如果你每次看到「人工智慧（Artificial Intelligence, AI）」這個詞，腦中就立刻跳出機器人、晶片、程式碼，那我們先把那些畫面全部放旁邊。
今天只想像一件很普通的事。
你走進一間百貨公司的包包專櫃，跟櫃姐說：「我平常穿得比較簡單，想找一個上班可以背、週末也不會太正式的包，預算大概兩萬。」
一位很有經驗的櫃姐可能不需要問你五十個問題，就能先拿出三款比較可能適合你的。
她為什麼做得到？
不是因為她讀心，而是因為她以前看過很多客人。
AI 很像「從很多例子裡找規律」
假設這位櫃姐工作了十年。她見過成千上萬個人，也看過哪些人最後買了哪個包、哪些推薦被拒絕、哪些風格常常一起出現。
久了之後，她腦中會形成一些經驗：
- 喜歡簡約穿搭的人，可能比較常選線條乾淨的款式。
- 每天通勤的人，通常會在意容量和重量。
- 說「不要太正式」的人，可能不想要太硬挺的公事包。
AI 做的事情，在最基本的直覺上很像這樣：看很多資料，從裡面找到某些規律，再用這些規律做判斷、預測或產生答案。
真的 AI 當然不是在腦中想「這位客人感覺適合奶茶色」。它使用數字、計算和模型（Model）來處理資訊。但如果你現在只是想先理解概念，「從很多例子裡學到規律」已經是一個很好的起點。
那 AI 是不是就跟人一樣會想？
不是。
這是第一個很重要的界線。
櫃姐可能真的理解你今天為什麼心情不好、知道你下週要去參加婚禮，也能從你的表情看出你其實不喜歡那個包。
AI 顯示出來的「很懂你」，很多時候是因為它很會利用資料中的規律，產生一個看起來合理的結果。
這不代表它有跟人一樣的感受、生活經驗或理解方式。
所以之後你看到 ChatGPT 回答得很貼心，可以先把它想成：
它非常會根據你給的線索，推測「接下來什麼回答最合理」。
這個想法比「裡面住著一個電子人腦」更接近我們接下來要學的東西。
AI 其實是一個很大的總稱
「AI」有點像「包包」這個詞。
托特包、肩背包、晚宴包、後背包都可以叫包包，但功能完全不同。
AI 也是一樣。
幫你辨識照片裡有沒有貓，是 AI；銀行判斷一筆刷卡像不像盜刷，是 AI；Netflix 猜你下一部想看什麼，也是 AI；ChatGPT 幫你寫文字，當然也是 AI。
它們不一定用同一種方法，也不一定擅長同一件事。
所以以後有人說「AI 可以做到某件事」，你可以多問一句：是哪一種 AI？拿來做什麼？
這個問題會幫你避開很多誇大的說法。
今天只要記住一句話
AI 不必先被想成一顆「會思考的機器腦」。
你可以先把它理解成：
一套能從大量資料中找到規律，並用這些規律做出結果的系統。
下一篇，我們會碰到一個你之後每天都會看到的字：模型（Model）。
到時候你會發現，「AI」和「AI 模型」其實不是完全同一件事。
這個比喻哪裡不完全一樣？
櫃姐有生活經驗、情緒、主觀判斷，也可能理解你沒說出口的需求；AI 的運作方式不是人的縮小版。因此「櫃姐」只是幫你建立第一層直覺，不能把每個細節都一一對應。