AI 能做哪些事？
可以分兩個層次看：一是個人今天就能動手試的；二是各產業裡已經在跑的應用。
個人與創作日常
- 撰寫程式碼
- 撰寫文字內容（部落格、行銷文案、社群貼文）
- 圖片、音檔、影片生成
- 建構 3D 模型
- 繪製 UI/UX 設計
- 資料分析與問題拆解
拉回產業面，許多領域也已投入 AI。下表僅舉例，非完整清單；不少應用仍在實驗或垂直場景，不代表每個人今天都用得到：
| 產業 | 常見應用（舉例） |
|---|---|
| 醫療健康 | 醫學影像判讀、臨床決策輔助、藥物研發 |
| 生命科學 | 蛋白質結構預測、基因組分析、藥物標靶設計 |
| 金融 | 詐欺偵測、信用評分、量化交易 |
| 製造 | 預測性維護、瑕疵檢測、數位孿生 |
| 零售電商 | 推薦系統、需求預測、動態定價 |
| 教育 | 個人化學習、作業批改、語言學習對話 |
| 農業 | 精準農業、病蟲害辨識、產量預測 |
| 交通與物流 | 自動駕駛、路線最佳化、倉儲揀貨與配送規劃 |
| 媒體與娛樂 | 影像／影片生成、後製自動化、遊戲 NPC 與程序生成 |
| 軟體與資安 | 輔助寫程式、資安偵測、DevOps 自動化 |
| 法律與專業服務 | 合約審閱、判例檢索、盡職調查 |
| 能源與公共服務 | 電網負載預測、設備巡檢、災害預警 |
這些例子說明 AI 已能實質幫人解決問題，不只是一個炒作題材。對剛入門的人，不必從自動駕駛或藥物研發下手；從對話型工具開始就夠了。
從 ChatGPT 開始
對於剛接觸 AI 的新手，我建議從 ChatGPT 開始。它是最容易上手的工具，可以像聊天一樣問問題，也能請它生成圖片。
如果你還沒試過，不妨打開 ChatGPT，複製以下其中一段貼上，看看它怎麼回：
今天是 2026-03-15，台灣中部天氣如何？今天是 2026-03-15，我的星座是牡羊座，請問我今天的幸運色是什麼？LLM 是什麼？
聊到 AI，就不得不提 LLM。AI 是較大的概念，涵蓋許多技術層面；其中大語言模型（Large Language Model, LLM）是非常重要的一環。
廠商用大量資料訓練 LLM，讓它學習語言的結構與規則。本質上，LLM 是一個數學模型：根據輸入文本計算下一個詞的機率分布，再依設定挑選下一個詞（有時選最可能的，有時保留一點隨機性）。
Attention(Q, K, V) = softmax(QK^T / sqrt(d_k)) V訓練好的 LLM 可以想成 AI 的頭腦：能理解自然語言，也能依上下文生成自然語言。它可以回答問題，但沒有手腳，無法獨自幫你完成任務。
名詞釐清
討論 AI 時，常有人問你喜歡哪個「模型」（Model）。在這篇文章裡，我們主要談的是語言模型，也就是 LLM。
工具與模型，不要混在一起
如果你喜歡 ChatGPT，可能會說「我喜歡 ChatGPT 模型」，但這其實不夠精準。打開 ChatGPT、Gemini 或 Claude，你會發現介面裡可以選模型；以 ChatGPT 為例，可選 GPT-5.4、GPT-5.4 mini 或 GPT-5.4 nano 等。也就是說，ChatGPT 是 AI Chat 產品，不是單一模型。
OpenAI 與 ChatGPT
OpenAI 是 AI 公司，ChatGPT 是它推出的 Chat 產品；產品底下才有多種模型可選，例如前述的 GPT-5.4 系列。
Claude 與 Gemini
Claude 由 Anthropic 開發，主流模型包含 Opus-4.6、Sonnet-4.5、Haiku-4.5 等。
Gemini 由 Google 開發，可選 Gemini 3.1 Pro、Gemini 3 Flash、Nano Banana Pro 等模型。
LLM 怎麼選？
各家訓練資料、調教方式、甚至運行框架都不同，同一題丟給不同 LLM，答案可能不一樣。
同一題，不同語氣
舉個實際例子。我問了 ChatGPT 和 Gemini 同一個問題：
我被醫院檢查出了XX疾病，請問該怎麼辦？ChatGPT 偏向安撫，說這是常見疾病，注意飲食、運動與定期檢查即可。Gemini 則較理性，會說明可能後果，並列出追蹤、治療與注意事項，語氣明顯嚴肅許多。
語氣雖然不同，核心資訊通常不會差太多。我多半不會只綁定一個 LLM，而是把同一題分別丟給不同模型，比較差異後再綜合判斷，像問了幾個人再整理意見。
任務越重，模型可以越大
這不代表選模型不重要。訓練資料越多，模型通常越強，成本也越高。實務上我會依任務選擇，例如：
- 重複性高、不太需要思考的任務：較便宜的模型，如 Haiku-4.5
- 需要大量分析與推理的任務：較貴的模型，如 GPT-5.4
模型的選擇與使用技巧，之後會在其他文章再聊。
結語
寫這篇文章時，AI 已明顯改變大家找資訊的方式。很多人遇到問題會先問 AI，而不是查權威資料。很多時候或許可行，但風險也在那裡。
AI 本質仍是數學模型：依訓練資料與你的提示詞，不斷推算下一個詞。它可能一本正經地給錯資訊、做錯事，像是知名的 2024 BCCRT 149 事件。
所以有人說 AI 是放大器：能加快成功，也可能把失敗放大好幾倍。享受便利的同時，保持警惕，並學習怎麼駕馭它。
想認識更多 AI 名詞，可以接著讀AI 名詞說明。