AI發展簡史
LLM 互動科技應用與實務
帶你輕鬆掌握生成式 AI，打造專屬的高效工作流！
📍 第一站：AI 是怎麼進化的？
-
🤖
AI (人工智慧)： 賦予機器模仿人類智慧的能力。
📌 生活範例：掃地機器人的路徑規劃、遊戲裡的 NPC 行為。 -
📈
ML (機器學習)： 從「寫規則給機器」變成「給資料讓機器自己找規律」。
📌 生活範例：購物網站的商品推薦系統、垃圾郵件過濾。 -
🧠
DL (深度學習)： 模仿人類大腦神經網路，處理複雜的非結構化資料。
📌 生活範例：自動駕駛影像辨識、手機臉部解鎖 (Face ID)。 -
💬
LLM (大型語言模型)： 吸收全網海量文本的「超級文字接龍大師」。
📌 生活範例：ChatGPT，能理解自然語言並生成企劃或程式碼。
💡 數位學堂科普：什麼是「NPC 行為」？
NPC (Non-Player Character) 是遊戲中的「路人甲」。早期的 NPC 只能重複程式寫死的一句話；而加入 AI 後的 NPC，會根據環境做反應（如：下雨躲雨、被攻擊會反擊）。這是「電腦模仿人類行為」最經典的範例！
🧩 第二站：AI 的胃口與記憶體
1. Token (詞元) ＝ AI 的閱讀單位
我們算「字數」，AI 算「Token」。一個英文字母或單字大約 1 個 Token，一個中文字大約佔 1~2 個 Token。每次請求都會消耗 Token 額度。
2. Context Window (上下文視窗) ＝ AI 的短期記憶
就像電腦的記憶體 (RAM)。如果對話記錄或貼給它的資料太長，超過了視窗容量，AI 就會「失憶」，忘記最一開始的設定或前提。
🪄 第三站：神級詠唱術 (Prompt) 四大要素
把 AI 當成你的實習生，指令下得越具體，產出的品質就越高！
1️⃣ 扮演角色 (Role)
「你現在是一位資深資料科學家...」
「你現在是一位資深資料科學家...」
2️⃣ 指派任務 (Task)
「請幫我解釋這段 Python 程式碼...」
「請幫我解釋這段 Python 程式碼...」
3️⃣ 提供背景 (Context)
「因為我只有基礎的程式知識...」
「因為我只有基礎的程式知識...」
4️⃣ 輸出格式 (Format)
「請用條列式重點加上程式碼區塊呈現。」
「請用條列式重點加上程式碼區塊呈現。」
⚔️ 第四站：練習時間
- 🥊 任務一：搜尋引擎 vs. 生成式 AI
遇到看不懂的報錯訊息 (Error Code) 時，比較 Google 搜尋與 ChatGPT 提問，誰解決問題更快？ - 🪄 任務二：咒語升級實驗
比較「一句話廢話指令」與「加入四大要素的精準指令」，觀察產出品質的巨大差異。 - 🤥 任務三：抓包 AI 說謊 (幻覺實驗)
故意詢問一個「虛構的科技工具或歷史」，測試 AI 是否會一本正經地胡說八道，練習事實查核！
🎁 Prompt 實用範例
- 長篇文獻摘要： 請 AI 快速抓取核心論點與研究方法。
- 雜亂數據表格化： 將網路上複製的混亂文字一秒變表格。
- 程式碼除錯與註解： 找出 Bug 並加上中文註解。
- SWOT 分析： 迅速產出專案的優劣勢分析。
- 模擬面試官： 設定目標職缺，讓 AI 對你進行靈魂拷問。
發表文章
沒有留言:
張貼留言