為何模式化的故事比隨機性更能安撫人心？

人很難長期忍受純粹的隨機。

當一件事發生，而我們無法知道原因時，理性上最誠實的答案往往是：「目前無從判斷。」可是，這句話很少令人安心。人更容易接受一個粗略但完整的說法，例如「你最近運勢轉弱」﹑「市場正在換板塊」﹑「你只是處於轉型期」﹑「演算法覺得你可能喜歡這類內容」。這些說法未必更接近真相，但它們有一個共同功能：把混亂放進一個可理解的框架。

人類偏好模式，因為大腦本來就需要壓縮世界。外界訊號太多，事件太雜，時間太快。如果每一件事都被視為獨立、偶然、沒有方向，人就很難決定下一步。模式化故事的作用是把分散的事件整理成一條線，讓人覺得事情有前因後果，自己也仍然有位置可以行動。

這正是為甚麼「因為 A，所以 B」這類句子特別有力量，因為它降低情緒壓力。當一個人失業，如果答案只是「市場有很多隨機因素」，這未必能安撫他。但如果有人說「你之前的行業正在收縮，你現在需要轉向更高槓桿的能力」，這句話即使未必完全準確，也會立即提供方向。人需要一個能讓自己繼續行動的結構。

古代的占星、八字、擇日、抽籤，本質上都在處理這個問題。它們把不可控的命運轉化成可閱讀的符號，把未知變成「宜」與「忌」，把混亂的時間變成可以分辨進退的節奏。這些系統不一定能準確預測現實，但它們提供一種心理秩序：今天適合守，明天適合進；這段時間要收斂，下一段時間可突破。對處於不確定中的人來說，這種秩序本身已經有安撫效果。

到了 2025 至 2026 年，這種模式化故事沒有消失，只是換成技術形式。推薦系統說「你可能喜歡這個」。AI 搜尋直接替你組織答案。代理型 AI 開始替人執行任務。OpenAI 在 2025 年推出 Operator，讓 AI 可以使用瀏覽器處理表格、購物、訂餐等重複性任務；Google 在 2026 年把 AI Mode 進一步推向代理式搜尋，讓使用者讓 AI 代為組織、追蹤和完成部分行動。這些發展共同指向一件事：模式不再只是解釋世界，它正在變成世界的操作介面。

這就是今日與過去最大的分別。以前的模式化故事主要安撫人心，例如命理、宗教、儀式、財經評論、人生建議。今日的模式化故事開始直接影響行動。你看甚麼內容、買甚麼產品、相信甚麼資訊、接觸甚麼觀點、如何理解一件新聞，越來越多都先經過系統整理。Google 在 2025 年已經把更多代理能力與個人化回應放入 AI Mode，強調搜尋可以「替你做更多事」；到 2026 年，AI 搜尋再進一步成為一種可要求代理協助的入口。這是人與世界之間的中介層變厚了。

人會接受這種中介，原因並不難理解。隨機瀏覽太累，自己比較太累，從大量資訊中找出有用訊號也太累。推薦系統與 AI 助理提供的是一種減少不確定的安排。它們幫你判斷甚麼可能重要，甚至幫你把下一步行動拆出來。這種服務之所以有吸引力是因為它替人把混沌變成可處理的路徑。

今日的演算法與古代的占卜在功能上有某種相似之處。兩者都把複雜訊號轉換成簡化指引。占卜說「這段時間不宜冒進」，推薦系統說「這是你可能感興趣的內容」；八字說「你適合某種路徑」，職涯測評說「你的特質適合某類工作」；擇日說「這天較順」，日程工具說「根據你的工作節奏，這時段較適合安排深度任務」。它們背後的知識系統不同，但心理作用相近：降低選擇壓力，提供一種可相信的順序。

儀式與規則也有同樣功能。很多人以為儀式是非理性的，但儀式真正的作用是降低情緒波動。固定的會議流程、開場白、報告格式、審批步驟、宗教儀式、運動員上場前的習慣，本質上都是把不確定轉化為可重複的程序。結果未必因此更好，但人會更穩定。當每個人都知道下一步是甚麼，團隊就比較容易合作；當自己知道該做甚麼，焦慮就不會完全佔據行動。

投資世界尤其能顯示這一點。市場充滿隨機性，但投資者很少能接受「短期價格大部分無法預測」這個事實。於是，市場敘事不斷出現：週期、板塊輪動、資金避險、估值修復、AI 產業鏈、降息交易、風險偏好回升。這些說法有時有分析價值，有時只是事後合理化。但它們共同提供一種行為邊界。當投資者相信某個週期故事，他就較容易制定分批進出、止損、持有或轉倉策略。故事不一定令他準確，但可能令他不至於完全被恐懼和貪婪牽著走。

健康管理也一樣。身體訊號往往模糊，疲勞、失眠、心悸、消化不良、焦慮，都可能有多種原因。人若只面對一堆無法解讀的感覺，很容易陷入恐慌。於是人會建立故事：「最近壓力太高」﹑「睡眠不足」﹑「飲食不穩」﹑「訓練過量」。這些故事未必一開始就正確，但它們提供方向。現代穿戴裝置則加入另一層模式化：心率、睡眠分數、壓力指標、步數、恢復狀態。最有效的方式是讓故事提供假設，讓數據負責檢驗。

這說明一件事：模式化故事真正有用的地方是它能把人從停滯中拉回行動。人在壓力場景中，通常最怕的是完全沒有方向。分手後，人需要理解關係為何失敗；轉工前，人需要理解自己處於哪個階段；搬遷前，人需要相信這是某種過渡。故事讓人把自己放進時間裡，知道過去如何導向現在，現在又可以如何通向下一步。

但安撫有代價。模式一旦太穩定，就會開始吞噬例外。人很容易把趨勢誤認成定律，把標籤誤認成人本身，把一次經驗誤認成長期命運。星座、生肖、性格測驗、命理、職場分類、消費標籤、推薦系統，都可能產生這種問題。它們原本只是幫助理解的工具，但一旦被當成不可質疑的答案，就會令人的觀察變窄。你以為自己更了解世界，實際上只是更熟悉某一套分類。

推薦系統的風險尤其明顯。它表面上提供個人化，實際上可能慢慢收窄人的探索範圍。你越點擊某類內容，系統越餵給你相似內容；你越停留在某種情緒，系統越學會用相似刺激留住你。久而久之，人會以為世界本來就是這樣，但那只是被模式化之後的世界。這種狀態是一種演算法時代的命運感：你被自己過去的行為預測，然後又被預測結果反過來塑造。

AI 搜尋與代理系統進一步加深這個問題。當 AI 直接替你整理答案、設定任務、追蹤資訊、甚至代你行動，人與不確定之間的距離會被拉開。這有好處，因為它減少摩擦，提高效率。但它也有風險，因為人可能越來越少親自接觸原始混亂。若所有資訊都先被 AI 壓縮成合理敘事，人就會逐漸失去辨認噪音、矛盾、例外與不完整資料的能力。

真正成熟的做法是讓模式保持可更新。故事可以用來定方向，但不能用來封死現實。每一套敘事都應該附帶失效條件：如果出現甚麼反例，這個故事就需要修正？如果結果沒有如預期發生，是現實改變了，還是原本的模式太粗糙？如果一個推薦系統一直餵給我相似內容，我是否需要主動加入隨機輸入？這些問題決定人是使用模式還是被模式使用。

一個可行的方法是把模式當成假設。面對不確定時，可以先用故事整理方向。例如「我最近焦慮，可能與工作節奏失衡有關」；但接下來要用行動驗證，例如調整睡眠、減少訊息干擾、記錄情緒與身體變化。投資亦一樣，可以有週期判斷，但必須設定止損、倉位和反向情境。人際判斷也一樣，可以先觀察一個人的行為模式，但不能用星座、MBTI 或單一印象替代具體證據。

另一個方法，是保留一部分有意識的隨機性。隨機不是敵人。人在探索階段需要隨機，因為太早模式化會令自己只能在舊框架裡轉圈。隨機閱讀不同領域的文章、和不同背景的人交流、旅行、嘗試陌生工具、故意接觸與自己立場不同的觀點，都可以打破系統對你的既有預測。模式適合執行，隨機適合發現。沒有模式，人會散；沒有隨機，人會窄。

所以，問題在於人是否知道故事只是工具。人類需要故事，因為純粹隨機太難承受。故事把混亂壓縮成路徑，把焦慮轉化成步驟，把不確定變成可以暫時行動的方向。這種功能不應被嘲笑。很多時候，人能重新站起來，因為找到一個暫時可用的解釋。

但故事若要成熟，就必須接受校正。它要能被數據修正，被經驗反駁，被例外打開，被時間更新，不能更新的故事只會變成命運感。這也是 AI 時代需要警覺的地方：我們正在進入一個由機器不斷為人生成模式、整理故事、提供路徑的時代。這會大幅降低生活摩擦，但也可能令我們更少面對真正的未知。

模式化的故事之所以比隨機性更能安撫人心，是因為它更接近行動。人需要的是下一步。但如果下一步永遠由既有模式替我們安排，人就會失去重新發現世界的能力。重要的是在兩者之間保持彈性：用模式落地，用不確定防止自己被模式封閉。