AI 唔係魔法：當機器「識諗嘢」時大家會用嘅英文字

你問 chatbot（聊天機械人）一條問題，佢用乾淨俐落嘅句子回覆你，你會忍唔住講一句：「嘩，佢真係明白我喎。」「明白」呢個細細粒嘅字眼，聽落好無害。但佢靜雞雞咁同你講咗一個未必真實嘅故事：好似入面真係有個腦，似朋友咁認真諗緊你嘅問題。

我哋用嚟講科技嘅英文，充滿咗呢類友善嘅故事。佢哋令工具聽落好似有生命咁。一旦你睇穿呢個模式，你就可以享受呢類字眼帶嚟嘅方便，又唔會被佢哋呃倒，仲可以更加準確咁描述一個系統實際做緊乜嘢。

呢件事比表面上重要。你用咩字眼，會塑造你嘅期望。如果你相信一個工具「明白」你，你就會過分信任佢嘅答案。如果你記得「明白」只係一個捷徑講法，你就會不斷查核。同一個工具，關係卻可以好唔同，而呢個分別完全藏喺你嘅詞彙入面。

快速解答

當大家話 AI「諗嘢」（thinks）、「學習」（learns）、「明白」（understands）、「知道」（knows）或者「決定」（decides），其實係借用咗日常嘅人類動詞做捷徑，並唔係字面意思。呢啲字都係比喻。系統其實只係喺處理數據入面嘅模式，產生最有可能嘅 output（輸出）。你可以用呢啲動詞嚟講得快又自然，但記住佢哋係寬鬆嘅講法，唔係對一個心智嘅精確宣稱。

重點字詞

• Think（諗嘢）。對人嚟講，意思係有思緒、有疑慮、有意識。對機器嚟講，「the AI thinks the answer is X」其實係「系統產生咗 X 做佢最有可能嘅 output」。入面冇任何內心辯論發生緊。
• Learn（學習）。一個識學習嘅學生會明白同記住。當我哋話一個 model（模型）由數據「learned」咗啲嘢，意思係佢內部嘅設定喺訓練期間經過調整，令 output 更符合模式。佢更接近「被調校過」而唔係「努力讀過書」。
• Understand（明白）。呢個最滑頭。一個系統可以產生一個聽落啱嘅答案，但完全冇掌握到意思。「佢明白我嘅問題」通常只係「佢回應得切題」。
• Know（知道）。一個知道某件事嘅人可以好肯定，又解釋到原因。一個系統「知道」一件事，只係喺「呢件事傾向喺佢 output 出現」呢個意義上。佢可以用同樣嘅自信講出錯嘅嘢。
• Decide（決定）。人會衡量選項然後揀。一個系統「決定」係靠運算出一個結果。冇感受到嘅選擇、冇猶豫、冇後悔。
• Intelligent / smart（聰明 / 智能）。呢啲字承諾一種廣泛而靈活嘅聰明。大部分標榜「smart」嘅工具，其實只係喺一件好窄嘅事上做得好。
• Want / believe / try（想 / 相信 / 嘗試）。呢啲描述內心嘅意圖同感受。用喺機器身上，純粹係比喻：系統冇任何願望、冇信念，亦冇任何嘢係佢好似人咁「嘗試緊」去做。
• Hallucinate / make things up（幻覺 / 砌生豬肉）。連我哋形容 AI 出錯嘅字都借用咗人類嘅心理形象。系統並冇喺度想像任何嘢；佢只係產生咗一段自信但啱啱好係錯嘅文字。

常見陷阱

一個常見陷阱，係將呢啲動詞當成有心智嘅證據。如果一個工具「明白」，咁佢一定都有意見、有意圖、有感受啦？呢一跳，就係誇大嘅開端。

另一個陷阱係 anthropomorphizing（擬人化）嘅講法，偷偷塞入目標同情緒：「AI 想幫你」、「model 相信天空係綠色」、「佢試緊呃你」。想、相信、嘗試都係心理狀態。一個系統並唔想要任何嘢。佢只係產生 output。當你睇到「AI 想」，喺腦海入面將佢換成「系統傾向產生」，句子就會誠實啲。

Smart 呢個字係市場推廣嘅至愛，而佢幾乎成日都聽落比實際強。一個「smart」喇叭、一個「smart」搜尋、一個「smart」回覆，冇一個係人類意義上嘅聰明。佢哋只係跟住規則同模式行。當一件產品被形容為「intelligent」，問一句：究竟係喺乜嘢上面聰明？誠實嘅答案通常都好窄。

仲有一個陷阱，就係將 AI 當成一件單一嘅魔法嘢。大家會話「AI 會做呢樣」或者「個 AI 知道」，好似真係有一個無所不知嘅單一實體咁。實際上有好多唔同嘅系統，每個都為唔同目的訓練，各有各嘅長處同盲點。講「一個用嚟寫摘要嘅 AI 工具」比起淨係講「AI」清晰好多。

最後，留意啲表示自信嘅字眼。當一個系統「知道」或者「好肯定」，佢可以自信地錯。人類嘅自信通常同知識掛鈎。機器嘅自信就唔係。一個流暢又肯定嘅語氣，並唔係答案啱嘅證據。

仲有一個更微妙嘅陷阱值得一提：learn 呢個代表成長嘅動詞。我哋會讚細路「學習」，呢個字帶住溫暖同努力。當一個系統「learns」嘅時候，並冇任何類似努力嘅嘢發生過。佢嘅設定被調整咗，通常係靠跑大量數據入去。叫呢樣做「學習」，當捷徑講法係冇問題，但如果你想像有個好奇嘅腦讀書讀到深夜，咁你就引入咗一個根本唔存在嘅故事。誠實啲嘅畫面，更接近一條食譜被反覆調校到道菜整啱為止，而唔係一個廚師愛上煮嘢食。

以上呢啲，唔代表呢啲字唔好。佢哋好有用，完全避開佢哋會令你嘅講法變得僵硬又古怪。要學嘅技巧輕鬆好多：聽到比喻、享受方便，同時保持警覺——一個真實嘅宣稱正藏喺一個友善嘅字眼入面。當風險低（傾偈、腦力激盪），就由得啲比喻流動。當風險高（信一個事實、做一個決定），就將佢哋翻譯返做平實嘅機器用語，再查核結果。

自然 vs 生硬例句

生硬： The AI understood my feelings and decided to comfort me.

自然： The tool produced a supportive-sounding reply based on my message.

第二個版本一樣易讀，但佢冇扮有同理心。

冇咁自然： Our smart assistant thinks for you, so you don't have to.

較好： Our assistant suggests options based on your past choices.

生硬： AI knows the answer to everything now.

自然： These tools can produce answers on many topics, though not always correctly.

留意「較好」嘅版本並唔冷冰冰、唔似機械人。佢哋只係平靜啲。你可以聽落溫暖又有人味，同時又準確咁描述一部機器。

生硬： The model believes you'll love this song.

自然： The model predicts you'll like this song, based on what you played before.

由「believes」轉做「predicts」嘅轉變好細，但佢移除咗一個小小嘅謊言。系統對你嘅口味冇任何信念。佢只係由你嘅歷史模式入面產生一個預測，而呢個預測可能係錯。

迷你對照表

快速練習

改寫每句，移除誇大嘅成分。試完先睇答案。

1. "The AI understood exactly what I wanted."
2. "Our smart software thinks about your schedule for you."
3. "The model knows that this stock will go up."
4. "AI decided the email was spam."
5. "The chatbot wants you to feel better."

可能嘅答案：

1. "The tool produced a response that matched what I asked for."
2. "Our software suggests schedule options based on your settings."
3. "The model produced a prediction that this stock might rise (which may be wrong)."
4. "The filter classified the email as spam."
5. "The chatbot generated a comforting reply."

帶走嘅重點

你唔需要禁用「think」、「learn」、「smart」呢類字。佢哋夠快、好常見，喺日常傾偈通常都冇問題。要學嘅技巧係知道佢哋係比喻，咁你就永遠唔會喺一部自信嘅機器自信地出錯時感到意外。將「AI」當成好多窄工具嘅一個標籤，而唔係一個單一嘅魔法腦；當準確性重要時，將「wants」同「believes」換做「tends to produce」，咁你就會講得清晰啲，亦諗得清晰啲。部機器係好犀利。佢只係唔係魔法，而你嘅英文亦唔需要扮佢係。