哈佛心理學家暨語言學家
Steven Pinker 指出了
知識詛咒（Curse of Knowledge）
是所有「壞文章」都共享的特徵
即使是聰明、知識豐富的人
如果缺乏換位思考與簡化能力
也會陷入「行話陷阱」
用一堆專業術語
縮寫與抽象概念
隔絕了絕大多數讀者
有趣的是
Pinker 發現 AI 在某些情況下
反而比專家更能避免知識詛咒
✅訓練來源跨領域
LLM 接觸過大量不同領域的文本
習慣以大眾可理解的方式表達
而非困在某一專業圈的行話系統中
✅語言傾向普遍化
在預測最可能的下一個詞時
模型會傾向選擇常用、易懂的表述
減少生僻術語出現的機率
✅補充背景和細節
LLM 在生成內容時
常自動包含背景介紹、過渡與收束
降低了讀者迷失的可能性
📌用 AI 化解知識詛咒
假設一位經濟學研究員
剛完成一篇論文，主題關於
量化寬鬆政策對通貨膨脹影響
（Quantitative Easing, QE）
這篇文章刊在一般新聞網站上
目標讀者是對經濟感興趣
但並非專業人士的群眾
❌傳統寫法
「本研究探討 QE 對 CPI 年增率之長期動態效應，透過 VAR 模型與脈衝反應函數（Impulse Response Function, IRF）分析，結果顯示在 12 個月內 M2 增速顯著正向影響通脹預期。」
➡️VAR、IRF、M2、CPI 等專業縮寫未解釋
➡️讀者不清楚 QE 是什麼，為何重要
➡️缺乏具體化呈現
✅AI 輔助重寫
你將原文輸入 LLM，並下指令：
「用不懂經濟學的高中生也能看懂的方式，重寫這段文字，保留研究重點，並加上一個生活化比喻。」
AI 可能給出：
「我們研究了一種叫做『量化寬鬆』的政策，它是中央銀行大量印鈔、買債，讓市場上有更多錢流通。我們發現，當市場上的錢變多，大約一年內，物價上漲的速度就會變快。這有點像派對上突然多了很多人想買蛋糕，蛋糕不夠分，價格自然就漲了。」
➡️簡單說明 QE，避免讀者迷失
➡️去掉縮寫，換成大眾化描述
➡️用「派對搶蛋糕」形象化解釋供需關係