AI 大事件
艾倫·麥席森·圖靈
Alan Mathison Turing 1912 — 1954
英國電腦科學家、數學家、邏輯學家、密碼分析學家和理論生物學家，他被譽為電腦科學與人工智慧之父。
AlphaGo
2014 — 2017
由英國倫敦 Google DeepMind 成功結合深度神經網路，開發的人工智慧圍棋軟體
Nvidia CUDA
Compute Unified Devices Architectured
1993 創立 — 2007 CUDA 發表 — 至今
統一計算架構，輝達所推出的一種軟硬體整合技術，是該公司對於GPGPU的正式名稱。透過這個技術，使用者可利用 NVIDIA 的 GPU 進行圖像處理之外的運算，亦是首次可以利用GPU作為C-編譯器的開發環境。
2:50~3:17 說明 CPU 8:12~8:15 說明 GPU
OpenAI
2015 創立 — 2020 GPT-3 語言模型 — 2021 推出了DALL-E 生成數位影像 — 2022 自然語言生成式模型 ChatGPT — 至今 o3-mini模型，進一步提升推理能力
統一計算架構，輝達所推出的一種軟硬體整合技術，是該公司對於GPGPU的正式名稱。透過這個技術，使用者可利用 NVIDIA 的 GPU 進行圖像處理之外的運算，亦是首次可以利用GPU作為C-編譯器的開發環境。
DeepSeek
2023 — 2024 發布 DeepSeek-LLM
什麼是 AI ?
巨大 到 人類 無法 運算 的「函數」!
應用 AI 三項關鍵要素
1.資料 2.模型 3.算力
AI、ML、DL、LLM 是什麼？
機器學習(Machine Learning) ML
是 AI 的一部分，讓電腦透過數據學習規則。
深度學習(Deep Learning) DL
是機器學習的一種，使用神經網絡(模擬人類大腦)來學習複雜模式。
大語言模型(Large Language Model) LLM
是深度學習的一種應用，專門處理語言相關的任務。
底層邏輯
線性回歸
機器學習 中最基本且廣泛使用的演算法之一。
大模型有多大?
AI 一天大約可以處理 8.64 遍 哈利波特全集 的 資訊量
向量分析(Vector)
根據「權重」去算挑出「最有關聯」的回覆
- User 下 prompt (提示)
- tokens 做 向量分析 (詞彙之間的關聯性與語境)
- 產出回覆與格式
LLM原理就是機率分布的「文字接龍」！
LLM 的訓練模式
預訓練（Pre-training）
模型蒐集大量的內容，產生超巨量「語料庫」的各詞彙機率分布。
舉例：網路文章、論壇、論文、新聞、程式碼、網頁內容……。
微調（Fine-Tuning）
提供模型大量問題與答案、原文、譯文。
使 LLM 能夠掌握規律和模式，從而提高回答準確度。
增強式學習（Reinforced Learning）
提供模型「答案的好與壞」回饋。
根據回饋，調整回答文字的權重。
什麼是 RAG?
Retrieval-Augmented Generation 檢索增強生成
LLM 只靠記憶寫報告的學生，容易出錯。
RAG 先去圖書館查資料，再整理的學生，報告更精準，還能標明來源。
RAG為何而生？
因為LLM會有所謂的「幻覺」效應，導致亂回覆答案。
叫他造句，結果造謠！希望避免這種結果，衍生出RAG。
左腦 知識圖譜 Graph RAG ; 右腦 向量檢索 Vector RAG
什麼是知識圖譜？
將資料轉換成三元組（Triple）的形式，用於描述資料與資料之間的【關係】。
把不同種類的資料連在一起得到的關係網絡，從資料間「關係」的角度去分析問題。
Google 搜尋 最早於2012年提出，目的是為了更好的搜尋服務
產業 Domain know how
這是你我最需要關注，並且掌握 「產業 Domain know how」就是未來霸主！
腫瘤X光
AI 初期無法預判，哪些腫瘤可能演變成惡性，透過專家標記帶 AI 認識，透過大數據就能提早發現。
圖像辨識
尚未貼碳纖維前，透過圖像能判讀板材是否有粉塵、斷裂情況，等貼完才發現粉塵、斷裂，就已經造成成本損失。
訓練過程還是要透過人工標記，帶 AI 認識哪些是斷裂和有粉塵的狀態。
開發新藥品
模擬藥物控制病毒量。
馬達聲紋
判別馬達是否產生異常聲音，透過人工標記，帶 AI 認識。
還有投資風控、自動化交易、庫存量監控、精準行銷...等等，很多產業都已導入 AI 訓練，但核心還是由該領域專家做精準標記。
邊緣運算 Edge Computing
低延遲（Low Latency）
避免長距離數據傳輸，提高反應速度，例如：自駕車的緊急煞車決策。
減少頻寬消耗（Bandwidth Optimization）
不需要將大量數據傳回雲端，降低頻寬成本，例如：智慧監控系統，只回傳異常影像，而非全天候錄影。
強化隱私與安全（Privacy & Security）
數據在本地處理，減少雲端儲存需求，降低資料外洩風險，如：醫療設備的即時數據分析。
高可用性（High Availability）
即使網路斷線，邊緣裝置仍能獨立運作，例如：遠端工地的無人機監控。
由此可見，漸漸會走向地端化甚至是終端化型態的人工智慧！
AI 代理(AI Agent)
相信有在關注 AI 議題，對於 n8n、MCP 自動化流程部署應該不陌生，相信不久將來，每個平台會有該平台的 AI Agent 出現，接著透過終端化，也會衍生出個人化的 AI Agent。
想像一下未來只要說：「我想買這款機能後背包。」
你的個人化 AI Agent ，就會幫你尋找出所有平台有在販售這款機能後背包，並且比價出最便宜、評價最好的賣家，然後加入購物車，最後你只需要決定是否結帳就好。
從上述情境，你未來只需要做兩件事情：
- 提出需求。
- 決策。
其他所有事情 AI Agent 都幫你辦妥妥。
以上是 2025/7/29 以前的世界，明天的世界不知道會再怎麼進化，你我都是時代見證者，停止學習和停止好奇心，才是注定被淘汰的人，持續吸收新知、不斷思維、產出應用是讓你我持續進步的公式，一起共勉。
