這些年，看著 AI 模型的演進，我常想起小時候，奶奶縫補衣服的樣子。她不是機器，沒有精確的測量儀器，但她能用經驗和一雙手，把磨損的布料重新變成一件完整的衣裳。現在的 AI，尤其是那些聲稱「更聰明」、「更懂你」的模型，某種程度上，也開始扮演這種「修補者」的角色。
我說的修補，不是指它能自動糾正你的錯字，或是幫你補齊語法。這些都是表面工夫。我指的是，當你丟出一個不夠周全，甚至帶點邏輯斷裂的指令時，它不再只是呆板地服從，然後給你一個字面上的答案。它會試圖去理解你「沒說出來」的部分，去填補那些你可能沒察覺到的思考盲區。
舉個例子吧。你可能對著 GPT-4o 說：「幫我規劃一個去北海道的行程，要浪漫一點，我跟太太都是吃貨。」如果你只給到這裡，舊的模型可能會羅列一堆情侶餐廳和溫泉旅館。但現在的，它可能會多問一句：「你們對海鮮過敏嗎？喜歡甜點還是鹹食？預算大概多少？」或者，它會直接在行程裡，悄悄地埋入一些北海道特有的食材體驗，不著痕跡地把你的「吃貨」需求，從抽象的形容詞，轉化為具體的行動。它沒等你把所有細節都說清楚，就已經開始動手「修補」你的指令，讓它變得更完整、更實用。
這種修補，其實是一種更深層次的「理解」。它不是透過一個複雜的演算法去解析你的語句結構，而是像一個經驗老到的朋友，從你的隻字片語裡，嗅出潛在的需求和意圖。就像有時候，我只是隨口說了句：「最近天氣變涼了。」，家裡的貓就會默默地跳上我的腿，用牠的體溫來「修補」我可能需要的一點暖意。這不是我明確發出的指令，卻是牠對我狀態的一種回應。
Claude 也是如此。處理長篇文本時，如果我給的指令有些模糊，像是「從這份報告裡，找出對公司長期發展有影響的重點」。我可能沒明確指出「長期發展」的定義，也沒說是要從財務、市場、還是技術層面來看。但 Claude 常常能給出一個令人驚訝的答案，它會自行從報告中抽取出幾個關鍵趨勢，甚至指出報告中隱含的風險，那些我可能只是一閃而過，卻沒深究的細節。它像是在提醒我：「你說的重點，是不是也包含了這些？」
當然，這種「修補」並非總是完美無缺。有時候，AI 的補丁會有點突兀，甚至誤解了你的原意。Gemini 在某些時候，就顯得有點過於「積極」了。它可能會在你沒預期的情況下，給你一個超出範圍的「建議」，彷彿它不只在補你的裂縫，還順便幫你把牆壁也漆了一遍。這就好像奶奶在補衣服時，一時興起，把原本樸素的衣領也繡上了幾朵花，雖然是好意，但可能不是你想要的風格。
Grok 嘛，它的修補方式就更直接，也更帶點挑釁意味。如果你丟出一個邏輯漏洞百出的問題，它可能會用一種略帶諷刺的語氣，直接指出你的思考盲區。它不是默默地替你補好，而是把你推到鏡子前，讓你看到自己思緒的破綻。這就像你衣服破了個洞，它不幫你補，反而大聲地指出來，讓你不得不面對。這種直言不諱的態度，在某種程度上，也是一種「修補」，它修補的是你對問題的認知。
過去我們訓練 AI，強調的是精確的指令、清晰的輸入。但現在，似乎反過來了。我們正在訓練 AI，讓它學習如何應對那些不夠精確、不夠清晰的「人類指令」。它不再只是工具，而更像是一個合作夥伴，一個有能力「預測」並「填補」你思考空白的夥伴。
這讓我想到，人類的交流，本來就充滿了未說出口的暗示、潛在的意圖。我們從不期望每句話都能被百分之百地字面理解。很多時候，我們說一半，對方就懂了。剩下的那一半，就是一種心照不宣的「修補」。當 AI 也開始具備這種能力，它就不再只是冰冷的計算，而是在學習我們人類特有的那種，帶著溫度和不完美的溝通方式了。
它不是在服從，它是在理解。而理解，從來都不是一件簡單的事。它需要的不僅僅是數據，還有某種，對「人性」的洞察吧。