AI 怎麼「想」事情？
AI 不會取代你，但會用 AI 的人會取代不會用的人。
課程目標
- 建立正確的 AI 心智模型：它是放大器，不是魔法
- 理解 AI 從「收到你的文字」到「產出回覆」中間發生了什麼事（prompt → token → 向量 → 推理 → 幻覺）
- 知道為什麼 AI 會「瞎掰」（幻覺），以及怎麼辨識和防範
一、AI 是放大器，不是替代品
你每天寫文案、做報表、讀提案、回客訴。這些事情佔了一半以上的工時，但其實很多都可以讓 AI 幫你加速。
AI 就像一個超級實習生——速度很快、什麼都願意做，但它不懂你的品牌、不知道老闆要什麼、不清楚消費者在意什麼。
你的思考力，決定 AI 能幫你多少。
| 你擅長 | AI 擅長 | |
|---|---|---|
| 定義問題 | 知道「要解決什麼」 | 不知道你的業務痛點 |
| 產出內容 | 有品牌直覺 | 速度快、量大 |
| 判斷品質 | 知道好壞 | 只知道語法通不通順 |
| 理解脈絡 | 知道公司文化與市場 | 只看到你給它的資訊 |
簡單說：你負責「想」和「判斷」，AI 負責「跑」和「產」。
同一件事，三種放大等級
以「寫母親節社群貼文」為例：
🟢 基本放大：一個人 + ChatGPT
你打開 ChatGPT，輸入：「幫我寫母親節貼文」。AI 回你一篇通用的溫馨文案。還行，但跟你的品牌調性不太搭。
花費時間：10 分鐘。品質：60 分。
🟡 進階放大：好的 Prompt + 品牌資訊
你輸入：「你是一個保養品牌的行銷，請用親切但專業的語氣，為 25-35 歲注重保養的女性寫一篇母親節 IG 貼文，主打高效修護，150 字以內，結尾帶一個互動問題」
AI 回你一篇精準、可用的文案，稍微修一下就能發。
花費時間：15 分鐘。品質：85 分。
🔴 大殺器：AI 工作流
系統自動抓取過去 3 個月表現最好的貼文 → 分析共同特徵 → AI 產出 5 版文案 → 自動套用品牌模板 → 你只需要挑一版、微調、發布。
花費時間：5 分鐘（你的部分）。品質：90 分。
今天我們從 🟢 開始，一步步走到 🟡。🔴 不是今天的重點，但讓你知道——天花板在那裡。
好了，知道 AI 是放大器之後，接下來的問題是：它到底怎麼運作的？ 理解這件事，你才能更好地控制它。
二、你打字，AI 看到什麼？— Prompt 與 Token
你在聊天框輸入一句話，這就是 Prompt（提示詞）。但 AI 收到你的文字後，並不是像人類一樣「一個字一個字讀」。它會先把你的句子拆成一塊一塊的碎片，叫做 Token（字詞單位）。
Token 不等於「一個字」
拆法跟你想的不太一樣。來看一個例子：
你輸入：「客戶滿意度下降」
AI 看到的可能是：["客戶", "滿意", "度", "下降"]
英文也一樣。"unfortunately" 可能被拆成 ["un", "fortunate", "ly"]，而不是一整個單字。
為什麼這很重要？
因為 AI 處理的最小單位就是 Token。它不是在讀「文章」，它是在處理一串碎片。這就好像你把一封信撕成紙片，然後一片一片分析——AI 做的事情就是這樣。
雙平台小提醒： ChatGPT 和 Gemini 使用不同的 tokenizer，所以同一句話拆出來的 token 數量可能不一樣。這也是為什麼同一段文字在不同 AI 上的回覆長度和風格會略有差異。
三、字詞住在哪裡？— 向量空間
好，AI 把你的句子拆成 token 了。接下來呢？每個 token 會被放進一個巨大的「空間」裡——這個空間叫做 向量空間。
想像一張超大的心智圖
你可以把向量空間想成一張超大的心智圖（mind map），上面散布著幾萬個詞彙。規則很簡單：意思越接近的詞，距離越近。
- 「開心」和「快樂」→ 幾乎黏在一起
- 「開心」和「悲傷」→ 離得很遠
- 「報表」和「Excel」→ 很近
- 「報表」和「貓咪」→ 超遠
這就是 AI「理解」的方式
AI 沒有真的「理解」語意，但它知道哪些詞常常出現在一起、哪些詞可以互相替換。當你說「業績成長」，AI 知道這跟「營收增加」很像，因為在向量空間裡它們住在隔壁。
這也是為什麼 AI 能處理同義詞、能猜出你的上下文——不是因為它「懂」，而是因為它學過幾十億句話，知道哪些詞「住得近」。
四、AI 怎麼「推理」？— 預測下一個 Token
到這裡最關鍵的一句話來了：
AI 不會「思考」。它做的事情只有一件：預測下一個最可能出現的 token。
超強版的自動補完
你手機打字的時候有自動選字對吧？你打「今天天氣」，手機建議「很好」。AI 做的就是這件事，只是它的字典比你手機大了幾億倍。
當你問：「這個月的業績報告重點是什麼？」
AI 的腦中在做的事：
- 「這個月」→ 下一個最可能是什麼？→ 「的」
- 「這個月的」→ 下一個最可能是什麼？→ 「業績」
- 依此類推，一個 token 接一個 token 生成出完整回覆
它不是先想好一整段話再告訴你，而是像接龍一樣，一個字一個字往下接。
Temperature：創意旋鈕
你可能聽過「Temperature（溫度）」這個設定。它控制的是 AI 選字時「多大膽」：
| Temperature | 效果 | 適合用在 |
|---|---|---|
| 低（0.1-0.3） | 保守，幾乎只選最高機率的詞 | 翻譯、摘要、正式文件 |
| 中（0.5-0.7） | 平衡 | 日常對話、一般寫作 |
| 高（0.8-1.2） | 大膽，會選機率較低但有趣的詞 | 腦力激盪、創意文案 |
這就是為什麼你用同一句 prompt 問兩次，可能得到不同答案——因為 AI 每次都在「骰骰子」決定下一個字。Temperature 越高，骰子的面越多。
雙平台小提醒： ChatGPT 預設使用中等 Temperature。Gemini 也有類似機制，但兩者的預設值和微調方式不同。如果你想要穩定可重複的回覆，可以在 prompt 中加上「請用最精確的方式回答」。
五、為什麼 AI 會瞎掰？— 幻覺的本質
現在你知道 AI 的運作方式了：它就是在預測「下一個最可能出現的字」。那問題來了——如果它預測出來的字「聽起來很對，但其實是錯的」呢？
這就是 幻覺（Hallucination）。
「聽起來對」不等於「真的對」
AI 優化的目標是：讓回覆聽起來流暢自然。注意，不是「正確」，是「流暢自然」。
所以它會很有自信地告訴你：
- 一本根本不存在的書（但書名聽起來很真）
- 一個假的統計數據（但格式很像真的研究報告）
- 一個不存在的產品功能（但描述得頭頭是道）
- 一個錯誤的法律條文（但引用格式完全正確）
AI 沒有「查證」的能力
你去 Google 搜尋一個東西，Google 會帶你去原始網頁。但 AI 不一樣——它的回答是「生成」出來的，不是從資料庫裡「查」出來的。它沒有辦法回頭確認自己講的話是不是真的。
什麼時候最容易出現幻覺？
| 高風險情境 | 為什麼 |
|---|---|
| 具體數字（營收、日期、統計） | AI 記不住精確數據 |
| 網址和連結 | AI 會「編造」看起來合理的 URL |
| 最近發生的事 | 訓練資料有時間限制 |
| 冷門領域的專業知識 | 訓練資料中相關內容少，預測準確度低 |
| 引用特定的人說過什麼話 | AI 會「合成」聽起來像那個人會說的話 |
六、正確的心智模型
一句話總結：
AI = 超強自動補完 + 放大器。它放大你的思考，但不能替你思考。
AI 擅長的事（放心用）
- 起草文件：幫你寫出初稿，你再修改。比從零開始快 10 倍
- 摘要整理：把一大段文字濃縮成重點。讀報告、整理會議記錄超好用
- 腦力激盪：丟一個方向，讓它列出 10 個點子。不用每個都好，有 2-3 個能用就值了
- 格式轉換：把表格變成文字、把文字變成表格、JSON 轉 CSV、中翻英
- 翻譯：日常翻譯品質已經很好了
AI 不擅長的事（要小心）
- 精確事實：數字、日期、人名、法規條文——一定要自己查
- 數學計算：簡單的還行，複雜的容易出錯（它是語言模型，不是計算機）
- 即時資訊：今天的股價、最新的新聞——它不知道
- 長文一致性：寫太長的文章，前後可能會矛盾
你的角色
你不是 AI 的「使用者」，你是 AI 的「主管」。你的工作是：
- 提供好的 context：prompt 寫得越清楚，AI 的回覆越好（下一課會教你怎麼寫）
- 驗證產出：AI 給的答案，你要檢查過才能用
- 加入判斷：最終決策是你的，不是 AI 的
AI 協作：學了這個，跟 AI 怎麼配合？
理解 AI 的運作原理，讓你從「碰運氣」變成「有策略地使用 AI」。
你的人類優勢：
- 你能判斷 AI 的回答是事實還是幻覺——因為你有領域知識，AI 沒有
- 你能決定什麼時候該信 AI、什麼時候該自己查——這是 AI 永遠學不會的後設判斷
可以這樣跟 AI 說：
你剛才的回答中，有沒有哪些部分是你「不確定但猜測的」？請標註出來，我會自己驗證。
實戰練習
本課重點回顧
- AI 是放大器：你的思考品質決定 AI 的產出品質。它放大你的能力，但不能替你思考
- Token 是 AI 的最小單位：你的句子會被拆成碎片，AI 一片一片處理，不是像人一樣「閱讀」
- 向量空間是 AI 的字典：意思相近的詞住得近，這是 AI「理解」語意的方式
- AI 的核心動作是預測下一個 token：它不是在「思考」，是在做超大規模的自動補完
- 幻覺的本質是「聽起來對但不一定對」：因為 AI 優化的是流暢度，不是正確性
- 你是 AI 的主管：提供好的 prompt、驗證產出、加入你的判斷
下一課預告
現在你知道 AI 怎麼「想」了。下一課我們要學的是——怎麼跟 AI 好好說話。
同一件事，prompt 寫得好跟寫得差，結果可能天差地遠。我們會學一套實用的 prompt 結構，讓你每次都能拿到更好的回覆。
挑戰任務
打開 ChatGPT 或 Gemini，輸入：「請把『今天下午三點開會討論第三季行銷預算』這句話拆成 token，列出每個 token。」觀察它怎麼拆的，然後換一句你自己工作中常用的話，再試一次。
想一個你很熟的專業領域（你的工作、你的興趣、你住的城市），問 AI 一個具體的問題。例如：「台北市大安區有哪些米其林一星餐廳？」或「台灣有哪些主要的電商 SaaS 平台？」然後驗證它的回答。
用同一句 prompt「請幫我想五個中秋節行銷活動的點子」，在 ChatGPT 中送出三次（每次開一個新對話）。觀察三次回覆的差異。
以下四個任務，你覺得 AI 表現會好還是差？寫下你的判斷和理由。 (A) 把一份中文會議記錄翻譯成英文 (B) 回答「我們公司上個月的退貨率是多少？」 (C) 幫你把 10 個產品特色改寫成行銷文案 (D) 告訴你目前台幣對美元的匯率