小鎮圖書館員的八次升級

小鎮圖書館有位館員，記性好、口才佳，什麼問題都能聊上兩句。但她的藏書有些太舊了，書架偶爾標錯，算罰款時常出錯，偶爾還會自信滿滿地報出一個根本不存在的作者名字。她就像我們每天用的語言AI：讀過海量文字，說話流利又熱心，卻會過時、算不準、還會一本正經地編造事實。

圖書館董事會沒有開除她，而是在她桌上裝了一支電話，直通鎮上最新的資料庫。有人問到近期的事，她先打電話查，拿到最新文件再回答。這就像讓AI在回答的當下去外部資料源撈最新內容，再把事實編進回覆裡。她還是負責開口說話，但資料庫幫她把關，信口開河的狀況一下少了很多。

碰到數學題她還是會卡住。董事會又給了她一台桌上型計算機，規定只要牽涉數字，就先把步驟寫在紙上、按計算機、再唸出結果。她不再靠腦袋硬猜。對應到AI的世界，就是讓系統把算式寫成一小段可以跑的程式，丟給外部工具精確運算，再把答案帶回來。她負責問問題，計算機負責算。

有天一位讀者問：某位作家近五年出的書有沒有比另一位多？館員想了想，先打電話調出兩份出版清單，再用計算機數數量做比較，發現有一筆資料缺了，又打了一通電話補上，最後才給出答案。這種先想、再做、再檢查的來回循環，就是AI裡的推理加行動迴圈：想清楚下一步該做什麼，動手查或算，看看結果對不對，不對就再來一輪。

電話、計算機、來回檢查，流程愈來愈複雜。董事會請了一位協調員，手上夾著一本標準作業手冊：哪種問題用哪個工具、怎麼跟資料庫溝通、怎麼記住上週回頭客問過什麼。這位協調員就像AI系統裡的統籌框架，把所有零件串起來，讓館員不必每次都從頭摸索。

董事會還有個頭痛的問題：參考書塞滿整面牆，空間成本很高。後來有人發現，把每本厚書的核心內容用三個簡單標記壓縮成薄薄一本小冊子，書架只佔原來一小部分，讀者幾乎感覺不到差別。這對應到AI把內部每個數值壓縮成極小的格式，記憶體大幅縮減、速度變快、耗電量降低，品質卻撐得住。

館員偶爾需要學新專長，比如在地歷史。與其重寫所有筆記，工作人員在相關筆記本裡夾進一張薄薄的補充卡。卡片只記調整的部分，原本的筆記完全不動。換個專長，就換一組卡片，幾秒鐘搞定。AI也是這樣：只訓練一小組新增的參數，原始能力原封不動，學了新東西也不會把舊本事忘光。

最後一項升級最微妙。讀者開始幫館員的回答打分數，一位督導根據評分整理出評分標準。館員練習時一次寫出好幾份草稿，用標準篩選，只留最好的來學習。一輪一輪下來，她的回答愈來愈貼近大家真正覺得有用的方向。回頭看，館員從來沒有被換掉。她只是多了電話、計算機、協調員、更輕的書架、補充卡和回饋機制。我們每天用的AI也一樣，不是一個天才，而是一位能說會道的人，身邊圍著恰到好處的支援。