01
學習模式
透過資料找出規律，用於預測、分類或產生結果。
01 / INTRODUCTION
什麼是人工智慧？
人工智慧（Artificial Intelligence，AI）是讓電腦系統執行通常需要人類智慧的任務，例如辨識、預測、推理、語言理解與生成內容。
02
理解資訊
分析文字、影像、聲音等不同形式的輸入。
03
協助決策
提供建議與自動化支援，但重要判斷仍需人類監督。
02 / TECHNOLOGY
AI 核心技術
以下概念彼此相關，但並非同一層級的互斥分類。
ML
機器學習
從資料中學習模式，例如垃圾郵件過濾、銷售預測。
DL
深度學習
機器學習的分支，利用多層神經網路處理複雜特徵。
GA
生成式 AI
依據提示與學到的模式產生文字、程式碼、圖片及音訊。
LLM
大型語言模型
以大量文字等資料訓練，擅長理解及生成自然語言。
CV
電腦視覺
協助辨識、定位或分析照片與影片中的資訊。
AI
AI Agent
結合模型、工具與流程，依目標執行多步驟任務。
03 / WORKFLOW
AI 如何運作？
以一般機器學習系統為例，開發流程通常包含以下四個階段。
01
蒐集資料
取得具有代表性且合法使用的資料。
02
訓練模型
調整模型參數，讓模型學習資料中的模式。
03
驗證評估
測試準確性、穩定性、偏差與安全風險。
04
部署應用
將模型整合進服務，持續監測並改善。
04 / APPLICATIONS
AI 的實際應用
AI 已廣泛用於工作與生活，但成果仍取決於資料品質與使用情境。
↗
軟體開發
程式碼輔助、測試案例產生、文件整理與問題排查。
↗
企業營運
客服知識查詢、報表摘要、文件分類與工作流程自動化。
↗
醫療健康
醫療影像輔助分析、研究資料整理與臨床行政支援，需專業驗證。
↗
內容創作
文案初稿、圖片生成、翻譯與多媒體製作。
05 / FAQ
常見問題與重要限制
AI 的回答一定正確嗎？
不一定。生成式 AI 可能產生看似合理但不正確的資訊。涉及法律、醫療、財務與重要決策時，應查證可信來源。
AI、機器學習與生成式 AI 有何不同？
AI 是廣義領域；機器學習是實現 AI 的重要方法之一；生成式 AI 是以產生新內容為目的的一類 AI 系統。
使用 AI 時需要注意什麼？
應注意個資、機密資料、智慧財產權、偏差、安全性及人工覆核。勿任意將敏感內容輸入未經核准的服務。
AI 會完全取代人類嗎？
AI 可自動化部分任務，但複雜責任、價值判斷、跨情境協作與高風險決策仍需要人類參與。
從理解 AI 開始
掌握基本概念、實際限制與應用方式，才能有效評估是否值得導入。