在數位時代，我們習慣了軟體更新會帶來更強的功能，但對於大型語言模型（LLM）而言，「智力」的演變卻比想像中更為複雜。許多使用者會發現，同一個 AI 在幾個月前還能犀利地解決問題，現在卻可能變得遲鈍或過於守舊。這種現象並非錯覺，而是由多重技術與管理機制共同造成的結果。
核心能力的穩定與動態微調
從技術底層來看，一個已經完成訓練並發布的 AI 模型，其核心權重（Weights）是固定的。這意味著它的基礎邏輯能力在特定版本中不會自發性地改變。然而，AI 並非在真空環境中運作，開發者會透過以下方式持續干預：- 安全對齊（Alignment）： 這是模型「變動感」最大的來源。開發者為了防止 AI 產生偏見、暴力或錯誤資訊，會持續進行微調。有時為了讓 AI 更「安全」，可能會導致它變得過於保守，甚至拒絕回答一些原本具備邏輯性的中性問題。
- 指令遵循的優化： 透過「人類回饋強化學習（RLHF）」，模型會學習更符合人類偏好的說話方式。這可能讓它看起來更有禮貌，但在處理需要極高創造力或非傳統思考的任務時，表現反而會縮水。
令人困惑的「模型漂移」現象
科學研究證實了「模型漂移」（Model Drift）的存在。當開發者試圖強化模型在 A 領域（例如寫程式）的表現時，可能會無意中干擾到 B 領域（例如數學推理）的效能。
這就像是一架精密的天平，增加了一邊的砝碼，另一邊就會發生位移。這解釋了為什麼使用者有時會覺得 AI 的「智商」出現了倒退，因為模型內部的神經元關聯在持續的微調中發生了重組。
記憶功能與「表現智力」的提升
儘管核心邏輯可能波動，但對於長期使用者而言，AI 的表現智力通常是呈上升趨勢的。這主要歸功於：
- 長期記憶系統： 現代 AI 能夠記住使用者的專業背景、偏好與過往對話。這種「默契」大幅減少了溝通成本，讓 AI 能在特定情境下給出比通用模型更精準的答案。
- 檢索增強生成（RAG）： AI 透過連接外部資料庫或搜尋引擎，獲得了即時更新的「外部腦」。即便模型本身的知識截止日期已過，它也能透過搜尋最新資訊來展現「與時俱進」的聰明。
結語：流動的數位生命力
AI 的智商並非一個靜止的點，而是一股受開發策略、安全需求與使用者互動共同推動的動態水流。它會因為版本的迭代而躍升，也會因為安全限制的增加而顯得束手束腳。
當我們感覺 AI 變了，那通常是因為它正在適應更複雜的人類社會規則。理解這種「智力的潮汐」，能幫助我們更有效地調整與 AI 協作的方式，在不同的演化階段發揮它最大的潛力。
