從 2020 年 Chat GPT 問世，到後來 Midjourney 的文生圖的美術衝擊，
再到 SUNO、Sora…音樂與影視的模擬。
LLM AI 似乎無所不能，在 OPEN AI 問世之後，很多語言模型都能
1. 快速整合很多資料
2. 拼湊出知識經驗
3. 並規劃出執行 SOP
彷彿我們不用真的懂，只要手上有LLM AI，就無所不能
相信很多資方都是這麼想的，勞方開始有生存壓力
似乎你我的工作，明天可能就被 AI 取代了，但真的是這樣嗎?
已經到2026年，在 OPEN AI 宣告關閉 Sora 服務時，
或許LLM AI 並沒有那麼萬能。
LLM 的本質: 盲人摸象+人云亦云
還沒被 LLM 淘汰的勞工們，應該都有發現 LLM 看似美好，其實無限放飛。
人類是用經驗，拼湊出事物的因果，並推論出價值與風險…
而 LLM ，則是取用人類常出現的前後文詞彙，拼湊出文章，
有假的感情，假的因果，
無法判斷資料是否正確。甚至資料正確，也可能拚出錯誤的意思。
LLM 能用在哪? LLM取代什麼?
LLM 最好用，且能取代的幾個部分:
- 單純有標準答案的邏輯推理: LLM 小機率出錯
- 快速整理資料與摘要：這是LLM 的強項
- 標準模糊範圍較寬的任務
在踏入新的領域，不太知道這邊有什麼，LLM能給你個60分以上的框架
但在該領域較細節需要體驗推理的部分，LLM不會推理，只能拼湊答案。
繪圖或影視之所以被LLM取代，也是因為藝術音樂領域，
在實際使用上，多數時間感覺對就可以了
但要能修改LLM生成的圖或影像，也必須要有極高的修圖功力
有時不如參考 AI生成的圖自己重畫還比較快。
LLM 能學習思考嗎?可以，代價不小
我曾經自行做個簡單的 AI 代理人，分兩個流程
A: 拿到參考圖+我的需求，分析參考材質跟工藝手法，生出 PROMPR 給B
B: 依照PROMPT 生圖，送回給 A
A: 在比對新圖+評分，評分是否符合需求，不符就再生個PROMPT 給B
直到評分超過及格線，任務完成。
真實結果是
1. 評分過得圖，在 AI 眼中是 90 分，在我眼中是 60 分
2. 評分未過的圖，在 AI 眼中不到60分，在人類眼中有 70~80分
3. 如果是自己生圖自己審圖，點數我可以用一周。自動化之後，點數20分鐘就用完了
LLM能學習審核，但需要大量訓練的代價。也難保不會出錯。
如何與 AI 深度共生
理解工具功能與合作邊界，是降血壓的最佳藥方，AI適合做得事
- 標準寬鬆，出錯無妨的娛樂任務
- 從0開始學習，要往該領域開啟前幾步
- 靈感拼湊
- 有標準答案的邏輯推理
- 標準工具 程式 撰寫
- 標準素材製作
醫療、法律、具備精準脈絡需求的事件，看看就好。
AI 的幻覺與潛能並存。清醒的心態是：
- 避免幻想，不要被「全自動」的幻象迷惑。
- 善用它的邊界，在靈感、草稿、標準化任務中加速。
AI 時代的智慧，不在於盲目追逐大餅，而在於 清醒地設計共生模式。
這篇如果對你有幫助， 歡迎請我喝杯咖啡，讓我繼續寫更多關於遊戲企劃的筆記。