當人們向ChatGPT提問，或讓客服機器人協助查詢訂單，AI似乎已經愈來愈會說人話。這些系統能回應問題、整理資料、生成文章，也能用接近日常對話的方式與使用者互動。近年來，人們對生成式AI的討論，多半聚焦於它能完成哪些工作、如何改變學習與工作模式，但另一個同樣重要的問題是：AI究竟是如何處理語言的？
 
可是，當AI流暢回答問題時，是否真的理解人類語言？或者，模型只是根據大量文字資料，學會下一個字、下一句話、下一段回應最可能出現什麼？
 
自然語言處理（Natural Language Processing, NLP）是讓電腦理解、分析與生成語言的研究領域，而近年快速發展的大型語言模型（Large Language Model, LLM），則是其中一種重要技術，也是推動NLP快速進展的重要模型之一。AI與語言的關係，也因此從早期的規則判斷與分類任務，逐步走向能生成、摘要、翻譯與對話的新階段。這也讓人們重新思考，所謂理解，究竟是知道詞語的意思，掌握語法規則，還是能針對具體情境做出合宜回應？

人類使用語言時，常常不需要意識到背後的複雜性，一句「他沒有去銀行，因為今天颱風假」人可以很快判斷這裡的銀行是金融機構，也能理解颱風假與沒有去之間的因果關係，可是對機器來說，這些判斷一開始並不自然。
 
NLP，是讓電腦處理人類語言的技術領域，常見任務包括斷詞、詞性判斷、情緒分類、翻譯、摘要、問答與對話系統。以中文為例，機器必須先知道詞語該如何切分，才有機會進一步處理句子結構。
 
這些任務雖然基礎，卻是語言科技的重要根基。機器若要回答問題，必須判斷問題在問什麼、答案可能來自哪裡、該從資料中抽出哪個詞，或生成一段完整回應。換言之，機器回答問題時，並非單純知道答案，模型會把問題與可用資料對應起來，再產生最可能的答案。

LLM之所以能生成流暢文字，關鍵在於從龐大的文字資料中學習語言規律。這類模型不像人類讀書那樣，把每一段文字轉化成明確的概念筆記，再存放在腦中，更接近一種透過大量語料反覆學習語言模式的系統。
 
國立臺灣大學電機工程學系李宏毅教授的生成式AI課程，常以文字接龍作為理解語言模型的入口。當使用者輸入一段話，模型會根據前面的字詞與上下文，預測下一個token，token可以是一個字、一個詞，也可能是詞的一部分，經過一次次預測，模型便能生成完整句子、段落與回答。
 
李宏毅教授進一步說明，語言模型已能從大量資料學到不少線索，進而掌握事物之間的關聯。例如，模型知道臺北、高雄都是地名，也能分辨臺北、桃園、高雄之間的遠近關係。
 
又譬如當人們請AI用比較溫暖的語氣改寫一封信，模型並非從資料庫找一封類似的信貼出來，而是會根據輸入內容、語氣要求與過去學到的語言模式，重新生成一段文字。
 
就一般人的認知而言，模型能做這些事情，代表它已具備理解能力。不過，李宏毅教授強調，以工程角度來看，研究者通常不會直接說模型理解或不理解，而是會設計benchmark，也就是一組測驗題目，觀察模型在未見過的問題上能得到多少分數，以此了解模型能力的進展。

使用LLM時，許多人都遇過類似經驗，回答一開始很有條理，細看卻發現內容錯誤；引用不存在的資料，編出彷彿合理的書名、法條或研究；有時問題明明很簡單，回答卻繞了一大圈，甚至答非所問，這些現象常被稱為幻覺。
 
幻覺與語言模型的生成方式有關，模型的目標是根據上下文產生可能性高、看起來合理的文字，當資料不足、問題含糊，或使用者要求模型回答超出掌握範圍的內容時，系統仍可能生成一段語氣肯定的回答。流暢表達，反而會讓錯誤更難被察覺。
 
不過，李宏毅教授提醒，幻覺不能只用完全消除來看待，因為如果要求AI絕對不能出錯，最保守的做法就是遇到問題都拒絕回答，這樣確實不會產生錯誤，卻也無法協助使用者完成任務，「AI之所以有用，正是因為它會嘗試根據有限資訊生成回答、整理資料或提出想法，而這個過程本來就可能出現偏差。」
 
他也指出，並非所有不存在的內容都應該被視為問題。若使用者要求AI查證資料，模型卻編出不存在的來源，當然是錯誤；但若使用者請AI寫小說、發想情節或創作角色，生成不存在的人事物，反而是創作的一部分。也因此，幻覺是否造成問題，關鍵在於使用情境，當任務是關於查證、分析或決策，AI回答就必須接受檢驗；若是創作與發想，則可以保留較大的想像空間。
 
尤其面對醫療、法律、金融、公共政策等高風險主題，AI輸出不能只看文字是否流暢，還要搭配資料查證與人類判斷。使用AI時，提問愈具體、脈絡愈充分，愈能幫助模型產生貼近需求的回答，若進一步要求列出依據，也有助於使用者檢查內容是否可靠。LLM雖然降低了使用門檻，卻也讓提問能力成為新的數位素養。

過去，人與電腦互動，多半需要人配合機器，使用者要學會指令、選單、按鈕與格式。自然語言科技的進展，讓人可以用日常語言提出需求，AI則試著理解、整理並回應。LLM加入後，人機互動更接近開放式對話，AI可以協助整理長文、改寫語氣、翻譯內容、產生摘要，甚至扮演討論對象。
 
然而，隨著AI Agent出現，AI的角色又往前走了一步，「最早人們覺得AI是工具，後來覺得像夥伴，現在則已是代理人。」李宏毅教授說。
 
隨著AI愈來愈厲害，與其擔心AI是否會取代自己，他認為更應該思考AI能幫你完成什麼目標，「真正重要的是你想做什麼。」當技術門檻降低，有想法的人可以透過AI把任務拆解、執行，甚至讓Agent自行安排流程。
 
不過，AI能自主完成許多任務，卻不代表人類可以放棄判斷。李宏毅教授對未來保持開放態度，他認為AI可能會愈來愈自主，人類給的指令也可以愈來愈模糊，但正因如此，人類仍有許多事情要做，包括監控AI的行動，確認AI自我發展時做出的選擇符合人類期待。
 
語言科技讓機器更接近人類的表達方式，也讓人類重新看見語言的複雜性。人與人之間的溝通，本來就包含資訊、信任、脈絡、情感與責任，AI可以協助處理語言、完成任務、拓展想法，但真正的選擇，仍需要人類在意義、情境與責任之間做出判斷。