一、 核心概念與基礎架構 Artificial Intelligence (AI) / 人工智慧：使電腦系統能夠模擬人類智慧、思考、 學習與解決問題的技術總稱。 Artificial General Intelligence (AGI) / 通用人工智慧：指在多數領域皆能達到或 超越人類水準、具備高度自主學習與推理能力的假想 AI 系統。 Machine Learning (ML) / 機器學習：AI 的分支，讓電腦透過演算法從大量數據中自 動分析規律並做出預測，而非透過寫死規則。 Deep Learning (DL) / 深度學習：機器學習的一支，使用多層人工神經網路（Neural Networks）來模擬人腦處理複雜資料（如影像、語音）。 Transformer 架構：現代生成式 AI（如 GPT 系列）的核心神經網路架構，依靠「注意 力機制」（Attention Mechanism）能高效處理長文本與上下文關聯。 二、 生成式 AI 與大型語言模型（LLM） Large Language Model (LLM) / 大型語言模型：經過海量文字資料訓練、具備強大自 然語言理解與生成能力的深度學習模型（如 GPT、Claude、Gemini）。 Prompt / 提示詞：使用者輸入給 AI 的指令、問句或任務描述。 Prompt Engineering / 提示工程：設計、優化提示詞的技術與方法，以引導 AI 產出 最準確、高品質的結果。 Hallucination / 幻覺：AI 毫不猶豫地給出錯誤、虛構或毫無根據的資訊卻表現得像 真的一樣之現象。 Retrieval-Augmented Generation (RAG) / 檢索增強生成：結合外部資料庫的技術， 讓 AI 在回答前先「查資料」，大幅降低幻覺並提升準確度。 Embedding / 嵌入：將文字、圖片等非結構化資料轉換成一串高維度「數字向量」的技 術，讓電腦能量化理解資料之間的語義與相似度。 Vector Database / 向量資料庫：專門用來儲存與快速檢索高維度向量資料的資料庫（ 如 Pinecone、Milvus），是 RAG 與語義搜尋的核心。 RLHF (Reinforcement Learning from Human Feedback) / 基於人類反饋的強化學習： 利用人類對 AI 輸出結果的評分與排序來微調模型，使其回答更符合人類的價值觀與安全 規範。 三、 機器學習訓練與優化 Overfitting / 過擬合（過度擬合）：模型在訓練資料上表現極佳，但在面對未見過的 新資料時表現很差，代表模型死記了答案而沒有學到通則。 Loss Function / 損失函數：用來衡量模型預測值與真實答案之間差距的數學函數，數 值越低代表模型表現越好。 Epoch / 訓練輪次：機器學習演算法完整「看過」一次所有訓練資料集的次數。 Fine-tuning / 微調：拿已經訓練好的基礎模型，使用特定領域的資料集進行二次訓練 ，使其專精於某個特定任務。 Zero-shot / One-shot / Few-shot Learning / 零樣本、單樣本、少樣本學習：指模 型在沒有看過相關範例（Zero-shot）、看過 1 個範例（One-shot）或少數範例（Few-sh ot）的情況下，就能直接完成指定任務的能力。 四、 AI Agent（智能體）與應用趨勢 AI Agent / 智能體：不僅能被動回答問題，還能自主規劃任務、調用工具、分解步驟 並執行動作以達成複雜目標的 AI 系統。 Function Calling / 函式調用：允許 LLM 在對話過程中識別何時需要呼叫外部程式碼 、API 或工具（如計算機、氣象查詢），並自動生成對應參數的技术。 Compute / 算力：執行 AI 模型訓練與推理（Inference）所需的硬體計算資源（通常 指高階 GPU 或 TPU 晶片）。 Human-in-the-loop / 人機協作：在 AI 自動化流程中刻意加入人類審查、干預或確認 的機制，以確保安全性與正確性。 ～～～～～～～～～～～～～～～～～ 一、 美國科技巨頭與閉源模型（Frontier Models） OpenAI（GPT 系列） 代表模型：GPT-4o、GPT-5 系列（如 GPT-5.6 Sol 等）。 特色：業界的指標性模型，具備極強的通用對話、高階邏輯推理、多模態（語音、視覺 、文字即時互動）與強大的 AI 代理（Agent）自主執行能力。 Anthropic（Claude 系列） 代表模型：Claude 3.5 家族、Claude 4 / 5 系列（如 Claude Opus、Sonnet）。 特色：以優異的程式碼編寫、細膩流暢的文風、超長上下文記憶及嚴格的安全合規框架 （Constitutional AI）著稱，深受開發者與文字工作者喜愛。 Google DeepMind（Gemini 系列） 代表模型：Gemini 1.5 / 2.0 / 3 Pro & Flash 系列。 特色：擁有業界領先的超大上下文視窗（Context Window），能一次性處理數小時的影 片、程式碼庫或長篇巨著，並與 Google 雲端生態系深度整合。 xAI（Grok 系列） 代表模型：Grok 3 / Grok 4。 特色：由馬斯克（Elon Musk）創立的 xAI 開發，主打即時串接社交平台數據、反應迅 速且帶有獨特幽默感。 二、 中國頂尖 AI 模型與開源 / 閉源新銳 DeepSeek（深度求索） 代表模型：DeepSeek-V3 / R1 / V4 系列。 特色：以極高性價比、創新的混合專家架構（MoE）與強大的深度思維推理能力（R1 類 思維鏈）震撼全球，推動了全球 AI 算力成本的大幅下降。 阿里巴巴（通義千問 Qwen 系列） 代表模型：Qwen 2.5 / Qwen 3 / Qwen 3.8-Max。 特色：中英文多語言能力極強，且開源了多種尺寸的強大權重模型，在國際開源社群（ 如 Hugging Face）名列前茅。 月之暗面（Moonshot AI / Kimi） 代表模型：Kimi K2 / K3 系列。 特色：專注於超長文本處理、聯網搜尋與深度研究代理（Deep Research）能力，能快 速消化大量網頁與文檔。 智譜 AI（GLM 系列） 代表模型：GLM-4 / GLM-5 系列。 特色：由清華大學背景團隊打造，具備扎實的雙語與多模態推理表現，商業化落地極快 。 三、 全球開源生態與歐洲代表 Meta（Llama 系列） 代表模型：Llama 3 / Llama 4 家族。 特色：全球開源界的最強霸主。允許企業與開發者下載權重並在自有伺服器中私有化部 署，是兼顧資訊安全與高效能的關鍵基底。 Mistral AI（法國 AI 新興巨頭） 代表模型：Mistral Large、Codestral、Devstral。 特色：歐洲最具代表性的 AI 新創，以高效率、小參數卻能媲美閉源旗艦模型的「混合 專家（MoE）」架構聞名，對開發者極為友善。 四、台灣AI模型 官方與國安級計畫 TAIDE (推動臺灣可信任生成式AI發展計畫) 背景：由國科會主導、結合國內頂尖大學與研究機構共同打造的台灣第一個本土 AI 引 擎。 特色：以 Meta Llama 系列為基礎，擴充了數萬個繁體中文字詞。特別強調可信任性， 嚴格過濾訓練資料，並針對台灣在地文化、國情、法律與辦公室常用文書（如公文、自動 摘要、書信）進行深度優化，是許多政府機關與在地企業導入主權 AI 的重要基礎。 臺灣主權AI訓練語料庫 (TAIC) 背景：由數位發展部攜手超過 200 個政府機關共同打造的國家級資料庫。 特色：雖然本身是「語料庫」而非單一模型，但它是為了打破國際模型多以簡體中文為 主體的現狀而生。提供豐富的台灣在地文化、歷史、民俗、在地辭典及公共治理資料，供 國內 AI 模型開發者訓練使用，建立台灣在 AI 時代的語言與文化話語權。 二、 企業與學研界代表模型 FoxBrain (鴻海研究院) 背景：由鴻海研究院人工智慧研究所推出的首款繁體中文 AI 大型語言模型（內部代碼 FoxBrain）。 特色：基於 Meta Llama 3.1（70B 參數）進行高效訓練。專注於數學與邏輯推理能力 ，採用獨特的 Adaptive Reasoning Reflection 技術，在多項繁體中文評測（如 TMMLU+ ）中表現優異，並提供資料分析與決策輔助功能。 Taiwan LLM (台大陳縕儂副教授團隊 ＆ 優必達 Ubitus) 背景：結合產、官、學（台大資工系與日商優必達、AWS 等）共同合作推進的開源計畫 。 特色：基於 Llama 架構並融入超過 300 億字台灣本土文本（如公開百科、新聞、小說 、社群討論）進行微調。該模型全面開源，鼓勵台灣企業與開發者依自身需求進行二次微 調，打造具備濃厚台灣在地色彩的垂直應用（如虛擬主播、遊戲互動等）。 --

※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 223.140.221.243 (臺灣) ※ 文章網址: https://webptt.com/m.aspx?n=bbs/AI/M.1786009118.A.DB9.html