※ 引述《Rimowa (德國品質)》之銘言：
: 我想現在AI遇到最大的問題有兩個
: 一個是很多人提的 AI講錯也不用扛責 所以講錯也不會怎樣
: 另一個是因為AI怎麼樣都會掰出一套說法給你
: 如果相信了就可能有這次的吃毒菇案件
: 但如果還是懷疑堅持不信要自己求證 那又何必問AI?
: 可是很多場景 是沒有專業人士的 或是說 若有專業人士 又何必問AI?
這中間有個盲點就是：人並不是只有 專業人士 或 超級外行
還有一種是 入門水平 或 中間偏低
比如我們來看一個 2024 指定科目考試數學甲的問題：
一遊戲廠商將舉辦抽獎活動，
廠商公告每次抽獎需使用掉一個代幣，
且每次抽獎的中獎機率皆為0.1。

某甲決定先存若干個代幣，
並在活動開始後進行抽獎，
直到用完所有代幣才停止。

下列五個選項：

(1) 某甲中獎一次所需要抽獎次數的期望值為10

(2) 某甲抽獎兩次就中獎一次以上的機率為0.2

(3) 某甲抽獎10次都沒中獎的機率小於抽獎1次就中獎的機率

(4) 某甲至少要存22個代幣，才能保證中獎的機率大於0.9

(5) 某甲只要存足夠多的代幣，就可以保證中獎的機率為1

請問哪幾個選項是正確的？
這問題稱不上很難，但是要具備一定程度訓練和熟練度的人，
才能解這問題。
但如果你用 Gemini 3 Pro去問這問題，
可以得到下面的結果：
============== Gemini 開始 ================
這是一個經典的機率與期望值問題。
我們逐一分析這五個選項，找出正確的答案。
基本設定
單次中獎機率：p = 0.1
單次沒中獎機率：1 - p = 0.9
抽獎次數（代幣數）：n
選項分析
(1) 某甲中獎一次所需要抽獎次數的期望值為 10
判定：正確
分析：這是「幾何分佈」（Geometric Distribution）的概念，即計算直到第一次成功所需的試驗次數。
計算：期望值 E = 1/p
代入 p=0.1，則 E = 1/0.1 = 10
這意味著平均來說，確實需要抽 10 次才會中獎一次。
(2) 某甲抽獎兩次就中獎一次以上的機率為 0.2
判定：錯誤
分析：「中獎一次以上」的機率 = 1 - 「兩次都沒中」。
計算：
兩次都沒中的機率：0.9 * 0.9 = 0.81
至少中一次的機率：1 - 0.81 = 0.19
註：此選項的陷阱在於直接將兩次機率相加 ($0.1 + 0.1$)，這是錯誤的算法。
(3) 某甲抽獎 10 次都沒中獎的機率小於抽獎 1 次就中獎的機率
判定：錯誤
分析：我們需要比較 10次全槓龜 與 1次就中 的機率
計算：
抽 10 次都沒中的機率：0.9^10 ~= 0.3487
抽 1 次就中獎的機率：0.1
顯然 0.3487 > 0.1
(4) 某甲至少要存 22 個代幣，才能保證中獎的機率大於 0.9
判定：正確
分析：我們要找出最小的整數 n，使得「至少中一次」的機率 > 0.9。
1 - (0.9)^n > 0.9
計算：
(0.9)^n < 0.1
兩邊取對數（log）：
n > (-1)/(-0.04576) ~= 21.85
因為 n 必須是整數，故 n 至少要為 22。
(5) 某甲只要存足夠多的代幣，就可以保證中獎的機率為 1
判定：錯誤
分析：雖然隨著次數增加，中獎機率會無限趨近於 1，但在有限的次數內，它永遠不會「等於」1。
數學上，1 - (0.9)^n 永遠小於 1，只要 n 是有限數值，就存在「全部沒中」的微小可能性。
正確的選項是
(1) 某甲中獎一次所需要抽獎次數的期望值為10
(4) 某甲至少要存22個代幣，才能保證中獎的機率大於0.9
============== Gemini 結束 ================
我幫大家確認過了，這結果沒問題。
顯然，有了Gemini提供的過程後，即便是程度較差的人，
也可以解決這個問題。
因為現在只要能看得懂過程即可。
但這並不表示Gemini說正確的選項是(1),(4)，使用者就直接買單，
因為Gemini也可能是錯的。
所以這結果，對數學麻瓜是沒用的。
我本人對於「有了Copilot後不用學程式」或
「AI解題力達到奧數金牌，以後不用學數學」
是相當不以為然的。
反而是有了這些工具之後，人類比起從前更應該學這些東西。
只要學一點點，就可以獲得巨大成果，何樂而不為呢 :D
@tree_isu
https://x.com/tree_isu/status/1990543628004176001/photo/1
https://pbs.twimg.com/media/G5_U4RNacAARxLG.jpg

我都拿AI翻譯小說，至少他比機翻可靠，我也不擔心他出錯

AI翻譯就不是機翻一樣==

問題不就是現在這種行為都是素人在用,甚至用AI去回答別人自己根本就不知道然後說AI講的

不要激動 現在討論的情況 軟體工程師都先幫大家走過一次了但軟體工程方便的是ai正不正確馬上能驗證...部分啦

整理給定有限範圍資料還可以 直接讓AI找...出來的結果直接用後果自負

是的，這才是現在這版本AI的正確使用方式

講到底還是"你必須要具備能判定AI資料正確性的知識"

我覺得問題不是這個 我相信對AI有基本認知的都知道他的限制跟正確使用方式 但目前潛在的社會現象是 人手都有智慧型手機 就能用AI 普及的速度遠超過被正確認知的速度變成一堆人拿著自己根本不懂的工具亂用這種模式更想之前內容農場跟至今仍猖獗的詐騙訊息

有"專業知識"的人亂用的案例都有了美國律師用AI寫法律文件被法官抓包好幾次

我覺得單純的無知跟盲信還是不太一樣

方便，方便治百病，你把AI換成專家和名嘴也是一樣

無知是睡著了 盲信是裝睡

那個現象我覺得很貼切的形容是 讓猴子都有槍現在惡意資訊跟垃圾資訊的散佈速度有了AI完全不是一個檔次

沒人會去看服務條款不是常識嗎XD

麻煩的是沒人發現的話AI搞出的垃圾資訊就會被混進正常資料庫裡煉蠱 垃圾進垃圾出雖然在那之前網路資訊就已經是垃圾場了

以前要搞出惡意資訊至少還要點門檻

基本上只有對output內容下手才有用啦 警語什麼的 大多數人都會輕易選擇性忽略實際上就沒有那麼多 你把大眾想得太理性了

這代AI出來前大家都覺得可以幫助所有人進步。但事實上用個一兩年後的觀察心得是強者更強弱者更弱，因為工具成效還是取決使用者本身。現在這種程度AI就有這樣分野了，更難想像真的AGI出來會是怎樣。

使用AI讓強者更強是因為，強者有打好基礎，AI只是輔助，AI用完自己本身會在檢查驗證修改，弱者更弱是因為本身沒本事只靠者AI。

可是，麻瓜之所有是麻瓜就是因為他是麻瓜，現階段反而更是加強會正確用的人跟亂用的人的差距

弱者至少能用AI產出點東西 這之前屁都生不出來不是