內容來源：
【生成式AI導論 2024】第1講：生成式AI是什麼？

1. 人工智慧的定義

• 人工智慧（AI）：指的是機器所展現的智慧，並非人類本身的智慧。這個詞彙並沒有一個標準的定義，因為每個人對於智慧的理解都不同。
• 目標：人工智慧是一個目標，而非單一技術，旨在讓機器展現智慧。

1. 生成式人工智慧 (Generative AI)

• 定義：讓機器能夠產生複雜且有結構的物件，如文章、影像或語音
• 複雜性：生成式AI的挑戰在於其生成的內容具有極高的可能性，機器需要從幾乎無窮的選擇中挑選出合理的答案。
• 區別是否為生成式人工智慧：與分類問題的區別:分類從有限選項中選擇,生成式人工智慧則無限可能

2. 機器學習 (Machine Learning)

• 定義：讓機器從資料中找出函式 (模型) => 手段

• 參數：在機器學習中，模型的參數是需要自動計算的未知數，這些參數的學習過程就是機器學習的核心。

• 模型：含大量參數的函式

• 訓練 (Training):找出模型參數的過程

• 測試 (Testing/Inference):將新輸入帶入模型,觀察輸出
  

3. 深度學習 (Deep Learning)

• 類神經網路 (Neural Network) -> 有上萬個參數的函式
• 把類神經網路裡的上萬個參數函式解出來->**深度學習(Deep Learning)**是機器學習的一種
  **深度學習(Deep Learning) => 是一種技術
• 深度學習：是機器學習的一種，通常使用類神經網路來解決複雜問題。
• 生成式AI的實現：生成式AI通常依賴深度學習技術來達成，尤其是在處理複雜的生成任務時。
  

3. 生成式 AI 與機器學習的關係

• 生成式 AI 可以使用機器學習/深度學習技術來解決
• 但機器學習也可以解決其他問題,如分類
  
  
  生成：機器能夠產生在訓練時從沒看過的東西-有「創造力」

4. ChatGPT的運作原理

• 核心概念:文字接龍 (Auto-Regressive Generation)
• 將生成任務拆解為一系列文字接龍問題
• 語言模型就只是生成式人工智慧的其中一個技術
  
  使用語言模型 (Language Model) 來預測下一個字
• 可能性無限
  

5. 生成策略的多樣性

• 生成不僅限於文字,也可應用於影像等其他物件
• 不同的生成策略,如像素接龍、自回歸生成 (Auto-Regressive Generation) 等
  

6. 生成式 AI 的歷史與發展

• 早期應用:Google 翻譯 (2006 年)-> 也是生成是ai!