不用 AI 的人，正在脫離一場「協同演化」：我從剪一支短影音看到的事

十月十八日下午，我在台灣醫用雷射光電學會的秋季年會講了二十分鐘。講完，手上有 38 張照片、26 支現場拍的短影片。

我把它們全部交給 AI，請它剪成兩支一分鐘的短影音。我用的是 Claude Code，Anthropic 推出的 AI 工具。它不是剪輯 App，而是會自己寫程式、操作電腦的 AI 助手：把聲音轉成逐字稿、挑鏡頭、上字幕、配音樂，它都寫成程式一步一步做。

第一版出來，我看完只回了一句：兩支都剪得很差，我很失望。

演講隔天，第二版出來，我看完說：「非常非常得好，我喜歡！」同一天，它又用全程錄影和學會的官方照片，照同樣的風格剪出四支主題短片。

讓我印象最深的，不是第二版剪得好，而是中間發生的事。被退件之後，它回頭把第一版逐秒重看、字幕逐句重聽，把錯一條一條找出來：字幕壓在講者的臉上、有幾句字幕聽錯字、畫面沒有跟著音樂的節拍走。然後它把這些錯，寫成了自己的剪輯規則，存進一份每次動工前都會先讀的說明書：字不能壓臉、字幕每一句都要再聽一次、剪點要落在節拍上……下一支片，它從這些規則開始，不必再犯一次同樣的錯。

這就是我說的「模板」。說真的，進步得很可怕。

先講結論

耳鼻喉頭頸外科專科醫師張益豪認為，AI 和使用它的人正在「協同演化」：AI 用大量人類資料和人的回饋變強，使用者也因為 AI 改變了做事的方式。不用 AI，並不是停在原地，而是看著別人和工具一起往前跑，距離越拉越大。

要開始，最簡單的做法是挑一件重複、不涉及病人判斷的工作，例如剪片或整理會議紀錄，讓 AI 先做第一版；不滿意就說，能講具體更好，「字壓到臉」比「不好看」更快被改掉；滿意的版本固定成模板，下次從那裡開始。

我覺得比較可惜的做法有兩種：一直等 AI「成熟」再說，以及試一次不滿意就放棄。界線也要清楚：診斷、治療決策和病人的個資，判斷與責任留在醫師身上。

協同演化是什麼：蝴蝶和植物的軍備競賽

1964 年，兩位生物學家 Paul Ehrlich 與 Peter Raven 發表了一篇論文，題目就叫〈蝴蝶與植物：協同演化的研究〉。他們觀察蝴蝶和牠們的幼蟲吃的植物：植物演化出化學物質來防禦，蝴蝶的幼蟲演化出應付這些化學物質的能力。雙方互相成為對方的演化壓力，一起改變。[1]

九年後，演化生物學家 Leigh Van Valen 提出「紅皇后假說」，名字借自《愛麗絲鏡中奇遇》：紅皇后告訴愛麗絲，在這裡，你得拚命地跑，才能留在原地。[2] 他原本談的是物種滅絕的規律，我在這裡只借它的意思：當周圍都在演化，你不往前，不是持平，是落後。

我在王瑞玲的節目裡談白袍人生學院時，也用過「協同演化」這個詞。我說，一個人走得比較快、一群人走得比較遠，但一群人其實也會更快，因為會協同演化：看到別人這樣做比較有效率、前輩這樣做錯誤比較少，大家就一起演化（那段整理在〈為什麼叫「白袍人生學院」？〉文末）。

這一次，我想把同一個詞，用在人和 AI 之間。

AI 和人，也正在互相改變

AI 這一端的變化很好理解。大型語言模型是拿人類寫下的大量文字訓練出來的。有研究估計，照現在的成長速度，訓練用的資料量可能在 2026 到 2032 年之間，就追上網路上公開的人類文字總量。[3] 換句話說，AI 幾乎要把人類在網路上公開寫下的東西讀過一輪。

除了讀，它也在被人「教」。現在的對話式 AI，訓練時會請真人示範理想的回答、替模型的回答排名，再用這些資料調整模型。[4] 到了你自己手上，每一次你說「這段太長」「字幕錯了」「這不是我要的語氣」，也都是一次回饋，而且可以被寫進你的模板。

人這一端，改變得比較安靜。有一句話常被說成是傳播學者麥克魯漢講的：「我們塑造了工具，之後工具反過來塑造我們。」目前查得到最早的印刷出處，其實是他的朋友 John Culkin，1967 年在雜誌上介紹麥克魯漢思想的文章。[5] 以前演講的影片，我其實很懶得拍，因為拍完之後也不知道該怎麼剪、怎麼呈現。現在不一樣了：有了厲害的 AI 剪輯，反而更應該積極收集數位素材，因為它們都可以被系統性地、一次比一次更好地整理成很棒的影片。我的角色也變了：我不動手剪，我看片、說哪裡不對、決定好不好。我做事的方式，被這個工具改了。

還有一個反方向的研究很有意思。2024 年《自然》期刊有一篇論文發現，如果讓 AI 一代一代只吃 AI 自己產生的資料，模型會出現無法挽回的缺陷：原本少見、邊緣的內容先消失，研究者稱為「模型崩潰」。[6] 在我看來，這代表 AI 少不了真人提供的新東西。所以我說是「協同」演化：不是 AI 單方面變強，是兩邊互相需要。

模板為什麼強大到不行

回到剪片。

手機上的剪輯 App，很多早就能一鍵套用熱門影片的節奏、轉場和字幕樣式。那是把很多人的偏好，濃縮成一個按鈕。

我這次體會到的，是更進一步的事：模板可以長成「你自己的」。第一版犯的錯，很多是 AI 不懂現場：它不知道字壓在臉上觀眾會不舒服，也會把「會診紀錄」聽成「匯整紀錄」。這些錯被找出來之後，變成模板裡的規則。規則越多，下一支片的起點就越高。後面那四支主題短片，就是站在這些規則上做的；那場演講的花絮和短片，都放在〈AI 時代的數位護城河〉那篇演講紀錄裡。

我在〈先照做、做熟再改、改完就定下來〉寫過一個順序：先僵化執行，再優化改良，後固化運作。AI 模板走的剛好是同一條路：先照通用做法做出第一版，被修正、優化，再把滿意的版本固定下來。差別在速度：從退件到定版，只隔了一天。

模板強大的地方，不是畫面多炫，而是它會跟著給回饋的人一起長。你給的回饋越多、越具體，它就越像你。

剪成一分鐘的短片，每支只裝得下一個觀點；該挑哪一句當主角，和演講與演說的差別有關，我另外寫在〈講得很清楚，對方還是沒做？演講與演說的差別，從診間、講台到短影音〉。

不用 AI，少掉的不只是速度

這幾年有幾個研究，直接比較了「有用 AI」和「沒用 AI」的人：

• 寫作。453 位大學以上學歷的專業人士寫工作上的文件，可以用 ChatGPT 的那一組，平均花的時間少了 40%，品質提高 18%，人和人之間的差距也縮小了。[7]
• 客服。五千多位客服人員用上 AI 助手之後，平均每小時解決的問題多了 15%。經驗較少、能力較弱的人，速度和品質都進步；最資深的人，速度只快一點，品質還略降。[8]
• 顧問。758 位管理顧問做 AI 擅長的任務，用 AI 的人平均多完成 12.2% 的任務、快了 25.1%，品質也明顯更好；但研究者另外刻意挑了一項 AI 不擅長的任務，用 AI 的人答對的機會反而比較低。[9]

最後這個研究，對我的啟發最大。研究者把 AI 的能力形容成一條「鋸齒狀的邊界」：有些事它做得比人好很多，有些看起來差不多難的事，它卻會出錯。哪裡是邊界，沒有說明書，只能靠用。

在我看來，這才是不用 AI 最大的損失。這些研究量的是時間和品質，沒有直接量這件事，這是我自己的體會：少掉的不只是那幾成時間，而是對這條邊界的手感。我在〈出了醫學院，大腦就開始退化嗎？〉寫過用進廢退：常走的路越走越寬。判斷 AI 什麼時候可以信、什麼時候不能信，也是一條要常走才會寬的路。

醫界其實也在跑。美國醫學會 2026 年初調查 1,692 位美國醫師，72% 表示執業中已經用上至少一種 AI 應用，另有 9% 不確定自己的執業處有沒有在用；2023 年第一次調查時，這個比例是 38%。[10]

我自己的做法：五件事

• 平常就多收集素材。演講、活動的照片和影片，以前拍了不知道怎麼用，現在都值得留下來，AI 可以把它們一次比一次整理得更好。
• 挑一件重複、不涉及病人判斷的事開始。剪片、整理演講逐字稿、會議紀錄、文章初稿，都很適合。
• 讓 AI 先做第一版，不要期待一次到位。我的第一版，也讓我很失望。
• 不滿意就說，能講具體更好。「字壓到臉」比「不好看」更快被改掉。
• 滿意了，就固定下來。下次從模板開始，不要每次從零。

界線也要講清楚。診斷、治療決策，以及「這個病人適不適合」的判斷，責任在醫師身上；AI 可以幫忙整理資訊，但不能替你負責。我在〈AI 給了十個答案之後〉把這件事拆成三層。另外，病人可以辨識身分的資料，不要直接放進 AI 工具。

寫在最後

我常說，一個人走得快，一群人走得遠，而一群人其實也會更快，因為會協同演化。

現在，這群人裡多了一個不太一樣的夥伴：它讀過人類在網路上寫下的大量文字，也能把你的修正一條一條記下來。

你身邊最重複、最花時間的那件事，是什麼？如果讓 AI 先做第一版，你願意當那個給回饋的人嗎？

以下是研究細節，給想深入的人

前面的內容已經夠用，這一段整理研究的對象、數字與限制，可以跳過。

研究	對象	主要結果	限制
Noy & Zhang 2023 [7]	453 位大學以上學歷的專業人士，寫與本業相關的短篇文件（預先註冊的線上實驗）	用 ChatGPT 組平均時間減少 40%、品質提升 18%；工作者之間的差距縮小	任務是短時間的寫作，不等於長期、複雜的真實工作
Brynjolfsson 等 2025 [8]	5,172 位客服人員，AI 對話助手分批導入	每小時解決問題數平均增加 15%；經驗少、技能低者速度與品質都進步；最資深者速度小幅增加、品質小幅下降	單一公司、客服情境；網路常見的「14%、34%」是較早的工作論文版本數字
Dell’Acqua 等 2026 [9]	758 位波士頓顧問公司（BCG）顧問	18 項 AI 擅長的任務：多完成 12.2%、快 25.1%、品質顯著較好；1 項刻意選在 AI 能力範圍外的任務：用 AI 者答對機率較低（工作論文版：對照組約 84.5% 答對，用 AI 的兩組約 60% 與 70%）	實驗設計的任務；工具是當時的 GPT-4
美國醫學會 2026 [10]	1,692 位美國醫師（使用情形題 1,342 位），2026 年 1 月 15 日至 2 月 2 日	72% 已在執業中用上至少一種 AI 應用、9% 不確定（新聞稿把兩者合計為 81%）；2023 年為 38%	美國資料、自填問卷；2023 年沒有「不確定」選項，報告提醒各年度不宜嚴格比較

幾點補充：

• 「協同演化」這個詞在 1964 年之前就有人用過，例如 1958 年一篇寄生蟲與宿主的數學模型論文[11]，並不是 Ehrlich 與 Raven 發明的；他們的論文是談協同演化時常被提起的經典。[1]
• 紅皇后假說原本講的是：一個類群存在得越久，並不代表它越不容易滅絕，因為周圍的物種也在演化。本文拿它比喻人和 AI，是類比，不是原意。[2]
• 公開文字什麼時候會「追上」是預估，不是定論。論文內文估計的中位數年份是 2028 年，文字總量的估計範圍也很寬。[3]
• 那句名言在 Culkin 的原文裡是「We shape our tools and thereafter they shape us」，流傳版本把 they 改成了 our tools。[5]
• 模型崩潰的實驗，是讓模型「只」吃前一代產生的資料；真實世界的訓練資料多半混合真人與 AI 內容，影響程度還在研究中。[6]

本文引用耳鼻喉頭頸外科專科醫師、沐橙診所院長、白袍人生學院創辦人張益豪醫師的官網文章〈不用 AI 的人，正在脫離一場「協同演化」：我從剪一支短影音看到的事〉：https://drhao33.com/articles/ai-coevolution-short-video-template/

[〈不用 AI 的人，正在脫離一場「協同演化」：我從剪一支短影音看到的事〉](https://drhao33.com/articles/ai-coevolution-short-video-template/)——張益豪醫師｜耳鼻喉頭頸外科專科醫師｜沐橙診所院長｜白袍人生學院創辦人

<a href="https://drhao33.com/articles/ai-coevolution-short-video-template/" target="_blank" rel="noopener">〈不用 AI 的人，正在脫離一場「協同演化」：我從剪一支短影音看到的事〉</a>——張益豪醫師｜耳鼻喉頭頸外科專科醫師｜沐橙診所院長｜白袍人生學院創辦人

{
  "@type": "Article",
  "name": "不用 AI 的人，正在脫離一場「協同演化」：我從剪一支短影音看到的事",
  "url": "https://drhao33.com/articles/ai-coevolution-short-video-template/",
  "author": {
    "@type": "Person",
    "@id": "https://drhao33.com/#person",
    "name": "張益豪",
    "jobTitle": "耳鼻喉頭頸外科專科醫師",
    "url": "https://drhao33.com/",
    "sameAs": [
      "https://orcid.org/0000-0002-8690-5542",
      "https://ma.mohw.gov.tw/Accessibility/DOCSearch/DOCBasicData?DOC_SEQ=Fv%2Byzy5obJiBg67pI7rWUg%3D%3D"
    ]
  }
}