自生成式 AI（Generative AI）於 2022 年 11 月正式與大眾相見以來，在短時間內改變人們在教育和多種工作場域的行為模式，從萬事問 Google 的關鍵字檢索，到現在能用符合人類日常溝通的對話方法，來與生成式 AI 進行互動，過往需要人類花費大量時間才能理解的文本，乃至構思複雜情境的思維架構，如今生成式 AI 都能在掐指之間提供快速的協助，使用者也能根據自身需求，透過適當的提示設計(Prompt Engineering) 引導生成式 AI 往期待的方向成長，使其有能力更準確地回應我們的問題。然而，凡是有操作過生成式 AI 的使用者，都不免遇過其答非所問，即使是提出有確切答案的命題，往往仍會出現不著邊際、胡亂瞎扯的話術式回應。
生成式 AI 的迅速發展為人們帶來了無限想像，期待只要給予大量資料訓練模型，就能在多領域應用中協助決策與解決問題。此大型語言模型（Large Language Models, LLMs）造就出一位堪比愛因斯坦等級的大師，有著高智商(IQ)，憑藉著強大的記憶力、分析力、創造力，能夠歸納推理(Inductive Reasoning)，舉一反三，甚至移花接木，產出異想不到的創意。然而，為何聰明如此，儘管回答問題時展現了邏輯清晰的脈絡，但實質上卻顯得空泛且重複性高?
過度的期待往往讓人們忽略了一個原則 —「聰明」跟「資訊」是兩件事。古人的智慧『千金難買早知道』、『秀才不出門，難知天下事』，清楚地告訴我們，再聰明的人，也不可能無所不知，無所不能。沒有對當下情況的了解，缺乏適時的情報，生成式 AI回答時就只能空洞的論述而無法產出反映現況的洞察，進而協助人們做出正確的決策。
生成式 AI 萬能，但缺乏數據則萬萬不能
以目前的技術，當你向 Chat GPT 展示了一個人倒臥地上，雙手抱著心臟痛苦的畫面，並詢問發生了什麼事，ChatGPT 能根據過往它所訓練的資料，判斷這個人可能是心臟病發作。生成式 AI 主要透過歸納推理來運作，藉由龐大的運算力與巨量數據的學習，由特定範例進行歸納概率化以生成新內容。它擁有有如人類般辨識與回覆問題的能力，針對一般事物的摘要、論述或判斷是可以提供一定智能水平的滿意度，但也伴隨著不確定性。當要下關鍵決策（Mission-Critical Decisions）時，則往往因為缺乏當下的資訊，無法提供精準可靠的執行計畫，因此對這類的 AI 應用，生成式 AI雖能夠提出參考建議或想法，但終究因沒有具體行動方案，無法作為人們最後的決策依據。
