這個身分證檢查器是用ChatGPT寫的吧？！

隨著大語言模型（英語：Large Language Model，LLM）的蓬勃發展，相關的應用越來越多，人們透過大量的資料訓練(Train）出一個一個模型（Model），再用這些模型去產生我們想要的結果，某種程度來講，這些語言模型對我們的工作和生活帶來不少程度的幫助；從最早我們用模型來寫文章，用模型來產生照片，用模型來產生影片，很多人都讚嘆電腦程式的進步，大大的改變了我們的生活，那有沒有有一種可能是，我們也可以用模型來寫程式呢？

當然用模型來寫程式，未必是下一個指令像「給我一個預測股市走勢的程式」，他就能把你想要的東西都給你，更重要的是我們要告訴他，你想要他為做些什麼？做得對不對？

你正在做什麼並不重要，重要的是你知道自己正在做什麼。

計畫

接著我們來試著做一個身份證字號的驗證程式，要達到想要的結果之前，其實我們還是要有一些系統性的思考邏輯，先提出構想，完整藍圖，分解功能，再重新組合，套用平時開發程式的步驟，不外乎：

1. 需求收集
2. 系統分析

需求收集

我們想要做一個台灣的身份證號碼驗證器，需要可以輸入任何一組號碼，可以知道號碼的主人是從哪裡來？可以知道號碼的主人是先生還是小姐？我們不想要安裝程式，太麻煩了，還有，希望畫面可以漂亮一點，好用一點。

系統分析

接著我們就來想想，做一下簡單的分析，看看要如何滿足需求；

1. 需要簡單容易使用，我們可以寫成網頁版。
2. 需要畫面好看，雖然好看是一件很主觀的事情，但我們可以用主流的網頁框架。
3. 希望體驗好一點，那連提示訊息都一起改善，至少在不同裝置上用來都差不多。
4. 程式要判斷號碼是否正確，那有沒有計算規則？有什麼標準格式？

再來我們分別列出對應的解決方法；

1. 美觀問題，我們可以用Bootstrap，因為是主流框架，至少能向市場趨勢靠攏；我們也可以用SweetAlert套件來改善體驗問題，讓不同裝置的操作感受更一致。
2. 判斷號碼正確性的演算法，我們在維基百科上找到的中華民國國民身分證相關規則，夠我們處理這一次的問題。
3. 程式提供一個介面，可以填寫證件號碼、性別、發證的縣市，來完成基本需求。

寫程式的浪漫...分解再重組，就像玩積木一樣快樂。

開工 

做完分析後，我們就可以來做功能開發了，這次我們不找訓練有素的猴子，而是用ChatGPT來完成工作，打開介面後，緩緩地貼上我們的Promt。

寫一個HTML網頁, 使用Bootstrap 4排版, 搭配Vue.js,並用Sweetalert2作為訊息提示工具, 使用Bootstrap validation作為表單檢查工具, 做出一個表單, 表單主題是身份證檢查器, 表單元件包含一個輸入欄位是id_number, 參考以下資料,產生一個可以選擇的下拉選項是sex,不需預設值: 1 男性 2 女性 參考以下資料,產生一個可以選擇的下拉選單是county,不需預設值: A 臺北市 B 臺中市 C 基隆市 D 臺南市 E 高雄市 F 新北市 G 宜蘭縣 H 桃園市 I 嘉義市 J 新竹縣 M 南投縣 K 苗栗縣 N 彰化縣 O 新竹市 P 雲林縣 Q 嘉義縣 U 花蓮縣 V 臺東縣 T 屏東縣 W 金門縣 X 澎湖縣 Z 連江縣 L 臺中縣 R 臺南縣 S 高雄縣 Y 陽明山管理局 產生一個按鈕是verify, 按鈕文字是檢查身分證號,預設不可點擊. 輸入id_number時,檢查輸入內容, id_number最多10碼,第1碼是英文字母, 第2~第10碼是數字, 如果不符合, 提示證件號碼不符合規範, 如果第1碼不在county的可選範圍內,則用Bootstrap validation提示第一碼須為英文字母, 如果第2碼不在sex的可選範圍內,則用Bootstrap validation提示格式錯誤, 輸入完id_number後,格式正確,參考輸入內容的第1碼,變更county的預設值, 輸入完id_number後,格式正確,參考輸入內容的第2碼,變更sex的預設值, 輸入完id_number後,格式正確,按鈕verify開放可以點擊. 點選按鈕verify時,會用vue.js取id_number,sex,county的值, 參考以下規則,把county的輸入值,從英文字母轉成對應的數值e: A B C D E F G H I J K L M N O P Q R S T U V W X Y Z 1 0 9 8 7 6 5 4 9 3 2 2 1 0 8 9 8 7 6 5 4 3 1 3 2 0 把id_number的後9碼數字,標記為n1~n9的序列,參考以下計算式,得出N: N=e+n1*8+n2*7+n3*6+n4*5+n5*4+n6*3+n7*2+n8*1+n9*1 如果N可以被10整除,則用Sweetalert2提示身分證正確:id_number, 如果N不可被10整除,則用Sweetalert2提示身分證錯誤:id_number.

當年的Youtube，可是由一批訓練有素的猴子撐起呢。

接著經過一些時間的推理和生成，你就可以得到以下結果了，別擔心，儘管把結果複製起來，貼到文字編輯器上，存成一個檔案像是：id_check.html，從現在開始，你就有一個自己寫的身份證字號產生器了。

See the Pen Untitled by LiuChien (@liuchiente) on CodePen.

結論

2022年，當ChatGPT能夠寫程式的消息傳開後，社會上出現了幾種不同的反應。一種是認為ChatGPT寫的東西一定很糟糕，另一種則是擔心工程師會因此失業。不過，隨著時間的推移，我們不禁要問，今天的LLM和AI到底在我們的生活中扮演著什麼角色？也許它們在幫忙抓蟑螂、挑選土豆，甚至協助寫履歷或論文。不管如何，最終我們還是得相信，不論是ChatGPT還是未來的其他模型，它們都應該是為我們所用，而不是我們為它們所制約。

以ChatGPT為例，它基於超大規模的資料集GPT進行訓練，儘管原始碼未公開，但我們可以大致理解它是如何透過一些技術手段來完成去除雜訊、語義理解和語義生成等過程。通過不斷的推理，ChatGPT能夠生成符合我們需求的結果。正因為如此，ChatGPT擁有遠超我們個人的知識量，如何有效挖掘並利用這些知識，關鍵在於我們如何運用這個工具。

當然，我們也不能完全依靠LLM，要知道一個訓練LLM用的資料，多已經被篩選，進而過濾掉一些額外內容，換句話說，我們只能拿到被允許的知識，所以還是要用批判性思維來看待AI給出的答案，這樣才能避免陷入填鴨式的思考模式。