來談談 AI 模型是如何運作的。
你可以把它們想成超強、通用的 API 端點。就像你會整合 Stripe API 來處理付款，或使用 Twilio 發送簡訊一樣，你可以呼叫 AI 模型來完成各式各樣的任務。
最大的差別是：你無法保證每次都得到相同的結果。
決定性 vs. 機率性#
傳統軟體具備決定性。給定相同輸入，如果你再次執行程式，會得到相同的輸出。開發者已明確撰寫程式碼來處理既定的流程。
AI 模型不是如此。它們具備機率性。這表示在相同輸入下，模型可能走上多種不同的路徑。
建立 AI 心智模型的第一個重點是：不要假設每次都保證會得到相同答案。
當 AI 模型決定選擇一條路徑時，它如何決定要輸出什麼？在底層，這些模型會依據兩件事來預測下一段要回應的文字：
- 模型所「訓練」過的資訊
- 你提供給模型作為輸入的內容，稱為「提示」（prompt）
例如，讓我們問 AI 生命的意義是什麼：
What is the meaning of life? Respond with a single word.
根據我的「輸入」，模型會嘗試預測下一個要顯示的字。試著多執行幾次上面的提示。留意兩件重要的事：
- 即使是相同的模型與提示，也可能對同一問題給出不同的回應
- 模型有時不會完全遵循你的指示
即便你明確要求，你也可能得不到單字的回應。
哪一項敘述最能描述 AI 模型的回應？
它們具備決定性，對相同輸入會給出相同結果。它們具備機率性，即使使用相同提示，每次執行也可能不同。只有在供應商重新訓練模型時才會改變。它們取決於你的 API 金鑰，而不是提示。
選擇模型#
如何判斷該用哪個模型？
AI 模型在智能程度、回應速度、成本與專業領域上各不相同。有些模型速度快、成本低，但無法解決需要更多推理的深層技術問題。
也有模型較慢、成本較高，但在面對更複雜的任務時，能「思考」更久、處理更深入。
最理想的是同時極聰明、極快速、且價格親民的模型。這樣的模型今天是否存在，取決於你的使用場景。
在軟體開發上，現有模型已能勝任各類程式開發工作。
幾乎每個月都有新模型推出，AI 的前沿水準也在持續刷新。這表示你可以期待更聰明的模型，未來在解決程式設計、規劃與其他軟體開發相關任務上更為出色。
多模態
你也可以用不同的方式（即「多模態」）與模型互動。例如，透過文字與聊天機器人交流、生成影像、與虛擬 AI 對話，甚至依提示生成影片。
模型品質正快速提升，因此留意最新的模型發佈很重要。舉例來說，幾年前的影片生成模型效果不佳，但現在已相當逼真。
在開發軟體時，使用不同模態可能包括：
- 使用文字描述你想打造的產品或功能，與 AI 協作擬定計畫
- 使用圖片分享你要建立的 UI 雛形或設計，或在間距或配色不理想時向 AI 模型提供回饋
- 使用語音將口述內容轉錄為 AI 模型的輸入，免去手動輸入冗長或詳細指令
在談如何有效使用 AI 模型之前，先了解它們的限制會更有幫助。讓我們在下一課深入探討。