咖啡機變聰明了，我卻喝不上咖啡

早晨，本應是一杯咖啡喚醒活力的時刻，卻成了一場令人抓狂的技術實驗。The Verge 的一位科技記者起床，走進廚房，對著支援 Alexa 的博世咖啡機說：“煮杯咖啡。”沒有複雜要求，也不想即興創作，只想讓機器按程式執行——結果，被拒絕了。而且，這不是一次意外，自從升級到 Alexa Plus（亞馬遜生成式 AI 語音助手）後，每天的晨間對話幾乎都變成了這場“拒絕秀”。

令人哭笑不得的是，2025 年的 AI 已經能寫論文、寫程式碼、陪人聊天、甚至教書，但在清晨一句“煮杯咖啡”面前，徹底翻車。社群裡的吐槽聲此起彼伏，從開燈、播放音樂到定時器，一切看似簡單的操作都成了挑戰。

原因很簡單：LLM（大語言模型）天生引入了隨機性。它們能理解更多含義、生成更豐富的表達，但代價是——確定性大幅下降。當你希望控制一臺咖啡機，要求它“即時、可重複、零誤差”，這種自由反而成了漏洞。相比之下，傳統語音助手雖然笨，但高度可預期：識別關鍵詞、填引數，執行結果穩定。

為了彌補生成式 AI 的不穩定，亞馬遜和谷歌嘗試讓 LLM 與智慧家居 API 深度繫結，但問題仍然存在：哪怕一次微小偏差，都可能導致操作失敗。換句話說，你的咖啡機偶爾不聽話，完全在意料之中。

理論上，讓新助手達到舊助手的可靠性並非不可能，但需要龐大的工程投入和失敗兜底。現實裡，資源有限、刺激和利潤誘惑巨大，最簡單的路徑就是先讓技術進入現實世界，再慢慢自我修正。我們都是 AI 的長期“內測使用者”。

那麼，為什麼仍要堅定使用生成式 AI？答案是潛力。代理式 AI（Agentic AI）可以理解複雜任務之間的關係，動態生成執行邏輯，這是舊技術無法做到的。過去的規則和關鍵詞匹配系統，只能執行單條指令，無法理解目標、拆解任務，也無法生成新的行動路徑。

社群討論顯示，雖然基礎指令仍易出錯，但新助手在理解複雜命令方面明顯更強。燈光、溫度、音樂……複雜 Routine 的設定，比傳統 App 介面更方便。攝像頭通知也更智慧，“門口出現不熟悉面孔，但未進入院子”，代替了過去模糊的“後院檢測到運動”。

結論是顯而易見的：問題不在於 AI 本身，而在於它被放置的場景是否合理。生成式 AI 不是失敗，只是被要求做了不適合它的事情。今天，這條清晰的邊界尚未完全畫出，未來仍值得期待。