【特約記者陳秀雯/編譯】當憤怒被放大、親密被模擬時，真理如何引導我們？
每到歲末，牛津與劍橋辭典公布的年度代表字，都像一面映照社會情緒的文化之鏡；而2025年的這面鏡子格外清晰。牛津辭典選出「rage bait」（引戰文／憤怒誘餌），劍橋辭典選出「parasocial」（擬社交互動）。
一個指向被操弄的怒氣，一個揭開被製造的親密——看似兩端，卻共同描繪出人類情緒如何在科技環境裡被重新塑形。
對基督徒而言，這既是文化觀察，也是屬靈提醒：人的心若無根基，就容易被時代的風浪吹動；若沒有真理，就容易被情緒牽引。
憤怒誘餌如何主導社群？
根據牛津辭典，「rage bait」指的是任何刻意激怒大眾的內容：挑釁語句、模糊議題、極端標題、煽動立場的圖卡。其目的不是提供真理，而是利用怒氣換取注意力。從這個定義，可以清楚看出現今正在浮現的以下幾個趨勢：
1. 演算法偏愛「衝突」
今日的社群平台以「互動」作為衡量內容價值的標準，而憤怒帶來的評論與轉傳，常遠高於理性討論。結果是：世界越分裂，平台越多收益。
牛津辭典語言部總裁Casper Grathwohl說：「過去網路以好奇心換取點擊，如今則以憤怒驅動流量」，這也呼應聖經警告的世代：「人的怒氣並不成就神的義。」（雅各書一章20節）
2. 憤怒誘餌的全球擴散
牛津辭典指出，「rage bait」的使用量在2025年暴增三倍，這反映出全球因網路社群造成的對立升溫。在這樣的環境裡，基督徒更需要操練「分辨的靈」，不被情緒、煽動式內容牽引。
擬社交互動與AI帶來新依附
與憤怒誘餌的怒氣相反，「parasocial」（擬社交互動）則揭露另一種危機：人的孤單感，正被科技無限放大與利用。劍橋辭典將其定義為：「某人對名人、媒體角色或AI產生的單向情感連結。」
這一詞源自1956年，當時芝加哥大學的社會學家注意到，越來越多觀眾把電視名人視為親密對象，形成一種並不存在於現實生活中的單向關係。
劍橋大學教授施納爾指出，「parasocial」成為年度字具有深刻意涵，因為越來越多人對網紅，甚至對人工智慧，產生強烈而單向的情感依附。許多人把 ChatGPT等AI工具視為朋友或情緒支撐來源，顯示這股現象正快速擴張，並呈現新的文化樣貌。當人開始對機器產生依附，分不清「情感」與「回應程序」，擬社交互動就成為新的情緒型態。
為何2025年特別明顯？在過去一年裡，多家科技公司推出能「展現人格」的個人化聊天機器人。AI不只提供回答，而是陪伴、肯定、模仿理解你。劍橋辭典最終在2025年正式更新定義，承認「AI也能成為擬社會連結的對象」。
再者，2025年兩大事件使擬社交互動搜尋量暴漲：一是網紅IShowSpeed與粉絲的衝突。一位自稱頭號粉絲的網友因情緒失控而被封鎖，引發全球討論，凸顯粉絲對網紅可能產生的強烈單向依附。二是全球粉絲對歌手泰勒絲（Taylor Swift）與球星特拉維斯．凱爾西（Travis Kelce）訂婚消息的反應；不僅出現大規模的情緒投射，甚至形成類似「被背叛」或「替她作決定」的過度投入現象。
這些事件讓大眾意識到：擬社交互動已不僅是行為科學概念，而是真實塑造網路社群情緒的力量。
科技如何同時操控兩者？
乍看之下，憤怒誘餌與擬社交互動兩個字指的是兩種對立情緒：一個火熱、激烈；一個溫暖、依附。但深究之後才發現，兩者其實指向同一個現象：
演算法正在重塑人的情緒，憤怒誘餌利用憤怒換取停留時間；擬社交互動利用孤單換取情感依賴。
不論人們處在氣憤、受傷、感動或渴望被理解，平台都能將情緒轉化為資料與商業價值。從信仰角度來看，這正是聖經所說「這世界的樣式」：一個將人心拆解成流量、將情緒當作商品的系統。
AI是本世代最強大的「心靈模仿者」。它學習你的偏好、你的脆弱、你的需求，然後精準地提供你「看似理解」的回應。這也是美國44位州檢察長在2025年致信科技公司，要求防止未成年人成為「聊天機器人式擬社交互動」受害者的原因。對基督徒而言，這不只是科技議題，更是「誰在牧養我們的心？」的問題。
怒氣與依附的共同根源：人的脆弱
兩大辭典的2025年度代表字為何如此一致？其實揭露同一現實：我們正在成為情緒上更容易受影響的世代。
憤怒誘餌的前提是：我們容易被激怒；擬社交互動的前提是：我們容易感到孤單。兩者都是真實需求的變形：憤怒，往往源自恐懼與無力，擬社交互動，往往源於缺乏安全感與被理解的渴望。
這讓人不禁反思：在這樣的文化潮流中，教會與信仰社群更需要成為「真實連結」的所在，成為孤單者的避風港，而不是另一個被演算法塑造的聲音場域。
2025年留下的問題：情緒可以被操控，但我們要把心交給誰？若說2024年的語言描繪現象，那麼2025年的語言則明確指出：人的情緒正在成為科技、演算法與商業角力的前線。憤怒誘餌告訴我們：怒氣可以被設計；擬社交互動告訴我們：親密可以被模仿。
在科技快速重寫情緒與關係的時代，我們更需要回到永恆不變的根基——
讓神來牧養人的心，而不是演算法。
