“避免 AI”工作坊走红，图书馆回应公众对更多控制权的需求

TechCrunch 关于图书馆员的报道捕捉到了一场大型科技公司始终难以承认的冲突：许多人想要的是更少的 AI，而不是又一个采用它的理由。美国多个城市的图书馆正通过专门教授如何关闭不受欢迎的人工智能功能的工作坊，回应这一需求。

这些课程颠覆了熟悉的 AI 素养模式。参与者依然会了解生成式 AI 的运作方式，但课程的实践重点在于如何拒绝使用。图书馆员会演示设置、替代方案和变通方法，让人们能够选择哪些系统在自己的设备上运行。

其反响超过了普通计算机课程的到场人数。这一点很重要，因为科技公司常将 AI 的普及描述为不可避免的进程。这些工作坊揭示了另一种现实：即使用户仍未被说服，产品仍可凭借默认设置获得广泛分发。

“避免 AI”意外成为图书馆热门课程

一门朴素的技术课程，成为公众对不受欢迎 AI 功能感到挫败的显著标志。

南费城图书馆的图书馆员 Charlie Bailey 于 2026 年 6 月 29 日举办了一场时长一小时的“避免 AI”工作坊。官方活动页面承诺讲解如何关闭操作系统、应用程序和热门网站中的 AI 工具。

约有 20 名成年人参加了费城场次。Bailey 先概述了面向消费者的 AI 系统，随后带领参与者操作各自的手机和电脑。实践演示包括关闭 Apple Intelligence 和 Google Gemini 功能。

这种结构使该工作坊不只是一次反技术聚会。参与者会了解为何有人可能使用 AI 工具、为何另一些人可能选择不用，以及他们仍拥有哪些控制权。其目标是知情选择，而非一概拒绝。

Bailey 告诉 TechCrunch，对被强加的工具感到不满促使他推出了这项课程。人们不断遇到自己从未请求过的 AI 功能，而这些功能往往嵌入他们本已在使用的产品中。有些设置很难找到，另一些整合则只提供有限的退出选项。

该活动在线上获得的反响远大于教室容量。根据原始报道，图书馆的 Instagram 公告获得了超过 2,000 个赞和 220 次分享。报名人数超过首场工作坊可容纳的名额后，Bailey 又安排了一场活动。

这些数字与该账号平时的互动量形成鲜明对比。TechCrunch 报道称，许多图书馆帖子获得的赞通常不超过几十个。一场关于设置的工作坊触达了远超其所在社区的人群。

这个概念源自缅因州班戈公共图书馆的数字媒体图书馆员 Hannah Cyrus。Cyrus 在读者反复询问为何软件会撰写电子邮件、总结短消息，或在日常任务中插入 AI 生成的答案后，开发了自己的“避免 AI”课程。

她平常的计算机入门课程通常吸引约 12 名参与者。第一场“避免 AI”工作坊的报名人数达到 30 人，她随即关闭报名、建立候补名单，并增加远程参与方式。计入线上观众后，前两场活动每场约有 70 人参加。

Cyrus 后来发布了有关开发该工作坊的材料。来自不同地区的数十名图书馆员联系她，索取幻灯片和指导建议。她形容这种专业领域的反响，是此前教学工作从未带来过的。

随后，这一模式扩散开来。费城、缅因州和波士顿的图书馆员都为各自社区改编了这一想法。波士顿公共图书馆宣传了一场涵盖不可靠输出、隐私担忧以及限制 AI 功能方法的活动。

这正是 TechCrunch 图书馆员关键词背后的需求。不过，这些数字与其说是全国采用率的估算，不如说是一种信号：小型公共项目正在发现一批传统 AI 培训往往忽略的受众。

这类受众不需要又一场提示词写作研讨会。他们需要一张退出路线图。

为何 AI 退出需求正在上升

当某项功能先通过软件更新到来、而用户尚未决定自己是否需要它时，AI 疲劳感便会增长。

面向消费者的 AI 部署已从可选网站进入操作系统、搜索引擎、电子邮件服务、办公软件和移动应用程序。这种分发策略将 AI 置于既有工作流程中，无需人们主动寻找。

这种区别很重要。主动打开一个聊天机器人，与在搜索页面发现生成文本或在电子邮件中看到写作建议并不相同。前者是有意识的产品选择，后者则是由平台控制的默认体验。

默认设置降低了采用所需的成本，但也模糊了同意的边界。用户或许在技术上可以退出，却没有任何合理途径发现这一选项。设置可能在更新间变动、使用陌生的标签，或只能关闭某项功能的一部分。

“避免 AI”工作坊正是在设备层面弥合这一缺口。它们向人们展示控制选项在哪里、这些控制实际会改变什么，以及哪些功能无法被完全移除。这个过程将围绕 AI 伦理的抽象辩论转化为具体的设置菜单。

隐私是担忧的一个来源。人们想知道文本、图像、语音录音、搜索记录或设备活动是否会离开自己的电脑。他们也希望了解服务提供商是否会保留这些信息，或将其用于改进模型。

可靠性是另一个问题。生成式 AI 根据已学习模式预测可能的序列来生成新文本。它不会在给出答案前独立核实每一项陈述。当软件总结信息，或以看似自信的方式回应时，这一区别就变得重要。

Cyrus 在另一篇报道中直白地概括了这一局限：“生成式 AI 不生成信息，它生成文字。”这并不是说每一项输出都是错误的，而是说流畅的表达不能代替对证据的核查。

缅因州图书馆运动已经超越了课堂。Searsmont Town Library 馆长 Steven Brown 在参加 Cyrus 的网络研讨会后，开始帮助读者从个人设备中移除或限制 AI 功能。

Brown 将这项工作界定为选择权问题。手机出厂时带有特定配置，但其所有者并不总是必须接受这一配置。图书馆员能够将陌生的技术决定转化为可执行的操作。

受众也包括反对生成式 AI 背后经济和文化体系的人。他们的担忧涉及训练数据、创意劳动、环境成本、错误信息、监控和企业集中化。

一场工作坊无法解决这些争论。但它可以将这些争论与更狭义的控制权问题区分开来。一个人不应在决定是否允许电子邮件程序改写一句话之前，先建立一套完整的人工智能理论。

这就是为什么“避免 AI”正成为数字素养的一部分。素养并不意味着必须对每项技术抱有热情。它意味着对一个系统有足够的理解，能够评估其益处、局限性和替代方案。

TechCrunch 关于图书馆员的报道之所以引发关注，是因为市场的采用叙事并不完整。产品使用量可以上升，反感情绪也可以随之上升。分发衡量的是接触量，但并不总能衡量认可度。

TechCrunch 图书馆员报道揭示默认采用问题

核心冲突并非图书馆员反对创新，而是用户自主权与将 AI 接触视作同意的产品设计之间的冲突。

大型科技公司有强烈动机在现有产品中广泛部署 AI。更广泛的分发会带来使用量、反馈，以及将客户留在平台内的机会。这也有助于证明对 AI 基础设施投入巨额资源的合理性。

用户面对同一界面时，考虑的动机却不同。他们想完成一次搜索、发送一条消息、整理一份文档，或操作一部手机。AI 功能或许有帮助，但它也可能增加不确定性、杂乱感，或带来不想要的数据关系。

这种错配造就了工作坊所揭示的现象。平台针对数百万账户优化功能采用率；图书馆员则回应找不到开关的个人用户。

即便存在退出选项，也未必意味着提供了有意义的选择。用户必须先意识到某项功能正在启用，理解它的名称，找到其控制选项，并评估关闭它的后果。软件更新随后还可能改变这些安排。

有些 AI 整合比其他整合更容易关闭。设备助手或许有清晰的设置页面。搜索引擎则可以在主搜索结果体验中插入摘要，却不提供永久的账户级移除选项。

费城工作坊的参与者分享了各自的变通方法。一位参与者解释说，在 Google 搜索地址中加入 &udm=14 可以请求以网页为重点的结果视图。Bailey 将这串字符写在教室的白板上。

这一幕说明了为何图书馆非常适合承担这一角色。在技术用户之间流传的变通方法，经由他人演示、解释其限制并回答问题后，便能为更广泛的公众所用。

这些指导也揭示了用户控制权有多么不均衡。人们不应为了获得更简洁的搜索体验而必须记住查询参数。然而，当平台界面未提供选择时，一小段共享知识也能恢复部分选择权。

Apple、Google、Microsoft、Meta 和 OpenAI 在这个故事中并不是完全相同的对手。它们的产品、设置和商业模式各不相同。将它们视为单一技术系统，会掩盖重要差异。

但它们共享一种分发逻辑：每家公司都有动力让 AI 成为现有数字环境中的常规组成部分。公众所接触到的这一策略，表现为一系列提示、摘要、助手、写作工具和建议操作。

“避免 AI”运动挑战了这样一种假设：常态化就意味着讨论结束。一项功能可以在获得信任前就变得普遍。它也可能因为避开它需要付出努力而持续被广泛使用。

这一区别应当受到产品团队重视。强制接触或许能提升短期参与度数据，却可能损害长期信心。无法理解或撤销一项设置的用户，可能会不信任相邻功能，包括那些他们原本可能重视的功能。

清晰的控制选项未必会降低采用率。它们可能让采用更具意义。一个理解某项功能作用、主动启用它，并能够随后关闭它的人，比一个因默认设置而被计入的用户提供了更强的信号。

因此，TechCrunch 关于图书馆员的报道所描述的不只是一种走红的工作坊形式。它还揭示了科技行业一个不寻常的反馈渠道。图书馆正在承接由 AI 优先产品设计所产生的支持请求。

图书馆正将拒绝转化为数字素养

公共图书馆可以在不推销产品、不维护季度目标、也不要求参与者具备技术专长的情况下，讨论 AI 的采用问题。

长期以来，图书馆一直帮助人们使用电脑、浏览在线服务、评估信息并保护基本隐私。教人们如何限制 AI 助手，其实比这个研讨会颇具挑衅性的名称所暗示的，更符合这段历史。

它们的机构定位很重要。平台提供商可以解释自家的控制选项，但持续使用其产品仍会让它们受益。图书馆则可以从读者的目标出发，包括决定不使用某项产品。

这种独立性改变了课堂氛围。参与者可以讨论某项功能是否必要，而不必先接受公司的叙事框架。他们可以权衡便利性与隐私、准确性、创作控制权，或单纯的个人偏好。

研讨会还为人们通常独自面对的担忧创造了社交场景。用户可能以为，其他所有人都欢迎 AI 摘要，或者都知道如何关闭它。报名人数爆满则表明，困惑和怀疑并非个例。

Bailey 描述了费城参与者之间的友好氛围。与会者互相交流技巧，而非单向地听讲。图书管理员提供结构，现场参与者则带来了跨设备、跨应用的经验。

这种同伴元素之所以重要，是因为 AI 控制选项高度碎片化。没有任何一位讲师能够预见每一种手机版本、浏览器设置、账户类型或软件更新。社区知识有助于填补空白，不过每一种变通方案仍需验证。

更广泛的公众参与领域也支持这种更宽泛的素养定义。科学与技术中心协会在 2026 年发布的一份公共能动性框架指出，受信任的学习机构可以扮演多种角色。

这些角色包括解释 AI、帮助人们应对安全风险，以及支持人们决定是否以及如何采用这项技术。该框架将能动性视为教育成果，而不是预设采用技术才是理想结果。

它还承认隐私、偏见、错误信息和诈骗相关的风险。博物馆和科学中心不是图书馆，但二者都承担面向公众的使命。它们都能为专业技术圈之外的受众解读技术系统。

“避免 AI”课程以一种尤其直接的方式落实了这一原则。课程可以从系统的运作方式讲起，继而讨论其权衡，最后以参与者自行选择的行动收尾。

一则Boston 研讨会活动页面便遵循这一模式。它承诺介绍生成式 AI、讨论可靠性与隐私，并讲解如何在尽可能多的地方关闭相关功能。

“尽可能多”这一表述至关重要。完全避开 AI 很困难，因为机器学习系统已在许多服务背后运行，并不总是以可见的聊天机器人界面出现。垃圾邮件过滤器、推荐引擎、欺诈检测和内容排序都涉及自动化模型。

因此，一场有用的研讨会必须界定其范围。关闭一个可见的生成功能，并不等同于从设备中移除所有算法。更换产品也可能只是用另一套数据实践取代原有的一套。

好的教学应当承认这些限制。否则，“避免 AI”会变成任何图书管理员都无法兑现的承诺。现实的目标是建立在更好理解基础上的选择性拒绝。

这种模式既能服务于怀疑者，也能服务于愿意使用 AI 的人。学会关闭某项功能的人，也会了解它在哪里运行，以及会接触哪些信息。同样的知识也支持更审慎地决定重新开启它。

病毒式传播的数据并不能证明什么

爆满的研讨会表明存在尚未满足的需求，但并不能证明大多数消费者希望放弃 AI 产品。

这些出席数据来自少量项目。相比只有十几人的电脑课程，一场混合式图书馆活动有 70 人参与确实引人注目。但这并非具有代表性的全国调查。

社交互动也有类似局限。一则图书馆帖子获得超过 2,000 个赞，说明该话题传播得异常广泛。但这并不能揭示有多少人关闭了某项功能、持续保持这一选择，或彻底拒绝 AI。

这一标签本身可能吸引多类受众。有些参与者原则上反对生成式 AI；有些人不喜欢某一种产品、不信任自动摘要，或只是希望少受打扰；还有第三类人可能是想在做出选择前先了解这项技术。

不应将这些动机归并为一个反 AI 阵营。最有力的结论是，人们对控制权存在需求，而不是消费者采用率已经得到证实地崩塌。

技术建议的保质期也很短。公司会更改菜单、功能名称、账户要求和默认行为。6 月仍然适用的研讨会材料，可能在一次重大软件更新后就变得不完整。

图书管理员需要建立维护流程。说明应标明设备版本、记录测试日期，并区分永久设置与临时变通方案。否则，这一项目可能制造与其试图解决的问题相同的困惑。

替代方案同样需要审视。较小型的浏览器或搜索服务商或许能减少用户接触生成式答案的机会，却可能引入不同的隐私、安全或无障碍权衡。“不是来自 Big Tech”并不自动等同于质量保证。

将 AI 素养仅仅框定为回避，也存在风险。即使从不打开聊天机器人，人们仍需要足够的理解能力，才能识别被操纵的媒体、诈骗、不可靠的摘要和自动化决策。

拒绝和识别是不同的技能。一个人可以关闭助手，却仍会通过社交媒体、搜索结果、客服系统或他人发来的消息接触到合成内容。

最佳研讨会模式结合三个层次。第一，用通俗语言解释系统；第二，识别有意义的风险与益处；第三，在不规定唯一正确选择的前提下，为参与者提供实用控制方法。

行业辩护者可以合理地指出，AI 功能能在人们写作、无障碍使用、翻译、研究和重复性任务方面提供帮助。一些用户积极希望使用它们。全面移除或劝阻使用这些工具，只会以一种僵化政策替代另一种。

Bailey 的课程形式看起来并非如此。据报道，他会先解释可能的用途，再说明拒绝使用的理由。课程重点在于自主权，而不是一刀切的禁令。

Big Tech 可以在不放弃 AI 的情况下回应这种批评。公司可以提供更清晰的提示、更稳定的设置、真正的主动选择加入路径，以及普通用户能理解的文档。它们还可以将核心功能与实验性的生成式新增功能分开。

如果在最初的宣传热度消退后，techcrunch 图书管理员现象中的研讨会仍持续爆满，它将变得更具意义。重复参与、新图书馆系统的请求，以及对更新材料的持续需求，都会强化这一判断。

目前，这个故事是一个样本有限但鲜明的信号。它值得关注，恰恰因为科技公司很少能通过传统产品分析获得这种反馈。

三个信号将揭示“避免 AI”是否会持续

下一阶段取决于病毒式研讨会会成为持久的公共基础设施、更好的产品控制，还是一种短暂的抗议形式。

第一个信号是复制推广。Cyrus 分享她的方法后，收到了数十位图书管理员的咨询；Maine、费城和 Boston 也出现了相关项目。如果更多图书馆系统开设定期课程而非一次性活动，这一运动将变得更具影响力。

定期项目将表明需求并未随着媒体报道而消失。它们也需要共享课程、更新计划以及针对不同设备的指导。持续维护的公共资源可以将零散技巧转化为易于获取的消费者支持形式。

第二个信号是平台公司的回应。Apple、Google、Microsoft、Meta 及其他提供商，可以在不放缓技术开发的前提下，减少 AI 控制功能的使用摩擦。

值得关注的是：设置是否能在更新后保持稳定、是否清晰说明数据处理方式，以及是否能在一个地方关闭相关功能。在设置过程中提供真正的主动选择加入，将是更有力的回应。

如果控制选项更容易找到，这些研讨会即使没有正式倡议活动，也已经影响了产品预期。如果公司让 AI 更难以回避，参与人数可能增长，而不信任也会加深。

第三个信号是未来 AI 素养项目的内容。图书馆可能将课程分为采用、评估、安全和拒绝等方向。这将承认社区中既有热切用户，也有坚定的怀疑者。

更广泛的课程体系会削弱“避免 AI 只是反弹潮流”的说法。它会确立拒绝使用是知情技术使用的一部分，与验证、隐私、无障碍和实际试验并列。

读者也应将同样的检验应用于自己的设备：识别哪些 AI 功能正在启用、它们处理哪些信息、是否提供价值，以及现有控制选项是否符合自己的偏好。

记录这些选择有助于应对软件更新改变熟悉设置的情况。这一习惯同样支持更广泛的个人知识管理，让有用的信息保持有序、可检索，并由用户掌控。

techcrunch 图书管理员故事最终提出了一个产品仪表板无法回答的简单问题：当人们使用 AI 是因为退出很困难时，这种采用究竟意味着什么？

图书馆正在给出一种回答：向人们提供易懂的信息、提问的场所和实用的控制权。然后，让他们自己决定哪些技术值得进入自己的生活。