我們很喜歡問：
AI像什麼？
像助理。
像工程師。
像分析師。
多個AI一起工作，又說像一個團隊。
這些比喻很好用。
至少讓陌生的東西先有一個入口。
問題是，比喻借久了，我們很容易連人的限制也一起借進去。
一個人一次只能待在一個地方。
注意力有限。
一天只有二十四小時。
經驗綁在一個身體、一段職涯裡。
團隊再大，也很難同時認真保留幾百條互相競爭的思路。
這些對人太自然，所以我們很少把它們叫作限制。
但它們究竟是「智慧的限制」，還是「人類這種智慧的限制」？
這兩句話差很多。
《明思》的，在這裡不是替AI想更多用途。
而是先做。
把那些一直被當成理所當然的條件，一個個拿起來看。
智慧一定只能沿一條思路往下走嗎？
一定要很早收斂嗎？
一定要把沒有選中的假說丟掉嗎？
一定要把經驗綁在某一個人的生命史裡嗎？
如果這些都只是人的條件，那麼一旦換了另一種智慧，能力的形狀可能根本不一樣。
例如一個複雜異常。
人類團隊通常會先提出幾個假說。
A。
B。
C。
D。
資料往下追後，A看起來最可能。
資源自然集中到A。
B、C、D慢慢退場。
這很合理。
因為人的時間有限，工程師不可能讓四條路各自養三個月。
但如果AI可以低成本保留不同分支，事情就可能不同。
A繼續累積自己的證據。
B也繼續。
C沒有因為暫時落後就消失。
D甚至在一個月後，因為新資料重新變得重要。
這不只是「一次多想幾個」。
真正不同的是：
原本必須被放棄的認知路徑，可以繼續擁有自己的歷史。
但《明思》不會因為「平行很多」就立刻鼓掌。
還要。
如果A、B、C、D使用同樣的資料，
同樣的成功標準，
同樣的評價方法，
只是換幾個不同說法，
那四條路仍然可能一起走錯。
所以真正值得保留的，不只是數量。
而是：
差異。
不同假設。
不同證據。
不同時間尺度。
甚至不同的判定標準。
否則所謂平行，只是把同一個偏見複製很多份。
這也是為什麼，不能一直拿「像幾個人」衡量AI。
一個系統可以同時保留五十條認知路徑，不代表它等於五十個工程師。
五十個工程師有身體。
有位置。
有不同經驗。
有不同責任。
AI的平行則可能是另一種結構。
它不是比較多的人。
它只是根本不必按照人的工作方式存在。
這裡，《莊子》的小大之辯很有意思。
小鳥飛幾丈，就覺得已經足夠。
大鵬卻要借九萬里的風。
重點未必是誰比較高級。
而是尺度不同，合理的世界也不同。
如果硬拿小鳥的飛法評價大鵬，問題可能從一開始就問錯了。
AI也一樣。
如果我們一直問：
它像哪一種員工？
一次可以頂幾個人？
效率是人的幾倍？
我們可能只是在把另一種能力硬塞進人的尺寸。
這會帶來一個更大的變化。
過去很多認知活動很少做，不是因為沒有價值。
只是太貴。
長期觀察很貴。
保留少數異議很貴。
同時追蹤十種假說很貴。
把失敗路徑完整留下來也很貴。
公司不可能永遠派一群人，只為了等某個低機率訊號三年後回來。
如果AI把這些成本壓低，真正改變的就不是：
同樣的工作做得更快。
而是：
某些過去因成本太高只能偶爾進行的比較、觀察與檢驗，開始有機會成為日常。但能做得更頻繁，不等於每次都值得做；仍要看問題是否需要這樣的尺度。
這才是尺度真正變化的地方。
所以《明思》的，在這裡也不只是把問題移到另一個部門。
它甚至可以把「思考單位」本身移掉。
以前問：
一個人怎麼把這件事想清楚？
以後可能要問：
這件事需要多少條認知路徑同時活著？
需要多久？
哪些差異不能太早合併？
哪些訊號值得一直留著？
這時候，人仍然重要。
但不再是所有能力的標準答案。
AI也不必努力長得像人，才算成熟。
比喻可以借。
只是不要把借來的房子，當成它最後的形狀。
如果AI真正有價值的能力，恰好是那些根本不像人的地方，我們還要拿人當它的標準答案嗎？