📌 為什麼我會上這門課？
自從 2022 年 ChatGPT 出世後，各式的產業與專業人士都積極的想學習 AI 技術，想運用 AI 提高營運效率與能力，而相關的各類的學術名詞也隨之出現。因此為了強化自己的行銷與 AI 運用能力，因此參加 Google 數位人才探索計畫 接觸了該課程，這門免費的線上課程，內容淺顯易懂，非常適合初學者，該課程可以幫助您了解：
- 如何定義生成式 AI
- 理解生成式 AI 如何運作
- 生成式的 AI 運用模型
- 生成式 AI 的應用
📚 課程資訊整理
課程名稱：Introduction to Generative AI
所需時間： 45 分鐘
難易程度：入門
適合對象：設計師、PM、行銷、程式設計師
🧠 重點筆記
▋人工智慧是什麼？
✏️ 人工智慧(AI)：屬於電腦科學裡的一門學科，研究如何自主推論、學習並行動的系統，涵蓋一系列的理論與方法，目標是打造能仿造人類思考和行動的機器。
✏️ 機器學習(ML)：是AI的子領域，主要目標在於不需要人編寫複雜的指示，讓電腦具備學習能力，透過資料訓練模型，並根據模型對新資料進行預測，又可分為以下兩種訓練方法：
- 監督式學習：資料需要建構標籤讓電腦學習，適用於新資料預測數值，如：預測外送或自取的訂單小費金額。
- 非監督式學習：資料無標籤，適合探索原始資料、進行分群分析。
✏️ 深度學習(Deep Learning)：屬於機器學習的技術，靈感來自人腦運作，透過「人工神經網路」處理更複雜的任務。可做資料處理並做出預測，並學會執行工作，以半監督學習訓練(同時運用標籤與無標籤)。
深度學習的模型，通常也會被稱為機器模型，模型根據使用目的可以分成判別式模型與生成式模型，如下圖：
▋生成式 AI (Generative AI)
生成式 AI 是深度學習的分支，運用生成式模型，透過現有內容進行學習(這個過程稱為訓練)訓練的模型經由給予提示，就能根據預測，生成新內容回覆，
簡單說就是能藉由提示，創造文字、圖片、音樂、聲音、甚至程式碼！
▋其中的使用技術：大型語言模型（LLM）與 Transformer
我們常聽到的大型語言模型（Large Language Model, LLM），又屬於在生成式 AI 的核心技術，它是基於 Transformer 的神經網路架構所構成。
Transformer
誕生於 2018 年，架構由編碼器和解碼器構成，編碼器會對輸入內容作編碼，然後傳給解碼器，解碼器則會將相關工作的表示法解碼，它的優勢在於：
- 擅長處理序列資料（例如文字）
- 可以同時考慮句子的上下文，做出更準確的預測
- 能根據提示（Prompt）產生自然語言的回應
劣勢則是容易產生幻覺，就是我們常說 AI 會胡說八道的狀況，通常幻覺的原因是由於：
- 資料不足
- 資料雜亂或品質不佳
- 背景資訊不足
- 未對模型設下限制
▋生成式 AI 的運用廣泛，甚至你已經正在使用
- 文字生成：寫作輔助、摘要、問答、對話系統
- 圖片產生：從文字描述創造圖像（如 DALL·E、Midjourney）
- 程式開發：程式碼撰寫、除錯、SQL 查詢轉換、教學文件生成
- UI 設計：自動生成 UI 原型與元件程式碼
- 語音與音樂生成：語音合成、背景音樂創作
- 情緒分析與分類任務：例如客戶評論分析、社群情緒追蹤
▋基礎模型
事前已經運用巨量資料訓練的大型模型，可以進行模型的微調，方便處理多種下游工作、情緒分析、產生圖像說明、辨識物件。例如：
- 微調後的 ChatGPT 可以應用在客服對話
- 微調後的 Stable Diffusion 可以根據特定風格生成圖片
📋 總結
生成式 AI 仍在蓬勃發展，透過課程，我們可以更了解該領域的相關名詞，讓我們在於專業人士討論時，能更理解說明內容，更深入了解產業的運用狀況。
課程連結：
https://www.cloudskillsboost.google/paths/118/course_templates/536?locale=zh_TW
