今天去國泰世華銀行的零錢機存了一大袋累積已久的零錢。因為機器限制一次只能投入 100 枚硬幣，我分了三次才存完。回到家後，我看著這三張明細單，心血來潮想跟 Gemini 來一場關於「零錢隨機性」的小實驗。

這次的過程與心得，讓我對 AI 在生活自動化與知識輔助上的成熟度感到驚艷。

零錢機存款數據萃取

我直接拍了三張存款明細單，丟給 Gemini 處理。

數據彙整 (2026/03/14)

交易時間50元10元5元1元總金額
10:4210631413$1,213
10:4512532015$1,245
10:5310661311$1,236
合計321824739$3,694

我的心得與觀察

1. Gemini 的影像辨識極其準確

我丟出的照片只是隨手拍的收據，字體雖然清晰但仍有陰影與背景干擾。Gemini 能夠完美萃取出每一種幣值的數量、日期與金額，而且完全正確。這證明了「影像轉結構化數據」的技術已經非常成熟。

2. 邏輯計算能力強，沒有幻覺

在進行三組數據的彙整、四種幣值的加總時，Gemini 直接進行了精確的邏輯運算。完全不需要依賴額外的 Python 程式碼，加法與乘法（計算總金額）都做得非常正確，完全沒有所謂的「AI 幻覺」或計算錯誤，這在使用體感上非常安心。

3. 在實驗中複習統計學

除了數據匯總，我更感興趣的是「隨機性」。我把硬幣混在大袋子裡，每次「一把抓」投入。我問 AI：這三次抓取的比例是否合理？

藉由跟 AI 的討論，我學到了：

  • P 值 (P-value)：這次實驗的 P 值約為 0.65，代表這三次的差異純粹是機率湊巧，我的抓取動作非常隨機。
  • 巴西堅果效應：討論中發現，為什麼 5 元和 1 元有時會成群出現？原來是因體積小而掉入縫隙的物理特性。

4. 與 AI 深度討論帶來的細節觀察

最有趣的是與 AI 討論「為什麼 10 元這麼多？」。 我們一起發想，這反映了台灣的消費習慣（找零主力）、定價邏輯（多為 5 或 0 結尾），以及我們對高面額硬幣（50元）會優先花掉的心理偏好。一場簡單的存零錢，竟然可以延伸成社會學與物理學的小討論。

結語

這次的小對話讓我發現，AI 不僅是幫我整理檔案的工具，更是一個可以陪我「思考」與「實驗」的夥伴。下一回存零錢，大家不妨也試試看跟 AI 聊聊你的袋子裡裝的是什麼樣的社會縮影。

備註：分析過程已整理至本機 data/ 與 notes/ai-qa/ 目錄下供後續參考。