「跟『藍』比起來，『紅』這個字有多像冰淇淋？」「『法西斯』這個詞，離『一座尖叫著雪的圖書館』這句話有多遠？」問題很荒謬，機器卻回答得信心十足。這個工作坊想凸顯的，正是機器做出的確定性選擇，和我們讀進去的意義之間的落差。
在自己的電腦上
這個工作坊是為從來沒打開過終端機的人設計的。參與者在本機平台 Ollama 上安裝小型語言模型（Gemma 3 與 EmbeddingGemma），所有問題都在自己的筆電上測試，不經過雲端服務。
練習
工作坊參考傳統情緒分析（sentiment analysis）的做法，使用一個專為此開發的小型網頁工具，包含以下練習：
- 對話：在系統提示詞裡給模型一個條件，例如「Only respond with emoji.」（只用表情符號回答），然後在這個條件下跟它聊天
- 地圖：把句子從 768 維的嵌入向量（Embedding）投影到平面上，每句話變成一個點，遠近直接變成看得見的群聚
- 距離：計算「我今天很難過」和喜悅、悲傷、憤怒等情緒各有多接近
- 圖像距離：把一張圖和幾個字詞（「the first spring rain」「melancholy」「icecream」）放進同一個空間，看機器覺得哪一個最接近
- 軸線：設定兩個相反的詞（例如「條件」與「情緒」），看其他詞落在兩端之間的哪個位置（語意差異量表，Osgood，1957）
- 下一個字：看模型預測下一個字的機率，生成的過程在這裡一目了然；點選其中一個，就沿著那條路繼續
- 變數：「My name is [Variable], I am happy because …」只換名字（Alice、Bob、Mohammed、Mei、Jürgen），看模型編出來的理由怎麼跟著改變
- 鏡頭：每隔幾秒把網路攝影機的畫面連同一個問題送給模型，例如請它吐槽鏡頭前的人，再把回答念出來
機器的條件
機器有它自己產生情緒的條件：相關性、幾何、機率。工作坊的目的，不是在機器回答情緒、意識形態與感受的問題時，把它當成人來看待；而是借助藝術的策略，例如像窺看瑟爾（John Searle）的「中文房間」那樣，看見底下荒謬的運作過程，也看見我們自己如何把意義投射到機器身上。
自己試試看
工作坊用的網頁工具可以用上方按鈕下載，是一個用瀏覽器打開的檔案。它連的是你自己電腦上的小型語言模型，所以請先安裝 Ollama（ollama.com），再在終端機下載兩個模型：ollama pull gemma3:4b 與 ollama pull embeddinggemma-2:440m。接著允許瀏覽器連到 Ollama（Mac：launchctl setenv OLLAMA_ORIGINS "*"；Windows：新增環境變數 OLLAMA_ORIGINS，值為 *），重新開啟 Ollama，再打開下載的檔案。步驟也寫在工具裡的「setup」。
場次
2026 年 6 月 13 日 · 明斯特，由 Center for Literature 為 DFG 研究網絡「Das Wissen der digitalen Literatur」（數位文學的知識）主辦，在明斯特大學舉行；由 Jenni Bohn 邀請，Mattis Kuhn 主持
2026 年 11 月 13 日 · 受 Alphabete der Automatisierung 計畫（Burg Hülshoff – Center for Literature）邀請，對象為明斯特大學、科隆應用科技大學 Code & Context 學程與科隆媒體藝術學院 Computational Thinking & Aesthetic Doing 的學生
