1. 專有名詞拆解：AI 的定義與本質
專有名詞：人工智慧 (Artificial Intelligence, AI)
- 技術原理/底層邏輯： AI 是一種模擬人類智慧的技術，核心目標是讓機器能夠執行原本需要人類智慧才能完成的任務。這包含了學習、推理、解決問題和感知環境等能力。
- 關鍵發展驅動力： AI 之所以能蓬勃發展，是基於近年來軟硬體技術的進步、計算能力（運算力）的提升、開放資料的普及，以及演算法（Algorithm）與機器學習（Machine Learning）的不斷精進。
一句話總結： 簡單來說，AI 就是讓電腦像人類一樣思考、學習、並解決問題的技術大集合。它是一個龐大的拼圖，不單單只限制於深度學習。
2. AI 的功能分類 (Functional Classification)
考試重點來了！依照功能的不同，我們將 AI 主要區分為三大類。請務必透過比較記憶它們的核心任務：
- 分析型 AI (Analytical AI)洞悉數據中隱藏的模式，提供有價值的見解。分析和處理大量數據。數據視覺化、客戶行為分析。
- 預測型 AI (Predictive AI)基於歷史數據，預測未來的趨勢和行為。統計模型、時間序列分析。市場預測、金融風險評估。
- 生成型 AI (Generative AI)根據使用者輸入的提示詞 (prompt)，生成新的、原創的內容。深度學習、大型語言模型 (LLM)。文字創作、圖像生成 (如 ChatGPT、DALL-E)。
3. AI 的多層次架構：技術底層深度分析
AI 的實現仰賴於一個多層次的架構。身為規劃師，你必須了解最底層的技術堆疊是如何運作的，這是技術可行性評估的關鍵：
A. 資料處理與分析 (Data Processing and Analysis)：
- 底層邏輯：資料是 AI 的燃料，如果數據品質不好，模型學得再好也是枉然。
- 關鍵技術：包含數據清理、整合、儲存和分析。例如 ETL (Extract, Transform, Load) 流程 (將數據從來源系統抽取、轉換格式後載入目標系統)，以及處理海量數據的平台，如 Hadoop、Spark。
B. 演算法 (Algorithm)：
- 底層邏輯： 演算法是 AI 的邏輯基石，它定義了解決問題的步驟。
- 核心技術： 包括 迴歸分析 (Regression Analysis) (用於預測連續數值，如房價) 和 分類演算法 (Classification Algorithms) (用於區分類別，如垃圾郵件過濾)。
C. 機器學習 (Machine Learning)：
技術原理： 這是讓機器從數據中學習規律的核心過程。我們主要區分三種學習方式：
- 監督式學習 (Supervised Learning)： 使用帶有標記 (Labeled Data) 的數據訓練。應用於分類 (Classification) 和迴歸 (Regression) 任務。
- 非監督式學習 (Unsupervised Learning)： 使用無標記數據，自動發掘數據中的潛在模式或結構，例如聚類 (Clustering)。
- 強化學習 (Reinforcement Learning, RL)： 基於回饋機制與獎勵措施，讓代理 (Agent) 透過與環境的互動學習最佳行動策略，常用於遊戲 AI、機器人控制等需要長期規劃和試錯學習的場景。
D. 深度學習 (Deep Learning, DL)：
- 技術原理： 是機器學習的子領域，透過多層次的人工神經網路 (ANN) 從大量文本、語音、影像等數據中自動學習深層特徵。
- 實際應用： 特別擅長處理非結構化數據，如語音辨識、影像處理與自然語言處理 (NLP)。
4. AI 的廣泛應用領域
AI 技術已經深入各行各業，其主要目標是提高效率、增強決策能力、提供個人化服務以及促進創新。考試中可能會以案例題的形式出現，檢驗你對應用場景的理解：
- 醫療保健： 利用 AI 分析醫學影像，輔助醫師進行疾病診斷；或加速藥物研發，縮短新藥上市時間。
- 金融： 透過 AI 模型分析用戶行為，進行風險評估和欺詐檢測。
- 製造業： 結合機器人實現自動化生產；或利用影像辨識進行產品品質控制。
- 交通： 實現自動駕駛；或分析即時交通數據進行交通流量預測。
初學者案例舉例：李經理的客服分類困境
讓我們回到一個真實發生過的場景。
你是 A 公司的 AI 應用規劃師，行銷部門的李經理，焦慮地走過來，語氣緊張地說：「我們每週收到數萬封客戶信件和社群留言，公關部快崩潰了！我需要快速知道哪些是『產品投訴』、哪些是『功能建議』，以及哪些是『一般諮詢』。我不要生成內容，我只要判斷！」
規劃師決策點：
聽到「判斷」和「分類」這兩個關鍵詞，你立刻就知道這屬於哪種 AI 任務？
你冷靜地指導他：「李經理，根據您的需求，我們需要導入 鑑別式 AI (Discriminative AI) 中的 監督式學習 模型。這是最適合分類 (Classification) 任務的技術。」
你進一步解釋底層邏輯：「鑑別式 AI 的核心在於找到一個決策邊界，專注於區分不同類別的差異。因為您已經有大量過去標記好的信件（這是我們的帶標記數據），我們可以訓練一個 自然語言處理 (NLP) 的分類器，讓它學會精確區分這三種類別。」
李經理鬆了一口氣：「太好了！所以我們不需要去創造新的回覆，只需要它告訴我『這是什麼類別』對嗎？」
你總結：「沒錯！這就是人工智慧基礎概念的應用。鑑別式 AI 負責精準分析與決策判斷，而 生成式 AI (如 ChatGPT) 才是負責創造新內容的。我們用對了工具，才能真正解決業務痛點，達成企業提高效率的目標。」
總結來說，AI 應用規劃師初級考試對「人工智慧概念」的評鑑，要求我們不僅要背誦定義，更要能將 AI 的功能分類、應用場景和底層技術 (如機器學習三大家) 融會貫通。掌握了這些基礎，你才能在實際規劃中做出正確的技術選擇！
想瞭解更多，歡迎到我的Youtube頻道，一起用聽的學習：直接看影片
