教材裡有這樣一組詞，學生被要求對這組詞進行辨析。
「性情」和「性格」
A：那個人性情孤僻、待人冷漠，所以他的朋友很少。
B：長期生活在福利機構中的兒童往往會出現性格孤僻、心理封閉、社會適應能力差等問題。
學生的問題是：性情「孤僻」和性格「孤僻」有什麼差別？我何時使用「性情」？何時使用「性格」？
我認為，在這兩個句子裡，性情和性格調換過來也沒有問題。我不能很草率地說，課本這個使用了兩個不好的例句。因此，我試著為課本這樣的安排，提出我的解釋和辨析。「性情」和情緒、脾氣有關，不容易量化；「性格」則和態度、人格有關，心理學的量表可以測量。由此來看，A句和B句的句子脈絡中，A句應該使用性情，B句應該使用性格。我為了一個不會為自己辯白的課本提供了一個我自己也接受的說法。
AI（ChatGPT）沒有感覺，它是資料驅動的。王文傑的文章[1]提到：即使深度學習模型已經列出「100-6×2」的數學式，卻仍然計算出錯誤的答案；或是雖然已經描述出「蘋果和香蕉都是水果」，但卻計算出「三種水果」。這個模型似乎提供了一個「原因」，但卻沒有根據這個「原因」來計算出正確的「結果」。為什麼這樣一個耗費上億元訓練成本、經過了大量訓練資料的深度學習模型，在遇到甚至是200元雜牌計算機都能處理的數學問題時卻仍會出錯呢？原因在於它是資料驅動的，而不是因果邏輯驅動的。資料驅動的思維模式與人類的心智運作方式完全不同。
統計學習被認為是人類在有大量的輸入時，可以逐漸掌握機率分佈和字字/詞詞的銜接概率；AI（ChatGPT）在文字接龍的表現上，看起來好像也是如此。然而，要提供一個有邏輯（或者看似有道理）的解釋A句和B句，為什麼都可以和孤僻搭配，如何決定哪一個和性情搭配？哪一個和性格搭配？也許人類的因果邏輯驅動還是可以派上用場。
前面關於性情「孤僻」和性格「孤僻」的區辨，聽起來想是硬拗，確實這是建立在把課本當作標準答案時的回應。關於性情「孤僻」和性格「孤僻」的區辨，我在兩個不同時間被學生詢問過一樣的問題，我回應的語言文字當然沒有一模一樣，但主旨是相去不遠的。也許人和chatGPT的差異之一是，問chatGPT的時候，你會得到來自集合眾人智慧的發散性答案；但是，你去問一個人的時候（這排除了只以一個人的作品為語料訓練chatGPT所建立的模型，例如：龍應台chatGPT），雖然人心也是抓摸不定，但你應該會得到相對穩定的答案。我想這是chatGPT和人的差別。如果我只靠輸入的統計學習，那我可能真得會變成chatGPT；還好，我還有因果邏輯的思考，我的思考模式不會越來越像AI。