（圖片出處：https://twitter.com/jonathanrichens/status/1759607662528942090?t=cBZOacbpI0mcSUCs3cWh2A&s=19）
前因後果之所以重要，並不只是因為它是解決現實問題的運作原理與要件之一，同時它也是許多眾多行業必須去遵守的運作規則與決策點。
例如說：「為什麼會說ChatGPT不能取代律師？」看到這裡，也許有人會說， ChatGPT考試超強，但原因就在這裡，考試歸考試，現實歸現實，因為律師所需要的不是一位很會考試作答的背多分，而是一位能理解分析前因後果的專業律師諮詢服務。
如果只是要拼背了多少法條內容就能拿高分、倒背如流，這個不要說ChatGPT，可能只要有資料庫的Ai模型，都能直接無痛上手、駕馭其中。
基於上述，一般人如果用ChatGPT來詢問法律問題，那這時候就會100%失靈了，甚至會給出不正確的答案內容出來，這也是律師會希望當事人來花錢預約詢問專業律師，而不要詢問ChatGPT的原因。
而專業律師使用ChatGPT反而沒問題，是因為律師本身就悉知前因後果的潛規則，所以ChatGPT就算給出不正確的內容，也仍不足以左右影響律師的經驗判斷與決策過程。
如果您覺得這只是要思考如何下指令的問題，那麼就錯了。因為這問題更多是出在原始的Ai模型架構底層上的限制。
這就像OpenAI 發表的文字生成影片 - Sora 一樣，無論指令怎麼下，仍無法改變它不理解前因後果的限制問題。
（畫面擷取自 Open AI 官網）
那麼，要測試一個Ai模型架構「是否理解前因後果的條件」，最簡單的方式就是，要求在「生成一張迷宮圖 + 起點到終點之間畫一條紅線」，就是一個可以測試當前模型是否能100%正確理解前因後果的最佳測試項目。
如果Ai模型本身並不具有理解前因後果的特性，那麼該Ai模型就會理解成「生成一張沒有出入口可以相通的迷宮圖，到處畫紅線」的結果。而這也代表，該模型並不知道迷宮圖的出入口之間是具有前因後果的關聯性。
結論是，如果沒有「前因」當起點，那就不會有「決策過程」，自然也就沒有「後果」當終點。
而這背後也同時反映兩件事：
如果多數人認為ChatGPT-4在工作上很好用，那表示員工的工作複雜程度不如一張迷宮圖。
（這也同時意味著，這種Ai模型並不能用於更為複雜的情境。）
如果多數員工認為Google Gemini Pro不可能搶走工作，那表示員工手上的工作複雜程度可能比一張迷宮圖還複雜。（這也同時意味著，這種Ai模型只能處理較為複雜的情景。）
相關論文：
https://arxiv.org/abs/2402.10877
延伸閱讀：
掌握未來工作趨勢：生成式AI的革命性自動化技術探析
達人
