從問卜到算分：把未知變成可操作建議的兩條路
問題設定：為何會有「數碼占卜」的比喻
近年常有人把推薦系統、信用評分、生成式模型比作「數碼占卜」。這個比喻並非全無道理：兩者都以過去的資訊歸納出模式，並輸出對未來的推測與建議。不同之處在於，傳統占卜以象徵語言呈現，AI 以分數與排序呈現。本文嘗試把兩者放在同一框架下檢視：哪些地方相似、哪些地方本質不同、以及如何避免把 AI 當成新的神諭。
共同骨架：以資料→規則→輸出安頓不確定
占卜把出生時刻、卦象或牌面視為輸入，以口訣與師承案例作規則，輸出「宜與忌」與行動步驟。AI 把點擊、停留、位置、社交關係、交易紀錄視為輸入，以統計與機器學習作規則，輸出推薦清單、信用分、風險係數與動態定價。兩者的共同點很清楚：都把龐雜訊號壓縮為可讀的建議，讓人不必直面完全的未知。
輸入與儀式：抽籤與下拉刷新
占卜的洗牌、擲筊與點香，是把焦慮轉化為流程的「儀式」。在數碼生活裡，也有對應的儀式：下拉刷新、按「再試一次」、改一個關鍵字。這些動作把等待變成可執行的步驟，並讓人相信「再來一次會更好」。形式不同，心理作用卻相近——都在把不確定收束為可控的節奏。
輸出的語言：吉凶句子 vs. 機率分數
占卜輸出「今日宜出行」「今年宜守不宜攻」，強項在可解釋與可交談；AI 輸出「點擊率 0.73」「違約機率 3.2%」「匹配度 81%」，強項在可計算與可操作。前者讓人明白「為何如此」，後者讓系統可以直接行動（調整利率、排序內容、改變保費）。於是「故事」與「分數」分別安頓了不同的需要。
對位例證：把占卜語境換成當代場景
一是日常節奏：翻通勝看「今日宜／忌」對位於打開 App 的「今日為你精選」。二是財務風險：財帛宮與流年之說，對位於信用分與保險遙測（煞車頻率、時段風險）。三是關係配對：合八字或合盤，對位於交友平台的行為向量與地理半徑。四是群體預警：天象兆頭，對位於社交媒體情緒、交易異常與疫情指標。這些對比顯示，兩者處理的是同一種需求：在有限資訊下安排下一步。
為何看起來「都很準」：共同的心理機制
占卜與 AI 都會觸發幾個相似機制。其一是巴南效應：含糊而正面的描述容易令人「覺得被說中」。其二是自我實現：當你按建議行動，結果更像原本敘述。其三是選擇性記憶：人傾向記住成功案例，忽略失準時刻。AI 另一個常見問題是訓練資料的樣本偏差：如果過去存在不公平，模型會把偏差包裝成效率，進一步加深「說中」的錯覺。
關鍵差異：可驗證性、規模與介入方式
相似不等於相同。AI 與占卜的核心差異至少有三點。第一，可驗證性：AI 可以用留出資料、線上實驗與事後指標量化好壞；占卜較難在同一條件下反覆檢驗。第二，規模：模型一旦上線，可同時影響上億人的排序與價格，外部性巨大；占卜多半是一對一。第三，介入方式：AI 不僅預測，還直接介入結果（調額度、改價格、換內容），因而更需要邊界與監督。
真正的風險：把工具當神諭
把 AI 當作新的神諭，會帶來四種風險。其一，偏見擴散：以過去不公平資料建模，會讓某些人長期處於不利排序。其二，路徑依賴：只看「你可能喜歡」，視野越收越窄。其三，責任外包：把決策推給黑盒，組織失去反思能力。其四，誤用場景：在高風險領域以「相似人群的表現」取代專業證據，容易造成實際傷害。這些問題與占卜的爭議雖不同，但在「把不確定交由外部權威處理」的層面上相通。
如何避免「數碼占卜化」：把 AI 拉回工具的位置
要讓 AI 不被神化，可採取幾項原則。首先，用途限定與資料最小化，讓模型只在合適場景運作。其次，提供可理解的解釋層，至少揭示主要特徵與適用範圍。再次，進行反事實測試與偏差監測，確保不同群體的影響差異在可接受區間。另需保留人工決策與申訴機制，提供第二意見與更正通道。最後，允許使用者退出某些追蹤或個人化，避免被動被塑形。
結語：承認需求，設計邊界
當代 AI 之所以像「數碼占卜」，是因為兩者都回應了同一種人類需求：在不確定中尋找可行的方向。差別在於，AI 的影響力更廣、介入更直接，也因此更需要清楚的邊界與問責。與其把 AI 當作新神諭，不如把它當作一套需要被管理的基礎工具：在能被檢驗的地方發揮長處，在需要安撫與對話的地方保留人的判斷。只要我們不把分數當命運、不把排序當真相，AI 就不會淪為「數碼占卜」，而會成為幫助我們處理不確定的實用機制。
