AI怎麼「看懂」文字和圖片的？

我們常常以為AI是靠某種神秘的「理解力」在運作，但其實它學習的方式，跟我們小時候學說話、認東西的過程意外地相似。

語言模型：讀過的書多了，自然知道下一句該接什麼

大型語言模型並不是「懂」字詞的意思，而是讀過海量的文章之後，記住了哪些字詞經常一起出現、句子通常怎麼接續。就像你聽多了朋友說話的口頭禪，久而久之你也能猜到他下一句要說什麼——AI做的其實是規模放大版的這種「猜測」。

圖像辨識：看過一萬次貓，就認得出貓

圖像辨識的邏輯也很類似。AI一開始並不知道什麼是貓，但當它看過成千上萬張標記為「貓」的照片後，慢慢抓出這些照片共同的特徵：尖尖的耳朵、圓圓的眼睛、特定的毛髮紋理。這個過程很像小孩第一次認得動物繪本裡的貓，之後在路上看到真貓也能認出來——不是因為懂了「貓」的定義，而是累積了足夠多的視覺經驗。

• 語言模型＝從大量文字中學會「什麼詞常接在一起」
• 圖像辨識＝從大量圖片中學會「什麼特徵組合代表什麼東西」
• 兩者的共通點：靠「大量重複的經驗」找出規律，而不是真正的理解

所以下次AI精準回答你的問題，或一眼認出照片裡的東西時，不妨把它想像成一個讀了非常非常多書、看了非常非常多照片的學生——它記性驚人，但本質上，還是從「看過的東西」裡找答案。這樣想，AI好像也沒那麼難懂了。