最近最熱門的ChatGPT幾乎每個人都有在用，就算沒有在用的人我想也是每天有聽到其他人在聊，以一個文字聊天機器人來說，ChatGPT可以說是無所不能，上知天文下知地理，可是就是有一個很明顯的弱點，請他算數學卻很常算錯，明明這個ChatGPT 充滿想像力，請他寫演講稿，草擬策略都很在行，為什麼數學就是不行呢?
要解答這個問題，我們首先就要來理解所謂的演算法跟人工智慧的差別。但演算法又是什麼東西呢? 我們來舉幾個生活中的實例這樣就會比較好理解，第一個很好的演算法的例子就是我們滑手機或是滑臉書一定會時常看到一大堆廣告跟有趣的文章或是其他粉專，有時候這些廣告或是粉專老實說還蠻切中我們的興趣的，那麼有沒有想過臉書為什麼會知道我們的興趣呢? 其實靠的就是演算法。臉書還有手機上的其他APP透過演算法分析你平常最有興趣的網頁，最常查詢的字眼，甚至偷聽你平常在講什麼，推斷出你可能會喜歡這些事物，然後再去資料庫裏面撈跟你的興趣最相近的廣告，就這樣把它投射出來放到你的手機上，這就是演算法的力量，透過分析然後搭配提供推薦的結果。
再來一個有打電動的人應該都會理解的東西，就是玩動作遊戲或是RPG的時候可能都會有NPC或者是電腦控制的人物，這些人物會自動按照目前的戰況或是情勢來做出判斷，這些人物怎麼知道什麼時候該怎麼做呢? 靠的就是演算法，演算法會依照目前的狀況跟目前的資料，來判斷這些NPC該怎麼行動，所以演算法如果寫得很爛，你就會說"欸，這NPC笨死了” ，沒錯演算法很多時候就是依照一定規則寫的，但是如果剛好發生例外狀況，演算法沒有設想到這個情形，可能就會覺得無法變通。
那回頭來講人工智慧，AI人工智慧跟演算法從本質上是完全不同的，因為當下我們談論的AI，我們稱之為神經網路，就是模擬人類的大腦的結構去設計的。當你問AI一個問題，他不會跑去搜尋網路上的資料庫，而是他會直接從自己的大腦(就是AI的Model)裡面生成這樣的資料，然後直接給你回覆。
想像一下就好像兩個活生生的人在對談，A問B說你知道最近網路上最熱門的事情是什麼嗎? B一定就是根據自己的印象直接說 "啊我有印象大家都在講這個"，應該不會有人說"你先等一下我好好地把網路上的資料分析過，看哪個議題大家談論次數最高，等我分析完畢我再跟你說"吧? 然後萬一B的回答不正確，那麼A說"不是阿大家都在談論的是某某事件才對"，那麼B就說"OK應該是我記錯了，那我們更正一下"。這就是直接從B的大腦裡面提取記資訊跟記憶，合成出了B的回答。
這就是生成式AI人工智慧奧妙之處，他運作的方式跟人類的大腦結構比較類似，針對你的提問(Prompt)，他不是透過分析解構資料庫去提取答案，而是直接生成AI覺得機率最高的答案給你的。
我再舉一個更實際的例子出來，最近很熱門的AI生成繪畫軟體Midjourney / Stable Diffusion等等 (本篇文章所有的圖片都是用這樣的方法生成的) 也都是利用人工智慧的方法生成的。 舉例來說好了，我希望一張圖片是太空人吃冰的照片，如果不是利用人工智慧的話，那麼他只能丟到網路上搜尋，結果得到了這樣令人失望的結果
對，因為太空人應該不會穿著太空衣吃冰，也沒有人畫過這張圖，當然就找不到了，但是如果你把你的期望告訴AI繪圖軟體的話， AI神經網路他不會再去找資料了，他就會用自己的模型裡面的資料，想辦法去合成出你要的照片，於是我們就得到了以下的圖片了，而且我保證，你絕對無法在網路上其他地方找到一模一樣的第二張照片，為什麼呢? 因為這是我請AI剛剛才合成出來的，也不是真實存在的照片。
是不是很神奇呢? 好的寫到了這邊，不知道大家理解了AI人工智慧跟一般的演算法差別在哪邊了呢? 那麼回頭來我們最最一開始的問題，就是為何ChatGPT時常算錯數學，那就是因為數學答案這種東西不能靠想像力隨便合成，你需要的是一個唯一的精確地解。當你問ChatGPT一個數學問題的時候，他就會在自己的model裡面去合成答案，但是因為AI人工智慧是去預測答案，所以很多時候都是不精確的，而且每次問還有可能答案不同。但也因為AI人工智慧能夠結合它過去所有學習過理解過的資訊去合成答案，所以可以非常的有想像力，非常的有創造力，而且因為ChatGPT真的是飽讀詩書，上知天文下知地理，旁徵博引，所以在這部分的表現真的就能夠非常的出色。
當然將來一定會有針對數學運算特別訓練過的AI人工智慧，就好像我教出一個有數學腦的小天才一樣，屆時應該就能夠利用這些新訓練的人工智慧Model，來解決數學上的難題囉! 今天就先聊到這邊，我們下次見。
