ChatGPT / Claude / Gemini / Grok？
相信大家應該都有聽過這些名字，但要認真說他們到底是甚麼東西，他們的差別在哪邊，大概會變得支支吾吾吧。這幾年AI變成幾乎大家琅琅上口的字眼，而且也因為AI的興起讓台灣這個小島被世界放得更大了。
最近聽演講、上課、看影片，也很常出現AI輔助的工具與實際演練，在自己買了chatGPT後，也更是對於AI的使用又再更頻繁了一點。看了很多影片在介紹自動化工作流、圖片生成，甚至是影片生成的功能，n8n, Veo3, Sora, manus AI，又感覺各式各樣的AI在不斷出現與更新，讓我不禁反思自己真的知道AI是甚麼嗎？還是只是看到甚麼用甚麼？這樣是不是也就只是一直在追著AI迭代的腳步在後面踉蹌呢？
也因此想要留下一些學習的紀錄，方便日後能夠回來看看，然後也當作自己的筆記。
如果對於內容有甚麼疑慮，或是覺得寫得不錯，或是想要討論的地方也歡迎跟我說。
來認識一下AI
AI: the science and engineering of making intelligent machines
Intelligence might be defined as the ability to learn and perform suitable techniques to solve problems and achieve goals, appropriate to the context in an uncertain, ever-varying world. A fully pre-programmed factory robot is flexible, accurate, and consistent but not intelligent.
Artificial Intelligence (AI), a term coined by emeritus Stanford Professor John McCarthy in 1955, was defined by him as “the science and engineering of making intelligent machines”. Much research has humans program machines to behave in a clever way, like playing chess, but, today, we emphasize machines that can learn, at least somewhat like human beings do.
智能可能可以被表示成能透過學習並運用適當的技巧來解決問題、實現目標的能力，並適應不確定、不斷變化的世界環境。
而Artificial intelligence(AI)就被定義成：建構擁有智能機器的科學與工程。
reference: *https://hai.stanford.edu/policy/brief-definitions-of-key-terms-in-ai*
AI是一個涵蓋範圍很廣的詞彙，在日常生活中的知名應用包括：網路搜尋引擎（如 Google 搜尋）；推薦系統（YouTube、Amazon 和 Netflix 使用的）；虛擬助理（如 Google 助理、Siri 和 Alexa）；自動駕駛（如 Waymo）；生成和創意工具（如語言模型和 AI 藝術）；以及在策略遊戲中（如象棋和圍棋）超越人類的遊戲和分析能力。
reference: *https://en.wikipedia.org/wiki/Artificial_intelligence*
其中最近最火的不外乎就是chatGPT, Gemini, Claude等等大型語言模型了。
而要講到大型語言模型(Large Language Models, LLMs)，就不能不先提到自然語言處理(Natural Language Processing, NLP)。
NLP: computers to understand, interpret, generate, and transform text
Natural language processing (NLP) enables computers to understand, interpret, generate, and transform text. Current state-of-the-art models, such as OpenAI’s GPT-4o, Anthropic’s Claude 3.5, and Google’s Gemini, are able to generate fluent and coherent prose and display high levels of language understanding ability (Figure 2.2.1). Unlike earlier versions, which were restricted to text input and output, newer language models can now reason across a growing range of input and output modalities, including audio, images, and goal-oriented tasks (Figure 2.2.2).
reference:
Nestor Maslej, Loredana Fattorini, Raymond Perrault, Yolanda Gil, Vanessa Parli, Njenga Kariuki, Emily Capstick, Anka Reuel, Erik Brynjolfsson, John Etchemendy, Katrina Ligett, Terah Lyons, James Manyika, Juan Carlos Niebles, Yoav Shoham, Russell Wald, Tobi Walsh, Armin Hamrah, Lapo Santarlasci, Julia Betts Lotufo, Alexandra Rome, Andrew Shi, Sukrut Oak. “The AI Index 2025 Annual Report,” AI Index Steering Committee, Institute for Human-Centered AI, Stanford University, Stanford, CA, April 2025.
大概就是你想要學習這個語言(NLP)，然後有很多不同的方式去學習他，LLM是其中一種(?)
AI術語們
一個示意圖，先把資料餵給NotebookLM之後，再把其中一段資訊放入Napkin AI圖像化。
(AI包含ML，DL是ML其中一個大分支，NLP則是使用DL技術處理，然後LLM是其中目前發展最熱最好的一項技術，然後最後因為LLM的蓬勃發展，催生GenAI的大爆炸)
我為甚麼想學AI？
科技始終來自於人性。
前一陣子看了MΞGAN，她大概就是AGI的顯型吧。可以回答你任何問題、幫你做許多事情，甚至還能給你情緒價值，完完全全就是一個進化版真人的存在了吧。雖然現在離要實現大概還有很長一段路要走，但現在很多AI tool其實也已經可以做到很多事情了。
總是想著要把事情快速的解決，這時候就可以用AI來整理文獻、講解摘要、快速試誤。
現在想要當創作者，也可以用AI幫忙產出文本、腦海裏面的畫面也可以一步一步實現。
而如果對寫程式、開發軟體有興趣，現在也有機會可以減少絕大部分碰到程式碼頭昏眼花的機會了。
不過說了這麼多，最主要就是想要讓自己的生活更有效率、更方便而已。
12 weeks of AI learning roadmap
像之前讀了《12週做完一年工作：縮短工時x成果翻倍的高效成功法》這本書之後，就想試著實踐看看裏頭的做法，因此這張表格的繪製，是先請chatGPT幫助我大概規劃學習的目標之後，再請他按照十二周計畫的方式去擬定出來的，或許不能夠真的完全照表操課，但完全可以拿來參考使用！
*之後可能還會再更新這篇的一些內容，畢竟中間似乎還略過了很多東西。不過目前比較想要先看甚麼東西有趣研究甚麼XD
下一篇：針對chatGPT, Gemini, Grok, Claude來研究 / 或是先研究prompt的方式
