# 【生成式AI導論 2024】第1講：生成式AI是什麼？

## 人工智慧（AI, Artificial Intelligence）是什麼？
* 人工智慧是機器所展現的智慧，但「智慧」本身沒有明確定義。
* 每個人對 AI 的想像不同，導致「人工智慧」這個詞無法嚴格定義。
* AI 是一個目標，而不是一種技術，這個目標是讓機器展現人類智慧般的能力。

### 生成式人工智慧（Generative AI）是什麼？
* 定義明確：讓機器「產生複雜且有結構的內容」。
* 這些內容可能是：
* 📄 文章（文字序列）
* 🖼️ 圖像（像素陣列）
* 🔊 聲音（時間序列取樣點）
* 「複雜且有結構」＝人類無法用窮舉的方式列出所有可能。
* 例：100字文章的可能組合為 10^300，遠大於宇宙中的原子數 10^80

### 與生成式 AI 不同的任務：分類（Classification）
* 例子：
* 垃圾郵件判斷（是／否）
* 圖片分類（貓／狗）
* 特徵：從有限選項中選擇答案，不需要生成新內容 → 不屬於生成式 AI

## 機器學習（Machine Learning）是什麼？
* 核心任務：從資料中自動找出函數關係（學習過程 = 找參數）
* 國中數學比喻：
* 給定：
* f(x)=ax+b，找出 a、b → 即「找出參數」
* 更複雜任務：如圖片分類，模型（函數）可能包含上萬個參數
* 有大量未知參數的函式 → 稱為模型（Model）

### 訓練（Training）與推論（Inference）
* 訓練資料（Training Data）：輸入／輸出對照，幫助找出模型參數
* 推論／測試（Inference / Testing）：輸入新資料 → 用模型產生輸出

## 深度學習（Deep Learning）
* 是機器學習的一種，使用「類神經網路（Neural Network）」表示模型
* 神經網路＝一個擁有大量參數的函數
* 常見誤會：「模仿人腦」的說法只是比喻，實際只是複雜的數學函式

## GPT 的核心概念：文字接龍（Language Modeling）
* ChatGPT 的生成方式 = 逐字預測 → 文字接龍
* 輸入：「台灣最高的山是哪座？」
* 預測：接「玉」合理 → 接「山」→ 停止（得出「玉山」）
* 將「生成文章」轉為一系列「選擇下一個字」的分類問題 → 讓「無限可能」問題 → 轉為「有限選項」分類問題 → 可解！

## 自回歸生成（Autoregressive Generation）
* 將輸出物件（如文字、影像）拆成一連串小單位，按順序產生
* 例子：
* 文字：字、詞、token 一個接一個產生
* 圖像：像素一個接一個產生（但效果差，後來捨棄）
* ChatGPT 使用的 Transformer 就是這種模型架構的代表

## 生成式 AI 的歷史與演進
* 早期就存在，例如：
* Google 翻譯（2006 上線）：就是一種文字生成
* 為什麼現在爆紅？
* 技術演進：Transformer 等模型出現
* 資料與算力大幅成長 → 支撐訓練超大型模型（上億參數）
* 效果接近人類 → 讓生成式 AI 進入主流

## 獵人梗：生成式 AI = 暗黑大陸
* 過去分類任務＝已知世界
* 生成任務＝未知領域（暗黑大陸）
* 現在我們已經站在暗黑大陸的門口，見到守門人（如 ChatGPT）