AI、機器學習、深度學習、LLM 好多模型，分不清？輕鬆理解 AI 關鍵概念！
人工智慧（AI）、機器學習（ML）、深度學習（DL）、大型語言模型（LLM）... 這些名詞讓你感到困惑嗎？別擔心！這篇文章將用淺顯易懂的方式，帶你一次搞懂這些 AI 關鍵概念。對於非專業人士，關鍵概念以及 LangChain 和 RAG 等延伸，淺顯易懂的解釋，讓你對人工智慧的世界有了更清晰的視野。
還記得 2016 年，Google 的 AlphaGo 擊敗世界圍棋冠軍李世乭的那一刻嗎？
或是更早之前，1997 年，IBM 的超級電腦「深藍」戰勝西洋棋冠軍卡斯帕羅夫的經典對決？
這些令人驚嘆的成就，都離不開人工智慧（AI）的發展。然而，當我們談論 AI 時，往往還會冒出一堆讓人眼花撩亂的詞彙：機器學習（ML）、深度學習（DL）、大型語言模型（LLM）…… 這些名詞之間到底有什麼區別？它們又是如何推動 AI 技術不斷進步的？
對於非專業人士，AI、ML、DL、LLM 等關鍵概念，以及 LangChain 和 RAG 等延伸，淺顯易懂的解釋，讓你對人工智慧的世界有了更清晰的視野。
1. 人工智慧 (AI) - 模仿人類智慧的魔法
如果機器也能像人類一樣思考、學習和解決問題，那會是什麼樣的場景？這就是人工智慧（Artificial Intelligence，簡稱 AI）的終極目標。AI 是一門研究如何讓機器模仿人類智慧的科學，包括語音識別、自然語言處理、圖像辨識、決策規劃等各種能力。
AI 的發展歷程就像一場進化之旅，目前我們所接觸到的 AI 大多屬於「弱人工智慧」，它們雖然能在特定領域表現出色，卻缺乏人類的意識和創造力。
未來的「強人工智慧」或「通用人工智慧」則被寄予厚望，它們或許能像人類一樣思考、學習，甚至擁有自我意識。當然，還有一種更遙遠的假設——「超級人工智慧」，它們的能力將遠遠超越人類，甚至可能主宰世界。
除了進化階段，AI 還可以分為「判別式 AI」（Discriminative AI）和「生成式 AI」（Generative AI，簡稱 GenAI 或 GAI）。區分型 AI 擅長分類和預測，例如判斷一封郵件是否為垃圾郵件；而生成型 AI 則能創造新的內容，例如生成逼真的圖像或撰寫流暢的文章。
2. 機器學習 (ML) - 讓機器自己學會技能
還記得小時候學習騎腳踏車的過程嗎？一開始跌跌撞撞，但透過不斷練習，我們最終掌握了平衡的技巧。機器學習（Machine Learning，簡稱 ML）就像是讓機器也學會騎腳踏車的過程。
透過提供大量的數據和範例，ML 讓機器自己找出數據中的規律，並學會如何預測或決策，無需人類明確編程。
ML 是實現 AI 的一種重要技術，ML 是 AI 的一個子集，它讓機器能夠從經驗中學習和改進。例如，我們常用的垃圾郵件過濾器、產品推薦系統、甚至是金融領域的欺詐檢測，都離不開 ML 的應用。
3. 深度學習 (DL) - 模仿人腦的學習方式
人類的大腦擁有數以億計的神經元，透過複雜的連結和層級結構，讓我們能夠學習、思考和創造。深度學習（Deep Learning，簡稱 DL）正是受此啟發，它使用多層人工神經網路來模擬人腦的學習方式，從原始數據中逐層提取更高級的特徵，進而實現更複雜的任務。
DL 是 ML 的一個子集，它在圖像識別、語音辨識、自然語言處理等領域取得了突破性進展。例如，AlphaGo 之所以能在圍棋比賽中戰勝人類，正是因為它使用了 DL 技術，從大量的棋譜數據中學習並掌握了圍棋的精髓。
4. 大型語言模型 (LLM) - 讓機器說人話
想像一下，如果機器能像人類一樣流暢地使用語言，那會帶來多大的便利？大型語言模型（Large Language Model，簡稱 LLM）正是為此而生。它們透過在海量文本數據上進行訓練，學習了人類語言的結構、語法和語義，能夠生成各種形式的文本，例如文章、詩歌、對話等。
LLM 是生成型 AI 的一種重要應用，它們的出現讓機器與人類的溝通變得更加自然和流暢。例如，現在許多聊天機器人都使用了 LLM 技術，它們能夠理解人類的問題，並給出合理的回答，甚至能與人類進行多輪對話。
5. LangChain 和 RAG - 讓 LLM 知識更豐富、更實用
LLM 雖然強大，但它們的知識往往受限於訓練數據，有時可能無法回答一些特定領域的問題，或是給出過時或不正確的資訊。為了克服這些限制，我們需要 LangChain 和 RAG 這兩項技術。
LangChain 是一個用於開發 LLM 應用程式的框架，它能幫助開發者更輕鬆地與 LLM 互動，例如管理提示、鏈接多個 LLM、控制輸出格式等。RAG（Retrieval Augmented Generation）則是一種讓 LLM 訪問外部資訊來源的技術，它能幫助 LLM 在生成回應時參考最新的資訊，從而提供更準確、更相關的答案。
6. GPT 和 InstructGPT - OpenAI 的語言模型家族
說到 LLM，就不能不提 OpenAI 開發的 GPT 系列模型。GPT（Generative Pretrained Transformer）是一系列強大的 LLM，它們能夠生成各種文本格式，包括文章、程式碼、翻譯等。其中，InstructGPT 是一個經過特殊訓練的 GPT 變種，它更擅長遵循人類的指令，能夠根據提示生成更符合預期的文本。
7. Transformer、Diffusion、CLIP、Stable Diffusion 等一系列困難概念
其實還有很多名詞，例如 BERT、RoBERTa、T5、XLNet等大模型，基礎模型（Foundation Models）、CNN（卷積神經網路）、RNN（循環神經網路）、GAN（對抗式生成網路）、DRL（深度強化式學習）。
並且在目前最熱門的發展 Transformer，也有不少更細緻的設計內容，例如自注意力機制（Self-Attention Mechanism）、編碼器和解碼器（Encoder and Decoder）等等。
身為普通人的我們，使用 AI 而非創造 AI，這些偉大的創造與發明，需要有人使用，而且使用的很好。
AI 世界的大門，為你而開！
知道了 AI 的子集 ML，ML 的子集 DL，其他百花齊放的架構與機制，都是持續讓 AI 更好使用的一環。現在，你應該能更輕鬆地分辨這些術語，不再被它們搞得暈頭轉向了。
還記得文章開頭提到的 AlphaGo 和深藍嗎？它們的成功正是 AI 技術不斷進步的縮影。從模仿人類智慧到超越人類極限，AI 的發展充滿了無限可能。而推陳出新的技術，正是推動 AI 不斷前進的強大引擎。
當然，AI 的世界遠不止於此。LangChain、RAG 等新興技術的出現，讓 LLM 變得更加強大、實用，為 AI 應用的開發帶來了更多可能性。而 OpenAI 的 GPT 和 InstructGPT 等一眾 Transformer 模型，則展示了 LLM 在自然語言處理領域的驚人潛力。
AI 的未來充滿了挑戰和機遇。隨著技術的不斷發展，我們將看到更多令人驚嘆的 AI 應用誕生。或許有一天，我們將見證強人工智慧甚至超級人工智慧的出現，開啟一個全新的時代。
讓我們一起保持好奇心，持續學習，共同探索 AI 的無限可能！