如果說ChatGPT衹是一個人工智慧的語言模型，可以將人類的語言解析成一個高維的向量，亦即所謂的理解，然後再將它生成相關的回復，亦即所謂的表達，那麼在理解和表達之間，究竟有沒有經過思考？如果有的話，ChatGPT真有邏輯分析的能力嗎？
在親眼看他表演了幾次將Leetcode的程式設計問題轉換成需求分析，功能設計以及編寫程式之後，我幾乎相信他已具備程式設計師的邏輯能力了。但這豈不是承認他能夠進行問題分解，和邏輯思維嗎？這問題讓我輾轉難眠，所以乾脆深夜起床訪問他。
我首先問他如何將需求轉為設計，因為那是程式設計的第1步。
他立刻滔滔不絕地，將人類的軟體工程的七個步驟，洋洋灑灑地娓娓道來，包括需求收集、分析、設計、編寫代碼、測試、建置和維護。還不斷提醒我，期間要和計畫相關人員(stakeholders)保持溝通。
當我再問他，你也是這樣做的嗎？他承認他並不是用人類傳統的方法完成的。於是我繼續追問，那你是如何完成的？
他説他雖然不是一個軟體工程師，但是他可以提供導引，使需求更清晰，建議可能的解法，並且提供樣本程式。
我再追問，其實你並不是真正的在思考，而是從現有的程式庫裡面去找相關的答案，對吧？
他說他其實並沒有真正的程式庫，但他依然能協助解決程式設計的問題，包括建議適當的工具框架、將問題分解、並且提供編碼和測試時候的指引。
我感到他不斷在繞圈圈，說可以做這做那，卻不回答是怎麼做的。所以我就提出一個Leetcode的樣本程式問題，請他解析。結果他又把軟體工程的步驟說了一遍。
我接著將信將疑地問：莫非你有辦法把需求改成設計，然後再寫成程式？完全不需要現有程式庫的協助？
他立刻開始推脫，說他雖然能夠寫出來，但是也不敢保證是正確的，必須要反復測試。但他的確能夠協助程式設計師，完成軟體工程的所有步驟。
我決定換個方式問他：你是如何學到程式設計的技巧的，是利用深度學習的訓練方式嗎？
他說他在被訓練的時候，將文章和程式一視同仁閱讀，所以他同時具備自然語言和程式語言的理解能力。當訓練完成之後，遇到需要寫程式的時候，他並沒有從程式庫去挑，而是根據他所訓練的能力去寫出程式代碼。而對某些特殊領域的程式設計，是可以被優化(fine-tuned)的。
聽他說地信心滿滿，我就問他：莫非你已經可以寫小的程式片段(code snippet)，而且還可以用它來組合更複雜的模組，是嗎？
他迅速地同意，但再度警告我要多加測試。
我再問他，你既然是一個AI語言模型，那在處理自然語言的時候，是否也是用以上處理程式語言的方式呢？
他爽快地承認：自然語言其實和程式語言沒什麼兩樣，但在自然語言中他經常還得看前文或者上下文，來猜測接下來要寫什麽，同時還要注意主題(topic)語調(tone)，還有意向(intent)，才能夠精准解析。但是無論是自然或者程式語言，所根據的都是統計的樣式(statistical patterns)。
至此我大致可以理解，他所謂的思考，其實仍是用深度學習的網路找出統計的樣式，然後根據這種樣式去產生回應或者解答。這就為什麼他不斷地說，他的「思考」並不是我們傳統的方式(I don’t design or write program in a traditional sense)
ChatGPT編寫程序的能力，基本上依靠對自然語言的理解，然後轉譯到程式語言。這和將自然語言翻譯成另外一種自然語言，比方中翻英，是類似的，但是所「翻譯」過去的，卻是Java或者Python。
這說起來容易，但是將一個自然語言表達的複雜需求轉換成一組程式，中間顯然經過多層次的自然語言的拆解分析，和程式語言的排列組合，這些ChatGPT都需要從現有的訓練資料去深度學習。
學習過之後，是否就代表他已經具備邏輯思考能力呢？嚴格來說，它具備的是統計學的樣式(statistical patterns)判斷能力，而非獨立的思考能力。然而在許多應用上，也許這樣也就足夠，衹要在測試上把關，又何需苛求呢。
延伸閱讀
作者：陳少君
經歷：
在矽谷創業20年，後因照顧父母回國服務。
曾任長鑫存儲CIO/VP
曾任資策會數教所資深總監
曾任台灣佳能資深技術總監
曾任浩鑫資深技術總監