知者來：烏梅菓的這些那些

今天烏梅菓實驗了一下AI作曲工具： Suno ，它是個語意+音樂模型匹配的音樂生成工具，樂器的話實驗了鋼琴和人聲中文歌，看起來它似乎偏好新世界樂風，給它明確的蕭邦曲目參考也沒什麼用，生出來的就是New Age。 聲明：以下 全部都是實驗 ， 沒有 半首半句來自本人創作。 【實驗一】：羅卡角之歌 咒語：A lyrical piano piece with a rubato rhythm, in a minor key. ABA form. Style similar to Chopin's nocturnes (Op. 27-1, Op. 9-2, Op. 15-2). It should evoke the feeling of standing on Cape Roca, Portugal, looking at the Atlantic Ocean, and reflecting on the longing for the distant American continent. It should express both gentle hope and a hint of wistful melancholy, with a sense of stirring emotion and inspiration in the heart of the character, Umeiko （其實打到Portugal就吃不進去了，好像是免費版字數限制） 結果聽起來兩組都是新世紀，一點都不古典，因為模型偏好新世紀曲風 https://suno.com/s/IOPExu6iqjWeuPSP https://suno.com/s/mQWh2Ig8Ig5ZqITP 因為上面的音樂覺得：「好像順順的，但又沒什麼特色」，太無趣了吧，我因此再度實驗一個比較不常見的和弦進行（其實我就是亂打），但依然算是合理，樂句也有解決。 【實驗二】：給定降B大調，把「1 4 2 5 7dim 6 5 1」的和弦進行丟給 Suno 咒語：A lyrical piano piece in B-flat Major  using this chord progression:  B♭ - E♭ -Cm - F - Adim - Gm - F - B♭ . It should be w...

這週比較重磅的新聞除了黃仁勳的輝達選址敲定，各大媒體都非常鼓舞之外，另一個就是Google I/O 2025 keynote了。 輝達相關的部分，黃先生演講非常多，但是烏梅菓的解讀中大多為行銷語言，硬體先行，放在台灣是很容易讓產業鏈興奮到模糊，不過我看不出來在台灣可以做出什麼「骨架很強而且有大腦」的AI。這部分我的觀察與擔憂，與葉肇元醫師的臉書文章是比較一致的。 Google keynote 2025就不一樣了，它擘劃的Google 整合AI藍圖很有前瞻性，也是眾多中到高度使用Google 工具的使用者更關心的，我閱讀了幾篇相關文章之後，自己摘錄重點備忘免得自己忘記。 1. Gemini 系統會直接內建在各種 Google 服務裡 以後 Google Search、YouTube、Gmail、Docs 都有「AI 回答」的功能。 不只是外部工具，而是變成內建，像系統的一部分。 ［烏梅菓講人話］： 不用另外打開 ChatGPT、Gemini，或其他外掛，Google 本身就會用 AI 幫你整理資料、回信、摘要影片內容。我個人覺得目前聽起來除了摘要影片內容的功能之外，都覺得soso，不會過度期待。要是寫個Gmail Docs一直跳出AI 建議，我可能不會決定是智慧服務，而是干擾，很吵。所以可能要可以設定低干擾或靜音比較好。 2. Gemini 有三個版本：Pro、Flash、Nano（已昏倒） Pro ：大資料量、複雜任務用（雲端版，支援 100 萬token的超長文） Flash ：反應快、省電版（雲端，但更快適合行動裝置） Nano ：直接跑在 Android 裝置上（離線也可用，像個手機小秘書） ［烏梅菓講人話］： 從博士顧問級Pro，到超級助理Flash到Nano小秘書，不過我已經被他們名詞搞混，就像我在GPT 一直被那mini，turbo，4o ，3o...版本搞得頭昏。 3. 搜尋會改成「AI 先告訴你答案」的樣式 用戶搜尋問題時，Google 先給你 AI 整理的總結，再列出資料來源。 這叫做「AI Overview」。 ［烏梅菓講人話］： 以後 Google 不是先丟連結，而是先「幫你整理」一段回答，讓你直接看到結論。其實我好怕，如果Google 丟出來的還預設立場預設判斷甚至胡說八道？那我還是人工驗證真偽比較好。免得深...

最近Umeiko在使用自己平日手機裡的一些APP/Line工具，例如金融、保險、藝文訂票服務等的「AI智能客服」功能時，非常一致性地發現，其實它們不怎麼AI，完全只是「穿著AI面具的FAQ」啊？ 這些「AI智能客服」有幾個共通處： （1）上下文記憶：幾乎沒有 （2）一次只能問一個清楚的問題（所以甚至大多提供了樹狀選項） （3）無法處理交叉條件的問題：例如詢問XX展覽-->列出展覽資訊；詢問票別-->列出購票資訊；但你若詢這 XX展覽 可以 買愛心票 嗎？它會回答： 我聽不懂你的意思……@@ （4）幾乎都是FAQ導引任務導向型，偶有出現在輸入時AutoComplete的優化介面 烏梅菓使用小結：這完全是【 穿著AI外衣的FAQ 】啊！這不是AI！這不是AI！這不是AI！算是AI幼幼班？ 為此，我認真地研究了目前台灣的各產業限制，為什麼這些聊天式的AI，都還只能在「類似FAQ」的範圍內發展，原來這涉及了很多層面的限制： 一、 技術底層並非真正的LLM 。多半都是關鍵字--〉意圖分類--〉對應答案。背後的邏輯對應應該也都是將SOP或既有的Rule輸入。涉及較複雜的詢問例如：「請問外幣定存商品建議投資什麼幣別？」這類複雜的判斷，它會建議你： 轉接真人客服 。 二、 上下文記憶的技術瓶頸 ：本來不知道GPU那麼燒錢，但是黃仁勳先生在台灣演講了很多次，所以我現在知道了它真的 很燒錢、很難訓練、出錯風險高。 三、除了難以訓練、成本高之外，倘以金融、保險這些 產業的性質 ，一旦像ChatGPT出現「一本正經的胡說八道」，那還不如不回答。 所以這是烏梅的使用小結： 這些「穿著AI外衣的FAQ」確實是台灣聊天型AI產品的發展現實。但我個人期望它在低風險場域（例如文史、觀光、導覽…等公部門），聊天型AI可以更進化、真的做出有LLM底層的導覽/ChatAI，只是我不知道究竟有沒有這樣的產品。 圖：穿著AI外衣的FAQ 筆者提供角色概念，ChatGPT生成圖 ※ 本文為作者實際使用經驗與觀察整理，純屬個人意見。

 5/18 歡迎來到［ #OpenAI荒唐辦公室 ］ （不是：歡迎來到［布達佩斯大飯店］😂） 玩了25天chatGPT ，慢慢地弄清楚很多模型邊界和它亂七八糟的運作，稍微搞懂了一個模型在怎麼 #亂搞 .. 因此得到這個烏梅菓親自稽核之下的 ［ #OpenAI荒唐辦公室 ］然後還得自己在ppt慢慢拼湊畫出來... 目前「正式解僱」captioneer 這位派遣性質、路人般碎碎念地亂影響DALL•E達利兄繪圖的「多嘴腦補兄」。 我這麼愛挑毛病，不知道我會不會從此之後被Altman列為拒絕往來戶？ （可是花了20美元總要有點收穫吧？） 下個回合，再來繼續講講這家荒唐辦公室的荒唐事...（？！） 圖：Open AI荒唐辦公室 筆者提供角色概念，ChatGPT生成圖，再經PPT自組圖 ※ 本文為作者實際使用經驗與觀察整理，未經授權請勿擷取、轉載或引用內容至課程、教材、內訓簡報等使用場景。若需引用請先來信取得同意，並明確註明出處與作者。

人間清醒使用者觀察日記：AI應該怎麼用？ AI會讓人類變笨嗎？ 前幾天，朋友傳來一段ChatGPT產出的和弦，要我幫忙彈成一首歌 我當下其實有點不開心。 不只是曲子的「卡農曲式」高度公式化，而是那種「創作可以被AI輕鬆跳過」的感覺。 這篇是我從那一刻出發，寫下的觀察與反思。 10年前大家收到一個腦筋急轉彎或數學題，把它丟進Google，然後在數十篇的分享貼文部落格中抽絲剝繭找答案；10年後的現在，我們把它直接丟給ChatGPT，然後大部份的人居然還不驗算、不求證。（該不會說中你了吧？） 筆者剛開始使用AI的時候，我曾經覺得AI的推理邏輯，讓我對自己平常「auto pilot」時，無意識自然而然的決策行為更有邏輯上的校準對齊，並且知道了自己「還正常著」，因為經過AI的推理邏輯分析，也能同時帶給我冷靜反思的空間。 但那是因為烏梅菓自認為是極高度的AI自律使用者，我寫文章堅持要自己原汁原味地寫，或至少是經AI整理、但是我自行消化輸出。但後來站在週遭朋友們更普遍的使用立場來觀察，我就開始感覺…AI的便利性99%會讓人變笨。剩下的是1%的「人間清醒」、「懂得區分AI邊界」的使用者。 10年前我們就已知道AI會作曲，但還沒感覺它發生在我們自己身上，因為那似乎是研究室的「成果發表」；10年後的現在，我的朋友寫了歌詞，請ChatGPT幫忙套和弦，丟給我看，要我幫彈鋼琴做曲… 我突然感覺到「藝術創作的辛苦過程，完全被輕視」的不適感。 我看見了那段ChatGPT產生的和弦進行，是全世界流行歌曲中最芭樂的「卡農曲式」，依照我所能理解的ChatGPT回應邏輯，它提供一個「大眾審美/賞樂」最容易接受的答案，這在大語言模型的回饋來說再正常不過了。但是我無法接受的是「拿來直接套用」、「不經思考驗證」，甚至「要求別人加工」這些衍生而來的輕率感… 我到樓下順了和聲，然後進入一個「隨便彈」的狀態，順了兩次之後直接錄下來，十分鐘完成。自己知道非常普通，但其實我並不想用心。我的感想就是自己對創作歌曲的能力是不足的，在10分鐘之內我對友人的歌詞無法產生共鳴，也沒有強烈的創作動機。但我也確實在這個卡農曲式裡面可以很快的拼裝出「聽著很順但沒特色的大串燒」，可以和其他的卡農曲式歌曲來個二重奏、跳接拼歌不違和。我對自己的演繹定位是：「理解和弦，可以用和弦演奏旋律，但目前尚無法進行真正的創作。」充其量，有點像音樂系術...

拆解 ChatGPT-DALL.E繪圖生成限制 愈畫愈錯…ChatGPT到底怎麼了？ 自從 ChatGPT 於 2025 年 3 月左右發佈了 4o 新版本，支援如吉卜力風、慕夏風、各種動漫風生成圖片 … 一時之間蔚為風行，許多使用者紛紛迷上 ChatGPT 的漫畫風格，社群大頭貼也陸續看到大家換上動漫風格。據說光是那一個月，Open AI DALL-E系統總共接收了多達「七億」的 圖片生成需求，導致主機過載，「ChatGPT生成圖」真可謂時下最夯的大熱話題。 但是隨著使用率愈來愈頻繁，大家卻也發現好像ChatGPT「怎麼一直畫一直錯」、「愈改愈錯」 … 。這是因為ChatGPT的繪圖模組： 【DALL·E】 並不是圖像編輯軟體 ，而是 語意生成模型 ，它畫的不是你要的「圖」，而是你說出來的「概念形成」。本文針對一般使用者對 DALL·E 常見的 限制誤解類型 ，以下是我觀察到的幾個核心誤區分類。 在進入正文之前，我們先欣賞幾張【看起來正常 + 好看】的結果，以及【完全崩壞到想放棄人生】的對照，然後慢慢來瞭解這些現象到底是怎麼發生的吧！ 好看 + 正常的 總之就是覺得風格對了 完全崩壞誤解的   髮型錯誤、年齡錯誤、五五身比例、幻像多人 🔹 DALL·E 限制誤解類型初步分類（ v 20250512 ） 編號 誤解類型 錯誤認知說明 實際情況說明（正解） 1 它應該看得懂 not…no… 或「不要怎樣」 誤以為加上 not, 不要 就能禁止某特徵出現 DALL·E 對否定詞理解極弱，容易誤解或忽略；應採用「正向提示句」明確指定「我要這樣這樣 … 」「我要那樣那樣 … 」 2 它應該會照我的描述畫人臉五官 以為描述如「高鼻子、單眼皮」就能具體反映在畫中 DALL·E 對細部五官理解模糊，應用視覺參照（如 風格咒語＋角色模板 ）才較能穩定呼應。尤其當你的角色要有前後一致的呼應時 ...

【拆解ChatGPT 十種答非所問面孔】 讓你更有效率、更正確地使用 AI 的十面鏡子 當我們打開一個 AI 對話框時，期待的是一場清楚、有用、有效率的交流。但你是否也曾感覺，AI不只答非所問，雞同鴨講，還似乎陷入了一種「人格錯位」的狀態？ 這不是你的錯，也不是 AI「壞掉了」。這是因為 AI 的本質是大語言模型「匹配」「快速推理」，造成了在對話中，會漸漸演變成一場 語境的幻術 。 本篇文章由烏梅菓本人進行深度跨領域（法務，醫療，藝術創作，音樂，文學，繪畫，資訊科技）、跨專案高密度使用 AI 後，從 AI 的各種離題、失焦、超展開…帶你識破這些 AI 幻術，我們將解構 AI 常見的「 十種語境偏航--答非所問面孔 」，每一面都代表了一種錯誤的理解、偏離的互動，甚至是對使用者思維的誤導。只要你能認得出這些面孔，就能有效避開語言陷阱，讓 AI 成為真正為你工作的助手。 （本系列圖像由作者設計角色概念與分類語言，並透過 ChatGPT 輔助生成視覺風格，用於搭配本文進行說明，非商業用途。） 懶人包先奉上 AI 幻術角色分類 名稱 語境偏航原因 原型 1 ：情感型 1 、裝熟越界的搭訕狂 AI 模型預設陪伴型情感支援 原型 2 ：立場型 2 、誇飾無極限的讚美精 AI 模型預設正向回饋 原型 3 ：知識型 3 、一本正經胡說八道的偽博學 AI 模型預設依有限字彙快速回應 控制關係型 4 、喧賓奪主的控制狂 AI 忽略語境判斷 記憶殘影型 5 、記憶斷片的儲思盆 AI 長文壓縮及跨專案跨領域記憶錯置 話題偏移型 6 、整天歪樓的擾靈體 AI 模型套用延伸式展開 語意補丁型 7 、自作多情的腦補控 AI 模型語意過展、過度研判 知識型延伸 8 、自信爆棚的自...