AI是什麼？給從未用過的人的一份簡單解釋

簡短的答案，以及大家實際上在講什麼

AI是一種軟體，它讀過大量的人類文字，並從中學會了足夠精細的規律，能產生符合需求的新文字。你用平常說話的方式打出一項要求，它就回覆你：一份草稿、一段摘要、一段說明、一套計畫。這就是這項產品的全部。你聽過的其他說法，不是建立在這個基礎上的細節，就是在講完全不同的另一件事。

嚴格來說，這個詞也涵蓋一些比較舊的東西，像是你信箱裡的垃圾郵件過濾器、手機上的人臉辨識解鎖，以及決定接下來播放哪支影片的系統。但在日常對話裡，沒有人是這個意思。當同事說她用AI改了一段文字，或你姪子說他問AI膝蓋的事，他們指的是聊天機器人：ChatGPT、Claude、Gemini，或它們的同類。這一類產品的說明，寫在什麼是AI聊天機器人裡。這篇文章則往上一層，談的是這個概念本身。如果讓你卻步的是那些詞彙，模型、提示詞、token、上下文，這份白話詞彙表簡短又不故弄玄虛。

註冊一個帳號只需要一個電子郵件地址和大約一分鐘，每一款主流應用程式都有免費方案，所以這篇文章談的一切都不需要信用卡。在你繼續往下讀之前，打開任何一款AI應用程式，輸入：「用四句話向從沒用過AI的人解釋，你是什麼、你是怎麼運作的。」把答案留在另一個分頁裡。讀到第四節時，你就會有一個具體的東西可以拿來對照測試，這比聽任何人說都可靠。

它是怎麼學會這件事的

訓練的過程說起來很枯燥，而這其實是個好現象。拿一大堆文字：書籍、網站、手冊、論壇上的爭論、法院文件、食譜。把其中一個字藏起來，讓系統猜猜看，再告訴它猜得對不對，然後重複做這件事，重複到誇張的次數。沒有更玄妙的事情發生。最後產生出來的，是一套對人類寫作接下來通常會出現什麼字，有著極其精細判斷力的系統。

所以當你問它1998年世界盃是誰贏的，它並不是在翻開一本參考書。它是在一小段、一小段地產生最有可能接在你問題後面的文字。它剛好答對法國，是因為這項事實在它的訓練文字裡，以一致的形式出現過成千上萬次。它答對的原因，和它寫得流暢的原因是同一個，而不是什麼更可靠的理由。把這句話記住，AI表現出來的幾乎所有怪異之處，都是從這裡來的。

• 它一開始就寫得很好。流暢正是它被訓練的目標，所以你不必費什麼力氣，第一份草稿就會有不錯的水準。
• 它講錯話時聽起來一模一樣。它內部並不會區分一項出現過上萬次的事實，和一段它從看似合理的片段拼湊出來的內容。不管哪一種，它的語氣都一樣篤定。
• 它有一個知識截止日。訓練在某個日期停止了。你問它上週二發生的事，除非這款應用程式有幫你做即時的網路搜尋，否則你問的是一套當時根本不在場的系統。
• 它在算術上不太可靠。長乘法是一套步驟，不是文字裡的規律。現在的模型已經比較會透過寫出計算步驟或呼叫計算機來處理這件事，但它底層的直覺，依然是產生一個看起來正確的數字。
• 你的措辭會左右答案。你用的字詞，決定了它會抓取哪些規律，這就是為什麼同一個問題換兩種問法，回來的品質會不一樣。怎麼跟AI對話講的，主要就是這一項技能。

它真正擅長的事

它做得最好的任務，都有一個共通的形狀。一個好答案該有的樣子，這個世界上早就有明確的標準，你大概十秒鐘之內，就能看出回來的東西好不好。改寫、摘要、翻譯、解釋一份文件，還有幫你跨過那張空白的稿紙，這些加起來，就是一般人一週裡大部分的寫作工作。

你手邊已經有的東西	該提出的要求	為什麼這個方法有效
一封你已經改寫過四次的郵件	「把這封信改寫得溫暖一點，但依然清楚表達拒絕」	有禮貌的拒絕，是英文書面語裡最常見的規律之一
一封保險公司或房東寄來的信	「用白話解釋這封信，然後列出我該做什麼」	把術語變成日常用語是一種規律工作，你也能拿手上的信對照查核
一份你永遠不會去讀的60頁PDF	「用八個重點摘要這篇論點，再列出裡面每一個數字」	它幾秒鐘就能讀完整份檔案，你也能挑出你在意的重點查核
一趟你一直沒空排的旅行	「幫兩個喜歡美食和散步的成人，規劃四天的塞維亞行程」	訓練文字裡有成千上萬份行程表，就算有一份不夠完美，你也沒什麼損失
一則要寄給外國客戶的訊息	「把這段翻成西班牙文，客氣但不要太生硬」	語氣在這裡保留得比舊式翻譯工具更好

注意這張表裡少了什麼：沒有一列是要機器來當權威。素材或判斷力，或兩者，本來就在你手上。它接手的是你覺得煩瑣的部分，空白的稿紙、第二輪草稿、重新排版、那六十頁的文件，決定權則留給你。值得交給AI做的日常任務有一份更完整的清單。一個值得及早養成的習慣：第一次的答案不夠好時，用一句簡短的話說出哪裡不對，而不是重新來過。「太正式了，把最後一段刪掉」通常比重寫一次要求更有效。

它不擅長的事，原因其實一樣

接下來是誠實的部分，因為你用不到一週就會親身遇到。它會用跟平常一樣冷靜、條理分明的語氣，告訴你一件不實的事。這不是偶爾發生，也不只發生在冷僻的主題上。它會捏造一份租約裡的條款編號、一篇作者和年份都很有說服力的研究、一項根本不存在的產品功能、一句沒有人說過的引言。沒有任何破綻可循：措辭裡沒有保留語氣，語氣裡也沒有動搖。這種現象叫做幻覺（hallucination），為什麼AI會出錯一項一項講解了各種出錯的方式，因為認出你眼前是哪一種錯，本身就是最主要的防守方法。

還有三項限制，都源自同一個根源。時效性：除非這款應用程式有做即時的網路搜尋，否則它不知道最近幾個月發生的事，卻依然會用比較舊的材料跟你討論。計算和算術：它可能一步一步推理出計算過程，最後給你的總數卻還是差了一位數，所以任何你打算據以行動的數字，都要自己核對。任何跟你個人有關的事：你的合約、你的劑量、你當地的規定、你的截止日期。它讀過一百萬份跟你的情況相似的文件，卻沒有一份是你本人的。

值得記住的原則是這樣：在對95%正確也毫無意義的地方，不要用它。用藥、法律截止日期、稅務數字、發票上的金額、你要在演講裡唸出的人名拼法。在這些情況下，「差不多對」不是打對折的分數，而是直接算錯，而且它流暢的呈現方式，還會讓錯誤比一個糟糕的Google搜尋結果更難被抓到。除此之外的其他情況，95%正確就已經是一份很好的初稿，你只要再花四分鐘修正就好。如果你猶豫的重點不在準確度，而是在你打的字後來會怎麼被處理，這是另一個同樣合理、獨立的問題，AI安不安全專門處理這個問題。

你的頭五分鐘

光是閱讀這些內容，能帶給你的幫助有限。打開一款應用程式，從下面四個裡挑一個，套用到你這週生活裡真實發生的事。真實很重要：一個編出來的測試問題，只會換來一個感覺也是編出來的答案，也無法告訴你這東西對你到底有沒有用。

1. 那封尷尬的郵件。「這是我要寄出的一封信，請把它改寫得客氣一點，長度縮短大約一半，但依然清楚表達拒絕。」把你的草稿貼在下面。
2. 那封你不敢拆的信。「用白話解釋這封信，然後告訴我確切該做什麼、期限是什麼時候。」把保險公司、房東或稅務機關寄來的東西貼上或上傳。
3. 你一直沒排的那趟旅行。「我十月要在里斯本待四天，同行的有一個青少年，食物和活動的預算大約700美元。請逐日規劃，然後告訴我你對我們做了哪些假設。」
4. 那個你覺得問了很蠢的問題。「解釋房貸利率實際上是怎麼定出來的，就當我很聰明，只是從來沒買過房子。然後給我三個該問貸款方的問題。」

一個好答案，是真的把任務完成，而不是描述它會怎麼完成任務。它會維持你要求的格式。你漏掉沒交代的地方，它要嘛會問你，要嘛會說明它做了什麼假設。如果回來的東西又臃腫、標題又一堆、長得像作文，那通常是要求太模糊的徵兆，而不是模型能力不足，所以再補上這是給誰看的、你要多長，以及你打算拿它做什麼。不同模型之間的差異，也比行銷文案講的還要大，包括語氣，以及它們遵循一長串指示的仔細程度，所以找到最適合你的模型，最快的方法就是把同一則提示詞送給幾個模型，再互相比較。這正是Whizi存在的目的：一份訂閱就能在同一個工作區裡用到GPT、Claude、Gemini和圖片模型，不必分別付錢給每一家供應商，每家大約每月20美元。開始試用，跑你自己的四則提示詞，留下你真的願意寄出去的那個答案。