昨天知道 AI 有時候會一本正經地胡說八道
但我又突然想到一個問題
如果 AI 可以理解文字，那它到底能不能理解我們看到的照片？
像我們把一張照片丟給 AI
它為什麼可以告訴我照片裡面有什麼
甚至可以描述人物、物品、場景
它到底是怎麼「看」懂圖片的？

一、AI 真的看得到照片嗎？
其實 AI 看到照片的方式，跟我們人類完全不一樣
我們看到一張照片時
可能會直接認出「這是一隻狗」
但對電腦來說
圖片其實是一大堆數字
一張照片可以想像成由很多很多像素組成
每個像素都有代表顏色和亮度的數值
所以 AI 並不是像我們一樣用眼睛看照片
而是把圖片轉換成電腦可以處理的資訊

二、那 AI 怎麼知道圖片裡面有什麼？
這就跟前幾天講到的 AI 學習很像
如果我們拿大量的圖片和相關資訊讓模型訓練
例如一張狗的照片搭配「狗」這個標籤
模型就可以慢慢學習不同圖片中的特徵
牠可能會發現
不同的狗雖然長得不一樣
但在圖片裡還是會出現一些相似的特徵
經過大量訓練之後
模型就可以根據圖片中的資訊
判斷裡面可能出現了什麼

三、AI 是怎麼「認出」一隻狗的？
假設今天給 AI 一張狗的照片
它不是真的看到一隻狗然後說
「喔，這是一隻狗」
而是會分析圖片裡面的各種特徵
例如形狀、線條、顏色、位置和不同區域之間的關係
再把這些資訊交給模型進行判斷
最後產生
「這張圖片裡面很可能有一隻狗」
所以 AI 的「看」
其實比較接近
分析圖片中的資訊，再根據學習到的模式做判斷

四、那 AI 為什麼連照片裡的文字都看得懂？
這就更有趣了！
現在很多 AI 不只能辨認圖片裡面的物品
還可以讀取照片中的文字
例如我拍一張菜單
AI 可以幫我把上面的日文翻成中文
或者我拍一張課本
AI 可以幫我整理裡面的重點
這背後會涉及影像辨識和文字辨識等技術
AI 先從圖片中找到文字
再把圖片裡的文字轉換成可以處理的文字資訊
接著就可以像處理一般文字一樣
進一步分析、翻譯或整理

五、那如果圖片很複雜，AI 也看得懂嗎？
其實也不一定
這點其實跟我們前一天講的 AI 幻覺很像
AI 對圖片的判斷也可能出錯
例如照片太模糊、光線太暗
或者圖片裡面的東西被遮住
都可能讓 AI 判斷錯誤
甚至有時候
它可能會把一個東西認成另一個東西
所以就算 AI 可以分析照片
也不代表它看到的內容一定是正確的

六、原來 AI 不只是在「看照片」
今天才發現
以前我以為 AI 看照片就是
「把圖片丟給它，它就看到了」
但實際上
背後還要經過圖片轉換、特徵分析、模型判斷等很多步驟
而且現在的多模態 AI
還可以把圖片和文字放在一起理解
例如我可以丟一張照片
再問 AI
「這張照片裡面有什麼問題？」
AI 就可以根據圖片內容和我的文字問題一起產生回答
這也讓 AI 不再只是處理文字
而是開始可以同時處理不同種類的資訊

七、心得
今天知道
原來 AI 所謂的「看懂照片」
並不是像人類一樣真的用眼睛看
而是把圖片轉換成可以分析的資訊
再透過訓練好的模型找出其中的特徵和關係
最後產生我們看得懂的回答
也難怪現在 AI 可以幫我們辨識圖片、讀菜單、整理筆記
甚至分析圖表
成為我的好幫手！

⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯

明日預告

但我又突然想到一個問題
如果 AI 已經可以看文字、看照片，甚至可以幫我們做很多事情，那它是不是可以自己決定要做什麼？
如果我只跟它說一個目標
它能不能自己拆解任務、使用工具，然後一步一步把事情完成？
那明天就來討論一下
「AI Agent 到底是什麼？」