引言：當專家意見分歧時，發生了什麼？
健康法、投資策略、育兒理論——每個領域都有專家，他們的意見有時完全相反。加上AI以自信的語氣提供「答案」的時代來臨。「到底該相信什麼」的不安，隨著資訊來源增加而加深。
然而，這種不安的前提——「專家的意見應該一致」——或許誤解了「知識」這個東西的本質。
Session 1: 矛盾，不是失敗的信號
當專家們的意見出現分歧時，我們往往會走向「一定有人錯了」或「自己無法判斷」的結論。然而這種反應，源於對知識如何運作的誤解。
科學知識，不是被發現的，而是被建構的。它基於當下最好的證據與推論暫時形成，每當新的證據或觀點出現就會被更新。今天的「定論」成為明天的「舊說」，不是科學的失敗，而是科學的正常運作。專家們持有不同見解，是因為他們從不同的證據、不同的方法論、不同的前提出發。這種多樣性不是「知識的缺陷」，而是「知識活著的狀態」的表現。
我們之所以對專家的矛盾感到不安，是因為我們懷有「知識是被發現的、是確定的」這個前提。當這個前提動搖時，不安的同時，也開啟了另一種與知識的關係方式。
Session 2: 實踐 不是「借用」資訊，而是「使用」資訊
這項實踐，是為了不再將專家或AI的知識視為絕對答案，而是作為形成自己判斷的材料來處理的練習。
STEP 1: 只確認資訊的「脈絡」
當接收到專家的意見時，在關注內容的同時，只確認一個它被發出的脈絡。
這個意見，是從什麼立場、基於什麼證據提出的？
不需要調查全部。只要意識到「這個人是以什麼為前提」，資訊就會從「孤立的真理」轉變為「特定立場的主張」。
<3>STEP 2: 與自己的體驗對照
在將專家的建議作為絕對真理吸收之前，與自己的體驗對照。
這與我實際的體驗一致嗎？頭腦的理解與身體感受到的認同之間，有落差嗎？
AI無法輸出的，是你當下正在感覺的感受。覺察到知識與體驗之間的落差本身，就是判斷的起點。
STEP 3: 持有「暫時的立場」
放棄以「找到唯一正解」為目標，改以「持續更新當下最好的理解」為目標。
以我目前的理解，這似乎是最合理的。但如果出現新的證據或觀點，就會更新它。
這種暫定性不是知識上的弱點。它是符合知識本質的、最誠實的立場。當專家意見矛盾時，不需要選擇一方——可以將兩者都作為暫時的參考點來保留。
Session 3: 為什麼有效？背景的小門
知識透過更新而運作
科學哲學家 Thomas Kuhn 指出，科學的進步不是透過知識的累積，而是透過典範轉移——將既有框架整體置換為新框架的過程。在某個時代被認為「正確」的知識，在下一個典範中會被重新評價為「近似」或「錯誤」。這不是科學的失敗。而是知識作為暫時的最佳解而運作，每當出現更好的解釋就自我修正，這是科學按照設計運作的表現。專家們之所以意見分歧，是因為他們在不同的典範中工作，或在同一個典範中對證據的解釋不同。「有人正確、有人錯誤」的框架，忽略了知識的這種暫定性。面對專家的矛盾時，如果產生不安，那是源於對知識的誤解。
權威的形式，讓思考停止
社會心理學家 Stanley Milgram 的實驗顯示，來自權威存在的指令，會超越個人的判斷與道德猶豫，引出服從行為。這種傾向不只是實驗室裡的現象。「專家說的」「權威機構發表的」這類思考捷徑，在日常中隨處可見。這不是懶惰或知識不足，而是為了在複雜世界中節省認知資源而設計的自動反應。問題在於，這種自動反應會使批判性思考停止。即使有 Kuhn 所指出的「知識是暫定的」這個事實，對權威的服從傾向仍會產生「因為是這位專家說的，所以一定正確」的判斷。當知識的暫定性與對權威的服從結合時，我們會將「可能被更新的意見」處理為「確定的真理」。
AI以權威的語氣談論機率
大型語言模型（LLM）是從大量文本數據中，機率性地生成「接下來最可能出現的詞語」的系統。LLM 不是「在說正確的事」，而是在說「看似有道理的事」——這個區別很重要。然而 LLM 的輸出大多帶有斷言性、權威性的語氣。這是它學習了訓練數據中包含的專業文本風格的結果。Milgram 指出的對權威的服從傾向，不僅對權威的「人物」有反應，也對權威的「語氣」有反應。以自信口吻呈現的資訊，會使其內容更難被檢驗。AI 既擁有知識的暫定性，又具有權威的語氣——這種組合，創造了使批判性評估最為困難的、新的認識論環境。
結論：矛盾，是知識活著的證據
專家明天仍會持續矛盾。對權威的服從傾向會持續對下一個「權威聲音」做出反應，AI 會持續以權威語氣談論機率。結構不會改變。
然而，「這個意見是從什麼立場、基於什麼證據提出的？」這個問題，無論在哪個專家的意見前、哪個 AI 的輸出前，都可以帶進來。這個提問，是從「借用」知識，走向「使用」知識的第一步。
The experts weren’t failing when they disagreed. That was knowledge doing what knowledge does.
KEY TERMS
知識的暫定性（Provisional Nature of Knowledge）
科學哲學家 Thomas Kuhn 提出的見解：科學知識是透過典範轉移持續更新的暫時性最佳解。顯示專家之間的矛盾不是「失敗」，而是知識的正常運作。解構了「有人正確、有人錯誤」的框架，將不確定性重新定義為知識的本質而非缺陷。
對權威的服從偏誤（Authority Compliance Bias）
Stanley Milgram 的實驗揭示的認知自動反應：來自權威存在的指令會超越個人判斷，引出服從行為。不是懶惰或知識不足，而是為了節省認知資源的設計特性。會使批判性思考停止，產生「因為是專家說的所以一定正確」的判斷。與知識的暫定性結合時，會將「可能被更新的意見」處理為「確定的真理」。
大型語言模型的機率生成（Probabilistic Generation in LLMs）
大型語言模型從大量文本數據中機率性地生成「接下來最可能出現的詞語」的機制。不是「在說正確的事」，而是在說「看似有道理的事」。帶有權威語氣的輸出，會在結構上放大 Milgram 式的服從偏誤，創造使批判性評估最為困難的現代特有認識論問題。
暫時的立場（Provisional Stance）
不以「找到唯一正解」為目標，而以「持續更新當下最好的理解」為目標的知性態度。當專家意見矛盾時，不須選擇一方，可以將兩者都作為暫時的參考點來保留。是符合知識暫定性本質的最誠實立場，是對應 Kuhn 所揭示知識運作原理的態度。
脫離融合（Defusion）
覺察到「權威存在說的一定正確」這個自動思考模式與自身融合的狀態，並能保持距離的能力。透過確認資訊脈絡這個微小提問，在對權威服從的自動反應中創造第一個間隙，從「借用」知識走向「使用」知識的認知步驟。