[3] 雖然我們都知道許多動物可以透過聲音、氣味或運動方式來傳達簡單的訊息，但那些都完全沒有辦法重新組成本來所指涉的物體/事件以外的意義，也就是沒有多元使用上的彈性，與人類的語言表達能力有本質上的鉅大差別。
[4] 關於比較搜尋引擎和語言模型的應用，以及Google與Microsoft之間可能的競爭，筆者覺得以下這篇文章寫得蠻好的，也可以因此更多了解這些技術的特性與侷限，提供有興趣的讀者參考。〈微軟vsGoogle：語言模型會不會壓倒搜尋引擎？〉，36氪（2/1/2023） 。
[5] 有一些比較偏向科普類的技術說明文章，可參考例如：〈ChatGPT 究竟如何煉成？台大教授李宏毅提可能的訓練步驟〉，Inside （12/08/2022）。〈深入淺出，解析ChatGPT背後的工作原理〉，幫趣 （1/6/2023）。
[6] 關於AI如何處理人類語言的工作，統稱為「自然語言處理」（Natural Language Processing），可以說是當前最富挑戰性也最有未來性的AI應用。對這主題有興趣做一些初淺而非技術面深入了解的讀者，可以參考筆者所曾經拍攝的一段影片，「自然語言處理簡介」，屬於國科會人文社會科學研究中心所支持拍攝的一系列「人文社會AI導論課程」的第7集。
[7] 關於人工配合訓練ChatGPT的部分，可以參考以下稍微詳細一些的說明：〈ChatGPT 為何能像人類對談？台大資工陳縕儂教授揭 AI 模型背後的訓練原理〉，Inside （12/26/2022）。
[8] 李建興，〈OpenAI改進GPT-3使其更能聽懂人類指示，並減少輸出有毒內容〉，iThome （1/28/2022）。
[9]〈ChatGPT多聰明？實測能通過美名校商學院、法學院考試〉，經濟日報 （1/29/2023）。
[10] 例如這篇報導所說，〈科技巨頭小心翼翼的對待AI，結果ChatGPT突然衝了出來，逼大公司做出反應〉，36氪（2/3/2023） 。
[11] 舉例而言，筆者有朋友詢問某個法律相關的問題，GPT所給出看似不錯的回應中其實號稱來源是某個法律條文，但那卻是它自己所創造，其實從不存在的文字。這與簡單的數學題一樣，可以說是人類無法原諒的低級錯誤。
[12] 一般的認知心理學會以Miller（1973）所建議的五個層次來組成語言，分別是語音、語法、詞彙或語意、概念、信念。但在這裡筆者更著重於將最後一個信念（belief）細分為知識與洞見，代表不同強度的可信賴性，也是AI機器人比較無法呈現的部分。
