上一篇我們把人工智慧（Artificial Intelligence, AI）想成一位看過很多客人的超級櫃姐。
現在要再多分一層。
想像你進了一間很大的百貨公司。裡面有人專門賣高跟鞋、有人熟精品包、有人對香水超敏銳，也有人一看到你的膚色就很會挑口紅。
她們都在同一家百貨工作，但你不會跑去問鞋櫃的人：「我今天應該選暖棕還是莓果色唇膏？」
這就是理解 AI 模型（AI Model） 很好用的方式。
AI 是大類，模型是實際上場做事的那一位
「AI」比較像整間百貨公司，是一個很大的總稱。
「模型（Model）」比較像其中一位受過訓練、擅長特定工作的櫃姐。
有的模型擅長：
- 看圖片，判斷裡面有什麼。
- 看文字，判斷情緒或分類。
- 根據你的喜好推薦商品。
- 根據一段文字，接著產生下一段文字。
- 把文字變成圖片。
所以當你聽到「這個 AI 很厲害」，其實最好再問一句：是哪個模型？它到底被設計來做什麼？
為什麼模型之間差這麼多？
假設有兩位包包櫃姐。
A 每天接待的是通勤族，最熟耐用、容量、重量和搭配西裝的款式。
B 長期服務的是晚宴和精品收藏客，最熟稀有皮革、限定色和保值性。
她們都懂包，但回答同一個問題時，可能會給你完全不同的答案。
AI 模型也是如此。它看過什麼資料、被怎麼訓練、被要求做好哪些事情，都會影響最後表現。
這也是為什麼你不能只看模型名稱，就假設所有 AI 都一樣。
ChatGPT 是模型嗎？
這裡很容易混淆。
你可以先把 ChatGPT 想成「你實際走進去使用的服務」，而背後會使用一個或多個 AI 模型來完成工作。
有點像你使用一家百貨公司的 VIP 服務：你看到的是同一個服務入口，但不同需求可能會交給不同專長的人處理。
所以日常聊天時，把 ChatGPT 叫 AI 沒問題；但當你想更精準地理解技術，就要開始分清楚「產品」和「模型」。
模型不是裝進去一堆答案的資料庫
這也是很常見的誤會。
模型不是一本超巨大百科全書，裡面有一格一格「問題 → 標準答案」。
比較像櫃姐工作久了之後，從大量例子裡形成一種判斷能力。
她不需要記住每個客人的完整對話，仍然可能從經驗判斷「這類型的人通常會喜歡什麼」。
模型也是從資料裡學到很多模式，而不是單純把所有原文照原樣存起來等你搜尋。
今天只要記住一句話
AI 是一整類技術；模型是其中真正被訓練好、拿來完成某個任務的那個系統。
下一篇我們就會回答最自然的問題：
「那這些模型到底是怎麼學會的？」
答案會從你很熟悉的事情開始：看很多很多穿搭，慢慢養出眼光。