AI核心術語與高效簡報製作指南
掌握關鍵知識與工具，讓您的工作效率翻倍。
AI常見術語50選
第一組：AI基礎與學習範式 (1-5)
1. 人工智慧 (AI, Artificial Intelligence)
白話比喻： 讓機器像人類一樣聰明，是人類的偉大夢想。
專業定義： 一個廣泛的科學領域，目標是賦予機器模擬與執行人類智慧行為的能力。
2. 機器學習 (ML, Machine Learning)
白話比喻： 實現AI夢想最主流的方法，不給機器規則，而是給予海量資料範例，讓它從做中學，自己找出規律。
專業定義： AI的核心分支，專注於讓電腦從資料中自動學習模式與規律，無需編寫規則。
3. 深度學習 (DL, Deep Learning)
白話比喻： 如果機器學習是學習方法，深度學習則是給了機器一個超級大腦，模仿人類神經，有多層結構，擅長處理複雜問題。
專業定義： 機器學習的一種技術，使用多層人工神經網路來學習資料中複雜的抽象特徵。
4. 監督式學習 (Supervised Learning)
白話比喻： 像有老師在旁教導，給機器的資料都附上標準答案。
專業定義： 利用已標記（有標準答案）的資料進行訓練，讓模型學習輸入與輸出之間的對應關係。
5. 非監督式學習 (Unsupervised Learning)
白話比喻： 類似沒有老師的學生自學，讓機器自己根據顏色、形狀去分類。
專業定義： 在沒有標記的資料中，讓模型自動探索並發現資料內在的結構或模式。
第二組：學習任務與神經網路基礎 (6-10)
6. 強化學習 (Reinforcement Learning)
白話比喻： 像訓練寵物，機器不斷嘗試，做對了給獎勵，做錯了懲罰，目標是學會如何拿到最高分。
專業定義： 模型透過與環境互動和試錯來學習，以最大化累積獎勵為目標，常用於決策與控制。
7. 分類 (Classification)
白話比喻： 監督式學習的一種任務，目標是做選擇題，例如判斷郵件是否為垃圾郵件。
專業定義： 將輸入資料預測到一個預先定義的離散類別中。
8. 回歸 (Regression)
白話比喻： 也是監督式學習任務，但做的是填充題，目標是預測一個連續的數字，例如根據坪數預測房價。
專業定義： 目標是預測一個連續的數值，如房價預測、氣溫預測。
9. 人工神經網路 (ANN, Artificial Neural Network)
白話比喻： 前面提到的「超級大腦」學名，模仿人腦由無數個互相連接的神經元組成。
專業定義： 模仿生物神經網路結構的計算模型，由大量互聯的神經元組成，是深度學習的基礎。
10. 神經元 (Neuron)
白話比喻： 大腦裡最基本的細胞，負責接收訊號、處理後再傳出去。
專業定義： ANN中的基本計算單元，接收輸入訊號，經加權與激發函數處理後產生輸出。
第三組：模型訓練核心機制 (11-15)
11. 權重 (Weights)
白話比喻： 神經元之間的連接強度，模型學習的過程就是不斷調整這些連接強度值。
專業定義： 神經元之間連接的強度參數，在訓練過程中，模型透過不斷調整權重來學習。
12. 激發函數 (Activation Function)
白話比喻： 神經元裡的開關，有了它神經網路才能變得更靈活，學會更複雜的東西。
專業定義： 為神經網路引入非線性的數學函數，使其能夠學習複雜的模式。
13. 損失函數 (Loss Function)
白話比喻： 模型預測後，用來計算預測值和標準答案之間的差距，差距越大損失越大。
專業定義： 用來衡量模型預測值與真實值之間的差距，損失或誤差是模型的優化目標。
14. 梯度下降法 (Gradient Descent)
白話比喻： 知道有損失後想辦法減少它，此方法指示永遠朝著最陡的下坡方向走，能最快找到最低點。
專業定義： 一種優化演算法，沿著損失函數梯度的反方向逐步調整參數，以尋找損失的最小值。
15. 反向傳播 (Backpropagation)
白話比喻： 計算下坡方向的高效率演算法，從最後的損失結果一路反推回去，告訴每個權重該如何調整。
專業定義： 一種高效計算神經網路中所有權重梯度的演算法，是訓練的核心。
第四組：模型架構與自然語言處理 (16-20)
16. 過擬合 (Overfitting)
白話比喻： 像學生把練習背得滾瓜爛熟，看到新題目就傻了。
專業定義： 指模型對訓練資料過度學習，導致在未見過的新資料上表現不佳的現象。
17. 卷積神經網路 (CNN, Convolutional Neural Network)
白話比喻： 處理圖片的專家，像帶著放大鏡在圖片上滑動掃描，有效提取圖片的邊緣、紋理等局部特徵。
專業定義： 一種特別擅長處理網格狀資料（如圖像）的深度學習模型，能有效提取空間特徵。
18. 自然語言處理 (NLP, Natural Language Processing)
白話比喻： 教電腦聽懂人話、說人話的技術。
專業定義： AI的一個領域，專注於讓電腦能夠理解、解釋和生成人類語言。
19. 詞元 (Token)
白話比喻： 電腦看文章不是一個字一個字看，而是先將句子切成有意義的最小單位。
專業定義： 在NLP中文本被切分成處理的最少單位，可以是一個單詞、詞組或字元。
20. 嵌入 (Embedding)
白話比喻： 用此技術將每個詞元變成一串數學數字，意思相近的詞，它們的數字在數學空間中也會靠很近。
專業定義： 將離散項目（如單詞）轉換成稠密的數值向量，使語義相似的詞在空間中距離相近。
第五組：大型語言模型時代 (21-25)
21. Transformer
白話比喻： 近年來NLP領域最革命性的發明，處理句子時可同時關注所有詞的關聯。
專業定義： 一種基於自助注意力機制的深度學習架構，實現了高效的並行計算，是現代LLM的基礎。
22. 注意力機制 (Self-Attention)
白話比喻： 讓模型在看一個詞時自動判斷句子中其他哪些詞對理解這個詞最重要。
專業定義： Transformer的核心，允許模型在處理序列時，同時計算所有詞元間的相互關聯性權重。
23. 大型語言模型 (LLM, Large Language Model)
白話比喻： 用Transformer架構，給大量文本資料訓練出數十億以上參數的超大型模型。
專業定義： 一種基於神經網路架構的深度學習模型，擁有數十億甚至上千億個參數，並在巨量文本上進行預訓練，能處理各類複雜的語言任務。
24. 生成式人工智慧 (Generative AI)
白話比喻： LLM就是一種生成式AI，特點是不只做分析，還能創造全新內容，像寫文章、畫圖、做音樂等。
專業定義： 能根據輸入的提示創造全新內容，如文字、圖像、音樂的AI。
25. 提示詞 (Prompt)
白話比喻： 我們與強大生成式AI溝通的方式，給它的指令或問題。
專業定義： 提供給生成式AI模型的輸入指令或詢問，用來引導模型產生特定內容。