AI 不是魔法：當機器「思考」時，人們用的那些英文字

你問聊天機器人一個問題，它用通順的句子回答，然後你發現自己脫口而出：「哇，它真的懂我了。」這個小小的「懂」字看似無害。但它悄悄告訴你一個可能不真實的故事：裡面有一顆心智，正像朋友那樣替你思考問題。

我們用來談科技的英文，充滿了這類親切的故事。它們讓工具聽起來像有生命。一旦你注意到這個模式，就能享受這些字帶來的方便，而不被它們騙到，並且能更準確地描述系統究竟做了什麼。

這件事比表面看起來更重要。你用的字會塑造你的期待。如果你相信工具「懂」你，你會比應該的更信任它的答案。如果你記得「懂」只是一種捷徑說法，你就會持續查證。同一個工具，卻是截然不同的關係，而差別完全活在你的詞彙裡。

快速解答

當人們說 AI 在「思考」（think）、「學習」（learn）、「理解」（understand）、「知道」（know）或「決定」（decide）時，他們是把日常的人類動詞當捷徑用，而非字面描述。這些字是隱喻。系統其實是在處理資料中的模式，產出可能的 output。你可以用這些動詞讓表達快速又自然，但記住它們是寬鬆的說法，而非對某個心智的精準主張，會很有幫助。

關鍵字

• Think（思考）。 對人而言，這意味著擁有想法、疑慮和覺察。對機器而言，「AI think 答案是 X」其實是指「系統把 X 當成它最可能的 output 產出」。裡面並沒有任何內心的辯論。
• Learn（學習）。 一個學習的學生會理解並記住。當我們說一個 model「learned」資料時，意思是它的內部設定在訓練過程中被調整，使 output 更貼合模式。這比較接近「被調校」而非「努力研讀」。
• Understand（理解）。 這是最滑溜的一個。系統能產出聽起來正確的答案，卻完全沒掌握任何意義。「它 understood 我的問題」通常只是指「它回應得很相關」。
• Know（知道）。 一個知道某事的人能確定，並能解釋原因。系統「know」一個事實，只在「該事實傾向出現在它 output 中」這個意義上。它也能用同樣的自信說出錯誤的事。
• Decide（決定）。 人會權衡選項並做出選擇。系統「decide」是靠運算出結果。沒有被感受到的選擇，沒有猶豫，也沒有後悔。
• Intelligent / smart（智慧的 / 聰明的）。 這些字承諾了廣泛、靈活的機巧。大多數被貼上「smart」標籤的工具，只擅長一件很窄的事。
• Want / believe / try（想要 / 相信 / 嘗試）。 這些描述內在的意圖與感受。套用到機器上，純屬隱喻：系統沒有願望、沒有信念，也沒有任何它正像人那樣「try」要做的事。
• Hallucinate / make things up（產生幻覺 / 編造）。 連我們用來描述 AI 錯誤的字，都借用了人類的心智意象。系統並沒有在想像任何東西；它只是產出自信卻剛好為假的文字。

常見陷阱

一個常見陷阱，是把這些動詞當成有心智的證據。如果一個工具「understand」，那它肯定也有意見、意圖和感受吧？這一跳，正是誇大的起點。

另一個陷阱是擬人化的語言，它偷渡進了目標和情緒：「AI want 幫你」、「model believe 天空是綠的」、「它正在 try 騙你」。想要、相信、嘗試都是心智狀態。系統並不想要任何東西。它只是產出 output。當你讀到「the AI wants」時，在心裡把它換成「系統傾向產出」，句子就會誠實許多。

smart 這個字是行銷的最愛，而且幾乎總是聽起來比實際更強。「smart」音箱、「smart」搜尋、「smart」回覆，這些都不是人類意義上的聰明。它們依循規則與模式。當一個產品被形容為「intelligent」時，問一句：到底在哪方面 intelligent？誠實的答案通常很窄。

還有一個陷阱，是把 AI 當成單一的魔法存在。人們說「AI 會做這個」或「the AI know」，彷彿存在一個全知的單一實體。實際上，有許多不同的系統，各為不同目的訓練，各有不同的強項與盲點。說「一個用來寫摘要的 AI 工具」遠比只說「AI」清楚得多。

最後，留意那些表達自信的字。當系統「know」或「is sure」時，它可能自信地錯著。人類的自信通常與知識同步。機器的自信並非如此。一個流暢、篤定的語氣，並不是答案正確的證據。

還有一個更微妙、值得點名的陷阱：把 learn 當成成長的動詞。我們稱讚孩子「learning」，這個字帶著溫暖與努力。當系統「learn」時，根本沒發生任何類似努力的事。它的設定被調整，往往是靠把巨量資料灌進去。把那叫做「learning」當成簡稱沒問題，但如果你想像一顆好奇的心智挑燈夜讀，你就引進了一個並不存在的故事。誠實的圖像比較接近一份食譜被調校到端出對的菜，而不是一位廚師愛上了烹飪。

這一切並不代表這些字不好。它們很有用，完全避開它們反而會讓你的表達生硬古怪。這項技巧比那輕巧得多：聽出隱喻、享受方便，並保持警覺，知道一句真正的主張正藏在一個親切的字裡。當風險低時（閒聊、腦力激盪），就讓隱喻流動。當風險高時（信任一項事實、做一個決定），就把它們翻回平實的機器用語，並查證結果。

自然與不自然的例子

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

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

第二個版本依然好讀，卻沒有假裝那裡有同理心。

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

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

不自然： AI knows the answer to everything now.

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

注意，「更好」的版本並不冷漠或機械。它們只是更冷靜。你可以聽起來溫暖而有人味，同時仍準確地描述一台機器。

不自然： The model believes you'll love this song.

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

從「believes」換成「predicts」的轉變很小，卻拿掉了一個小小的謊。系統對你的品味沒有任何信念。它是從你歷史紀錄裡的模式產出一個預測，而且可能會錯。

迷你對照表

快速練習

把每個句子改寫，去掉誇大的部分。先試試看再偷看答案。

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."

可能的答案：

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."

重點帶走

你不必禁用「think」、「learn」、「smart」這些字。它們快速、常見，在日常閒聊裡通常沒問題。這項技巧在於知道它們是隱喻，這樣當一台自信的機器自信地犯錯時，你永遠不會驚訝。把「AI」當成許多窄工具的標籤，而非一個魔法心智；在準確度重要時，把「wants」和「believes」換成「傾向產出」，你就會說得更清楚、也想得更清楚。機器很驚人。它只是不是魔法，而你的英文也不必假裝它是。