問題（「品味是真正的天花板，還是下一個鋸齒狀谷地？」）預設品味是能力；Ng 則認為它是不對稱，因此既不是天花板也不是谷地，而是會隨情境傳輸而縮小的差距
• Unknowns as the Agentic Bottleneck — 不對稱的提取協定；Thariq 的未知的已知是從人類腦內看見的同一概念
• The Three Loops of AI-Native Building — 情境優勢正是人類位於中間迴圈的原因：人類是了解使用者的迴圈與撰寫程式碼的迴圈之間的傳輸者
• Returns to Expertise in Agentic Coding — 這是測量儀器。如果人類角色是可填補的情境差距，那麼專業溢價經測量後的下降就是差距正在縮小，並由使用資料追蹤
• Outsource Your Thinking, Not Your Understanding — Karpathy 的剩餘是理解，這比「品味」更接近 Ng 的「情境」；兩者都把人類定位在所知道的事，而非所能欣賞的事
• Agent Context Files — 傳輸機制，以及令人不安的含意：你寫下的每個技能檔案，都會消耗一點自己的優勢
• The Abstraction Barrier — Ng 框架無法觸及的極限案例：受人類概念框架限制，不是缺少某項事實
• Transformative Creativity — Boden level-3 作為情境傳輸無法修補的生成不對稱
• Why AI Lags at Design — 測試案例：設計品味要麼是情境差距（會縮小），要麼是沒有判準的辨別（不會縮小）
• Jagged Intelligence (Ghosts, Not Animals) — Ng 所取代的框架：「AI 先做不好、之後掌握的能力」假設品味本身就是能力
• Implementation Abundance Inverts Product Work — Ambrosino 將策展／品味命名為新的瓶頸，卻沒有追問品味是什麼；Ng 提供了讓瓶頸變得會消逝的答案
• Engineer PM Convergence — 實際後果：如果匯聚的技能是接近使用者，而非品味，那麼「以品味招聘」就是會消逝的策略
• Production-Sourced Evaluation — 將情境傳輸視為基礎設施：從真實使用情況取得 evals，將人類對使用者的私人知識移到模型能讀取的地方
• Andrew Ng — 這個重新界定的作者

開放問題#

• 不對稱再生的速度是否快於傳輸速度？ 在這個框架下，整個人類角色都取決於答案。語料庫中沒有人提出過這個問題。
• Ng 偏好這個框架，是因為它「讓我們更清楚知道如何協助 AI 系統變得更好」。這是採用這個框架的理由，並不是它為真的證據。經驗上，什麼能區分情境不對稱與能力差距？（Returns to Expertise in Agentic Coding 是最接近測量儀器的東西。）
• 如果人類的貢獻是注入情境，那麼人類是否可以被更好的情境管線取代——記憶、檢索、持續的 production 遙測——而不是被更好的模型取代？那會讓 human-in-the-loop 的到期時間取決於基礎設施路線圖，而非擴展曲線。
• Ng 是從 0 到 1 的消費產品角度寫作。當缺少的是概念而非事實時，這個框架是否仍經得起考驗？

資料來源#

• Thread by @AndrewYNg — Andrew Ng，The Batch，發表於 2026-06-30（practitioner-opinion）；情境優勢段落位於開發者回饋迴圈章節之中
• A Field Guide to Fable: Finding Your Unknowns — Thariq Shihipar，2026-07-04（practitioner-opinion）；未知的已知作為同一個對象，以及調色事件作為艱難案例