搞懂大語言模型(LLM) 告別錯誤期待

在現今科技日新月異的時代，像ChatGPT這樣的大語言模型（LLM）已經成為許多人日常生活和工作的輔助工具。然而，隨著這些技術的普及，對於它們的誤解也層出不窮，這使得一些使用者對這些工具的期待與實際效果脫節，最近在網路上看到兩個實際案例，藉此分享一下一般常見的誤解。

案例一：錯誤期待AI的功能範疇

我在AI社團裡看到一個使用者非常不滿地說：「要停止訂閱ChatGPT了，能力根本不行」。原來使用者給ChatGPT一張黑白、中式古建築的照片，請它協助「上色」。結果ChatGPT生成了一張彩色類似的建築圖片，而非將原來的黑白照片進行上色。這位使用者因此大為不滿，認為ChatGPT無法完成這項任務。

這裡的問題在於使用者對ChatGPT的功能期待錯誤。ChatGPT是一個文字生成模型，擅長處理語言和文字相關的任務，例如對話、回答問題、生成文章等。它並不具備處理圖像或圖像編輯的專業能力，只能輔助你完成任務，例如詢問有什麼工具或是功能，它可以給你相關建議。若想進行圖片的上色，應該尋找專門針對圖像處理的AI工具，例如專門的自動圖像上色工具，這類工具可以根據圖像數據進行分析並上色。

使用者在使用ChatGPT時，應先瞭解其設計目的與核心功能。它適合處理文字相關的工作，像是生成文案、語言翻譯、問答分析等。當需要圖像處理或其他技術性工作時，則應該尋找對應的專門工具或人員處理。

案例二：錯誤期待AI能解決人際關係問題

另一個例子是，一位建商面臨工程緊急狀況，他預計隔天早上需要完成某項工程，但此時已經是下午五點，而不但現場工班進度落後，同時也有其他案場的進度在趕工。這位建商請ChatGPT提供解決方案，但當ChatGPT給出了理性的建議後，他卻抱怨這些建議沒有實際的幫助，因為最後問題的解決還是靠他自己找工班請吃飯，搏感情請他們通宵加班完成。

這個案例顯示了兩個問題，第一個是期待LLM能即時提供解決方案，甚至替代人類解決現場實際操作問題。事實上，ChatGPT能夠提供的是邏輯性、結構化的建議，幫助人們做出更理性的決策，但它並無法處理具體的實際操作。ChatGPT無法替你聯絡工班，協調工作，也不能參與實際的施工流程。這類緊急現場的問題，更多是依賴人際關係、現場管理與應變能力。

第二個則是給的資訊過少就希望得到最適合的解法，例如工班可以加班、喜歡菸酒檳榔、義氣相挺等這些資訊，ChatGPT不會有這些預設資料，只有當使用者提供足夠多的背景資料，ChatGPT才能給出更貼近實際情況的合理建議。因此，當得到不滿意的回覆時，問題有時候反而在於提問的方式是否清楚、具體。

ChatGPT可以是決策參考工具，但不應期望它替代人的實際操作或現場管理。遇到緊急情況，AI提供的更多是方向性的建議，例如安排優先順序、提供應對策略等，而具體的執行仍需依賴人際協調與現場經驗。

結論：正確認識與使用LLM的本質

這兩個案例反映了大語言模型（LLM）常見的誤用，LLM的核心價值在於文字處理和語言理解，而非圖像處理或實際問題的即時解決。當使用者抱持不切實際的期望時，可能會對AI產生誤解，認為其無法滿足需求，就像你買了氣炸烤箱，然後用它來煮飯，再來抱怨氣炸烤箱不能煮飯或是煮出來很難吃。事實上，像ChatGPT這樣的LLM工具，能在適當的範疇內極大地提高效率與產出質量，但使用者必須先清楚它的功能邊界。

正確使用LLM的建議：

1. 瞭解工具功能：在使用LLM之前，瞭解它的設計目的與適用範圍。
2. 提出清晰問題：LLM最擅長的是解答明確的問題或生成具體的文字輸出，因此在使用時，應提出具體、精確的問題。
3. 合理設定期待：不要期望LLM能替代人類的現場經驗或操作，這類工具更適合用來輔助決策或提供思路，而非解決所有問題。

總而言之，正確認識LLM的本質，並將其用於適合的場景中，才能真正發揮它的最大潛力，例如這篇文章的內容有90%都是ChatGPT生成的。