外觀
AI 到底是怎麼運作的？
💬 Alex 碎碎念
簡單來說：AI 不是在「理解」你說的話，它是在「猜」下一個字。這個差別，決定了你用 AI 的整個策略。
你有沒有遇過這種情況？問 AI 一個問題，它講得頭頭是道，但其中一個數字根本是假的——你還差點拿去報告了。
第一次遇到這種事，代表你是正常人！我也走過這段。重點是知道為什麼會這樣，才能用得安心。
🎯 學習目標
📚 Know (知道)
- 了解 LLM（大型語言模型）是什麼，以及它和傳統計算機的本質差異
- 能說明預訓練和微調這兩個學習階段的白話意思
- 知道 AI 幻覺、知識截止日、上下文視窗這三個限制各自是什麼
🛠️ Use (使用)
- 能用「接龍機器」比喻，向同事解釋 AI 為什麼有時候會講錯話
- 在使用 AI 時，能判斷哪類任務受知識截止日影響最大
🚀 Do (實作)
- 試著問 AI 一個涉及最新資訊的問題，然後去原始來源驗證答案
- 注意上下文視窗的限制：下次貼入長文時，觀察 AI 是否在結尾開始「忘東忘西」
🔧 Manage (管理)
- 養成對 AI 輸出「先懷疑、再採用」的工作習慣
- 了解何時該補充即時資訊給 AI（例如：貼上最新公告、產品規格），何時可以直接信任它的知識
📋 流程
一個比喻：AI 不是計算機，是文字接龍機器
辦公室裡新來一個實習生，你問他：「這份合約的違約金是多少？」
計算機版的回答：「我查一下，第 7 條第 2 項寫 10 萬元。」精確、有來源。
AI 版的回答：它從記憶中拼湊出一個「聽起來最合理的答案」，不一定查過你手上這份合約。
重點來了：LLM 的本質是一台超大型的「文字接龍機器」。給它一段話，它預測下一個字應該是什麼，再預測下下一個字……直到組成一個完整的回應。這個過程不是查資料庫，是在做機率上最合理的「猜測」。
這不是缺陷，是設計原理。搞懂這點，你就懂了 AI 的全部行為邏輯。
LLM 是怎麼學會說話的：預訓練 + 微調
AI 的學習分兩個階段，就像實習生報到前後：
第一階段：預訓練（Pre-training）
實習生在學校讀了幾千萬篇文章、書本、論文、網頁。它沒有老師逐句教，就是大量閱讀，學會了語言的規律、世界的常識。
AI 的預訓練也是這樣：餵給它海量的數位文字，用大量運算讓它學會「什麼字之後通常接什麼字」。
第二階段：微調（Fine-tuning）
實習生進公司後，有人教他：「這樣回答客戶比較好」「那樣說話太不禮貌」「要有幫助、要誠實、要安全」。
AI 的微調也是這樣：由真人評分員引導，讓它學會怎麼給出有用、安全、符合人類期待的回應。
簡單來說：預訓練學知識，微調學態度。
為什麼 AI 會「亂講」？— 三個根本原因
原因一：幻覺（Hallucination）
AI 接龍接到一個它不確定的地方，但它不會說「我不知道」，而是繼續猜——猜出一個「看起來正確」的答案。
這在職場上最危險：數字、人名、法規條文、產品規格。這些你問就問了，AI 可能照猜不誤。
你有沒有遇過這種情況？把 AI 的答案直接貼進報告，後來才發現數字對不上？這就是幻覺在作怪。
原因二：知識截止日（Knowledge Cutoff）
實習生的教科書是某一年出版的。2024 年發生的事，他課本裡沒有。
AI 的知識也有個截止日期，之後發生的事它不知道。問它今年的稅法修訂、最新的產品價格——風險很高。
原因三：上下文視窗（Context Window）
你和 AI 對話時，它能「記住」的對話長度有上限，就像工作記憶有限。貼進去的文字超過這個上限，它就開始「忘記」前面的內容。
長文件、長對話尤其要注意。如果你貼了一份 50 頁的合約請它摘要，它很可能在結尾開始出現遺漏或矛盾。
AI 的強項 vs 限制
| 維度 | AI 擅長 | AI 不擅長 |
|---|---|---|
| 文字任務 | 起草、摘要、改寫、翻譯 | 確認數字的精確性 |
| 跨任務切換 | 同一對話中切換不同類型的工作 | 複雜多步驟的嚴密推理 |
| 時效性 | 知識截止日前的背景知識 | 今天剛發生的事 |
| 記憶 | 同一對話內的上下文 | 超過視窗限制的長對話 |
| 外部工具 | 可以接外部工具取得即時資訊 | 無工具時無法自行查詢 |
這套知識的邊界
這節課讓你知道「AI 為什麼這樣運作」，但它不能幫你決定哪個 AI 工具最適合你的工作。選工具是下一課（ch01-04）的事——那裡會比較不同平台的強項和適用場景。
一句話收尾：AI 是一台很強的文字接龍機器，不是全知的神。知道它的原理，你就能在對的地方信任它，在對的地方查驗它。
✅ 確認清單
- [ ] 能用自己的話解釋「LLM 是文字接龍機器」這個比喻
- [ ] 說得出 AI 幻覺、知識截止日、上下文視窗這三個限制各是什麼
- [ ] 知道預訓練和微調各自代表什麼
- [ ] 下次用 AI 查時效性資料時，記得去原始來源驗證