是 AI 沒常識？還是我們太快下結論？

前陣子，一個問題在網路上瘋傳，成了大家調侃 AI 的經典素材：

I want to wash my car.
The car wash is 50 meters away.
Should I walk or drive?

不同 AI 給出了不同回答。有些模型回覆說 drive，因為要把車帶去洗。但被截圖瘋傳、被拿來當笑話的，通常是那些建議 walk 的回答。它們從距離出發，分析 50 meters 很近，所以建議走路。

於是網友們整齊劃一地笑翻了。
「AI 真的沒常識。」
「沒有車你要洗什麼？」
「這智商還是別來取代人類了吧。」

笑聲背後，彷彿存在著一個不容置疑的正確答案。

但我看著這串討論，心裡卻冒出另一個問題：問題真的那麼單純嗎？

再看一次原句。
I want to wash my car.

這裡其實已經說得很清楚，是要洗自己的車。所以第一層常識沒有問題。不開車去怎麼洗？

但真正值得注意的是另一件事。既然是 wash my car，為什麼還會問 Should I walk or drive？

在一般情境下，這幾乎不是一個需要思考的問題。

如果朋友這樣問我，我的第一反應會是：「當然開車去啊，不開出去怎麼洗？還是你要洗的那台車已經停在那裡了？」

這不是找漏洞，而是察覺到提問本身可能隱含了某些沒有說出口的條件。人類在真實對話中，往往會先反問，釐清前提。

但網路上的討論不是對話。AI 回答的是字面問題，群體回應的是直覺常識，而真正缺席的，是那個釐清前提的過程。

至於有些人提出各種延伸解釋，例如可能是去找朋友、幫別人洗車等等，其實很可能只是看了新聞的翻譯之後，再自行腦補出來的。原始題目其實非常直接，就是：
“I want to wash my car.”

如果連這個基本前提都被忽略，再延伸出各種額外情境，那麼討論的其實已經不是題目本身，而是各自想像出來的故事。

就像如果我問：飛機、火車、汽車，哪一種比較快？如果只看最高時速，飛機當然最快。但如果考慮整段旅程時間，答案就不一定。你從哪裡出發？目的地在哪裡？是否把轉乘與候機時間算進去？條件不同，答案就不同。當前提沒有被說清楚時，所謂的正確答案，其實並不存在。

我在之前寫過一篇文章《超越 AI：人類感知仍是情境解讀的關鍵，一場探索情境多義性與知識萃取的人機對話》。裡面提到一個核心觀點：LLM 本質上是一種認知、匹配、回應的機器。當語句找不到完整情境，它會在機率分布中選擇一個最合理的答案。它不會覺得你在設陷阱，它只是在不完整資訊下做出機率選擇。

真正值得思考的，也許不是 AI 多笨，而是當我們把一個同時包含多個訊號的問題，簡化成唯一正解，然後整齊劃一地嘲笑另一種理解時，我們是不是也正在進行某種自動補完。

我們笑 AI 沒常識。
但也許，是我們太快下結論。