01 - AI 總覽：原理、歷史與應用
⚡ 資料更新至：2026 年初（整合 AI/ML 領域公認里程碑論文與官方資料） 📖 定位：由淺入深的一篇入門到進階總覽。完全新手可從頭讀；想懂現代技術可直接跳第 4 章。
1. AI 是什麼
白話定義
AI（Artificial Intelligence，人工智慧）：讓電腦做「本來需要人類智慧才能做的事」——例如辨識影像、聽懂語言、下棋、寫文章、寫程式。
注意 AI 不是單一技術，而是一個大傘，底下層層包含更具體的方法：
層次圖（由大到小）
┌─────────────────────────────────────────────┐
│ AI 人工智慧（最廣：任何「像有智慧」的系統） │
│ ┌────────────────────────────────────────┐ │
│ │ ML 機器學習（從資料中「學」規則，不靠人寫死） │ │
│ │ ┌──────────────────────────────────┐ │ │
│ │ │ DL 深度學習（用多層神經網路 learn） │ │ │
│ │ │ ┌────────────────────────────┐ │ │ │
│ │ │ │ 生成式 AI / LLM │ │ │ │
│ │ │ │ (GPT、Claude、Gemini…) │ │ │ │
│ │ │ └────────────────────────────┘ │ │ │
│ │ └──────────────────────────────────┘ │ │
│ └────────────────────────────────────────┘ │
└─────────────────────────────────────────────┘
- AI ⊃ ML ⊃ DL ⊃ 生成式 AI / LLM。
- 早期的 AI（如下象棋的規則引擎、專家系統）不一定用 ML——它們是人類手寫規則。所以「AI」比「ML」更廣。
Narrow AI vs General AI
| 類別 | 說明 | 現況 |
|---|---|---|
| Narrow AI（弱 AI / 狹義 AI） | 只擅長特定任務（下圍棋、翻譯、辨識肺結節） | 目前所有實際落地的 AI 都屬此類 |
| AGI（Artificial General Intelligence，通用 AI） | 像人一樣能跨領域學習與推理 | 尚未實現；是研究目標與爭論焦點 |
| ASI（Superintelligence，超智慧） | 全面超越人類 | 純屬理論／未來推測 |
重點：今天的 ChatGPT / Claude 雖然很強、看起來「萬能」，技術上仍屬 narrow AI（雖然是「很廣的 narrow」）。是否、何時達到 AGI 仍無定論。
2. 原理基礎
2.1 機器學習三型
機器學習的核心精神：不寫死規則，而是給資料讓電腦自己找規律。依「給什麼資料、學什麼」分三大類：
| 類型 | 一句話 | 資料長相 | 例子 |
|---|---|---|---|
| Supervised learning 監督式 | 給「題目 + 正確答案」學對應關係 | 有標籤（X→y） | 看胸部 X 光（X）判斷有無肺炎（y）；垃圾郵件分類 |
| Unsupervised learning 非監督式 | 只給資料、沒答案，讓它找結構 | 無標籤 | 把客戶自動分群（clustering）；異常偵測 |
| Reinforcement learning 強化學習（RL） | 透過「試錯 + 獎勵」學最佳行動策略 | 環境回饋（reward） | AlphaGo 下圍棋；機器人走路；LLM 的 RLHF |
半監督（semi-supervised）與自監督（self-supervised）是混合型。自監督特別重要：現代 LLM 預訓練就是自監督——把「預測下一個字」當成自動產生的題目，不需人工標註，所以能吃下整個網際網路的文字。
2.2 神經網路與深度學習（白話）
Neural network 神經網路是模仿大腦神經元概念的數學模型：
- Neuron（神經元 / node）：一個小單元，收進多個數字、各乘上一個權重（weight）、加總、再過一個非線性函數（activation，如 ReLU）輸出。
- Layer（層）：很多神經元並排成一層；多層串起來。「深度學習」的「深」就是指層數很多。
- 權重 weights：模型真正「學到的東西」全藏在這些數字裡。一個現代大模型有數十億～上兆個權重（parameters）。
怎麼「學」？訓練的四步循環：
- Forward 前向傳播：資料進去，跑出一個預測。
- Loss 損失函數：比較「預測」與「正確答案」差多少，算出一個誤差數字（越小越好）。
- Back-propagation 反向傳播：用微積分（chain rule）反推「每個權重該往哪調、調多少」才能讓 loss 變小。
- Gradient descent 梯度下降：照算出的方向，把每個權重往「讓誤差下降最快」的方向挪一小步（步幅 = learning rate）。
重複幾百萬次 → loss 越來越小 → 模型越來越準。這就是「訓練」的本質：不斷微調權重去降低誤差。
類比：在大霧的山上要走到谷底（loss 最低點）。每一步用腳感受「哪邊比較斜」（gradient），就往下坡走一小步。走很多步後到達谷底。
2.3 表示學習、Embedding、特徵
- Feature 特徵：描述一筆資料的屬性。傳統 ML 要人工挑特徵（feature engineering，例如手動算「郵件裡有幾個驚嘆號」）。
- Representation learning 表示學習：深度學習的關鍵突破——讓模型自己學出有用的特徵，不用人手挑。底層學邊緣、中層學形狀、高層學「貓臉」。
- Embedding 嵌入：把離散的東西（一個字、一張圖、一個使用者）轉成一串數字向量（vector），讓語意相近的東西在向量空間中也靠得近。
- 經典直覺：
king − man + woman ≈ queen（向量運算竟對應語意關係）。 - Embedding 是現代 AI 的通用語言，也是 RAG（見 §4.4）做「語意搜尋」的基礎。
- 經典直覺：
3. 歷史演進（時間線）
以下年份與代表作皆為領域公認里程碑。
第一波：符號主義 / 規則與專家系統（約 1950s–1980s）
- 1950：Alan Turing 提出「Turing Test（圖靈測試）」——機器能否讓人分不出是不是人。
- 1956：Dartmouth 會議，“Artificial Intelligence” 一詞正式誕生（John McCarthy 等人）。
- 主流路線是 symbolic AI / 符號主義：用人手寫的邏輯規則與知識庫推理。
- Expert systems 專家系統（1970s–80s，如醫療診斷系統 MYCIN）：
IF 症狀 THEN 診斷規則庫。 - 限制：規則寫不完、無法處理模糊與例外 → 進入「AI winter（AI 寒冬）」，資金與信心退潮。
第二波：連結主義 / 類神經網路（萌芽很早，1980s 復甦）
- 1958：Perceptron（感知器，Frank Rosenblatt）——最早的單層神經網路雛形。
- 1986：Back-propagation 被推廣（Rumelhart, Hinton, Williams 的論文使其廣為人知），讓多層網路可有效訓練——連結主義（connectionism）復興的關鍵。
- 1989/1998：CNN（卷積神經網路）用於辨識手寫數字，LeNet-5（Yann LeCun）；但受限於算力與資料，尚未大爆發。
第三波：統計式機器學習（約 1990s–2000s）
- SVM（支援向量機）、random forest、boosting 等統計式方法當道，理論扎實、在中等資料上很強。
- 同期 IBM Deep Blue 於 1997 擊敗西洋棋世界冠軍 Kasparov（仍偏搜尋+規則，但象徵意義大）。
- 神經網路相對沉寂，被視為「調不動、算力吃不消」。
第四波：深度學習復興（2012 起）
- 2012 — AlexNet：Krizhevsky、Sutskever、Hinton 的深度 CNN 在 ImageNet 影像辨識競賽大勝（錯誤率斷崖式下降）。關鍵組合：大資料（ImageNet）+ GPU 算力 + 深層 CNN。被視為深度學習時代的引爆點。
- 之後幾年：影像（ResNet, 2015）、語音辨識、機器翻譯全面被深度學習刷新。
- 2014 — GAN（生成對抗網路，Goodfellow et al.）：生成器 vs 鑑別器互相對抗，開啟「AI 生成逼真影像」的早期路線。
- 2016 — AlphaGo（DeepMind）擊敗圍棋頂尖棋士 Lee Sedol；2017 AlphaGo Zero 純自我對弈（RL）從零超越前代。展示 deep RL 威力。
第五波：Transformer 與大型語言模型（2017 起）
- 2017 — “Attention Is All You Need”（Vaswani et al., Google）：提出 Transformer 架構，拋棄 RNN/迴圈，純靠 attention 並行處理序列。這是現代所有 LLM 的共同地基。
- 2018 — BERT（Google）/ GPT-1（OpenAI）：開創「大規模預訓練 + 下游微調」範式。
- 2019–2020 — GPT-2 / GPT-3（OpenAI）：模型規模暴增（GPT-3 達 175B 參數），展現驚人的 few-shot 能力——只給幾個例子就會做新任務，不用重訓。
- 2022 — ChatGPT（OpenAI）：以 RLHF（人類回饋強化學習） 對齊出好用的對話介面，引爆全民 AI 浪潮。
- 2023 起 — 模型百花齊放：GPT-4、Anthropic 的 Claude、Google 的 Gemini、Meta 的開源 Llama 等；能力、context window、多模態快速擴張。
第六波：多模態、Agent 與推理模型（近年～2026）
- 多模態（multimodal）：單一模型同時吃文字 / 影像 / 語音 / 影片（如 GPT-4o、Gemini、Claude 的視覺能力）。
- 影像生成擴散模型（diffusion）：DALL·E、Stable Diffusion、Midjourney 等以文字生圖、生影片。
- Reasoning models 推理模型（如 OpenAI o 系列）：訓練模型在回答前先「想」（test-time compute / chain-of-thought），顯著提升數學、程式、邏輯題表現。
- Agents 代理：LLM 不只聊天，還能呼叫工具、讀寫檔案、上網、多步驟自主完成任務（如各種 coding agents）。
- MCP（Model Context Protocol）：標準化「模型 ↔ 外部工具/資料」的連接協定（見 §4.4）。
4. 現代核心技術
4.1 Transformer 架構
現代 LLM 幾乎都是 Transformer。三個一定要懂的概念：
- Tokens：模型不是逐「字」處理，而是切成 token（子詞片段；英文約 1 token ≈ 0.75 字，中文常 1 字 ≈ 1–2 tokens）。模型本質是預測下一個 token 的機率。
- Attention 注意力機制（白話）：處理某個 token 時，模型會「環顧」句子裡所有其他 token，動態決定該多注意誰。例如「牠很累所以牠坐下」——模型靠 attention 把「牠」連回正確的主詞。能並行算全句、又能抓長距離關係，是 Transformer 強大的核心。
- Context window 上下文視窗：模型一次能「看進去」的 token 上限（記憶容量）。早期幾千 tokens，現代已達數十萬～百萬級。超出視窗的內容模型就「看不到」。
4.2 預訓練 + 微調
現代 LLM 的養成是多階段的：
| 階段 | 做什麼 | 直覺 |
|---|---|---|
| Pretraining 預訓練 | 在海量網路文字上自監督學「預測下一個 token」 | 大量閱讀，建立通用語言與世界知識 |
| Fine-tuning 微調 | 在特定資料上續訓，讓模型專精某領域/任務 | 上專業課 |
| Instruction tuning 指令微調 | 用「指令→理想回答」範例教它聽懂並照做指令 | 學會「怎麼當助理」 |
| RLHF（人類回饋強化學習） | 人類對多個回答排序，訓 reward model 再用 RL 對齊 | 學會「人類偏好哪種回答」——更有用、更安全 |
RLHF 是讓原始預訓練模型（會接話但不一定有用/安全）變成好用助理的關鍵一步。近年也有 RLAIF（用 AI 回饋）、DPO 等變體。
4.3 Scaling laws 與 Emergent abilities
- Scaling laws 縮放法則：實證發現模型表現會隨參數量、資料量、算力增加而可預測地變好（大致呈冪次關係）。這支撐了「把模型做更大」的策略。
- Emergent abilities 湧現能力：某些能力（如多步推理、做沒見過的任務）在模型小的時候幾乎沒有，規模跨過某門檻後突然出現。是 LLM 令人意外之處（也有研究對「是否真湧現 vs 評測指標假象」有爭論——屬開放問題）。
4.4 把模型「接上世界」：RAG、工具、Agent、MCP
純 LLM 有兩個天生限制：知識停在訓練截止日、會一本正經地胡說（hallucination）。以下技術用來補強：
- RAG（Retrieval-Augmented Generation 檢索增強生成）：回答前先去外部知識庫/文件檢索相關片段（常用 embedding 做語意搜尋），把找到的內容塞進 prompt 再讓模型回答。好處：內容更新即時、可附出處、減少幻覺。企業導入 AI 最常見的做法。
- Function calling / Tool use 工具呼叫：讓模型「決定要呼叫哪個工具、傳什麼參數」（查天氣、算數、查資料庫、執行程式碼）。模型負責決策，實際動作交給工具。
- Agents 代理：把「LLM + 工具 + 多步驟規劃 + 記憶」組合起來，讓模型自主拆解任務、反覆執行、自我修正直到完成目標（如自動寫程式、跑測試、修 bug 的 coding agent）。
- MCP（Model Context Protocol）：Anthropic 提出並開源的開放標準，統一「AI 應用 ↔ 外部工具 / 資料源」的接法——像 AI 世界的 USB-C，讓工具一次接好、各家模型都能用，不用每個整合都重寫。
4.5 推理模型（Reasoning / Chain-of-Thought / Test-time compute）
- Chain-of-Thought（CoT，思維鏈）：引導模型「一步步想」再給答案，對數學、邏輯、程式題顯著加分（最簡單的觸發甚至只是 prompt 加「Let’s think step by step」）。
- Reasoning models 推理模型：直接把「先長時間思考再回答」訓進模型（如 OpenAI o 系列、後續各家推理版本）。核心觀念是 test-time compute（推論時算力）——回答時多花算力去想，而不只靠把模型做更大。權衡是較慢、較貴，但難題正確率更高。
4.6 多模態與擴散模型
- 多模態 multimodal：同一模型理解/生成跨型態內容——文字、影像、語音、影片。例如上傳一張圖請模型解讀、或語音對話。
- Diffusion models 擴散模型（影像/影片生成主流）：訓練時學「如何把加了雜訊的圖一步步去噪還原」；生成時就從純雜訊開始反向去噪，逐步「長」出符合文字描述的圖。代表：Stable Diffusion、DALL·E、Midjourney，以及延伸到影片生成。
5. 應用領域
| 領域 | 怎麼用 AI | 例子 |
|---|---|---|
| 寫程式（coding agents） | 自動補全、解 bug、跨檔重構、整個 feature 自主完成 | Claude Code、Codex、Copilot；本筆記庫自己就是 AI 協作維護的（見 §下方註） |
| 醫療 | 影像判讀（X 光/病理/眼底）、風險預測、文獻整理、病歷草擬、衛教 | 輔助診斷、研究文獻彙整（仍須醫師把關，AI 不取代臨床判斷） |
| 研究 | 文獻檢索與摘要、資料分析、假說發想、蛋白質結構預測（如 AlphaFold） | 加速科學發現流程 |
| 教育 | 個人化家教、即時答疑、出題與批改、語言學習 | 因材施教、24h 可問 |
| 內容生成 | 文案、翻譯、配圖、配音、影片、簡報草稿 | 大幅降低製作門檻 |
| 自動化工作流 | 客服、資料整理、報表、Email 分類、流程串接（agent + 工具） | 把重複性知識工作外包給 AI |
📌 本筆記庫即活例：這個 Obsidian 內科醫學筆記庫採「半人工半 AI 並行」維護——使用者念書、AI agent 依規範新增/補強筆記並維護 wiki 知識圖譜。正是「AI 自動化知識工作流」的具體落地。
6. 限制與風險
| 風險 | 說明 | 因應 |
|---|---|---|
| Hallucination 幻覺 | 模型會自信地編造不存在的事實、引用、數字（它是在「猜最像的下一個字」，不是查資料庫） | RAG 引外部來源、要求附出處、人工查核（醫學/法律等高風險領域務必驗證） |
| Bias 偏誤 | 訓練資料含人類偏見 → 輸出可能放大刻板印象或不公平 | 資料審查、評測、對齊 |
| 知識截止 / 時效 | 模型只知道訓練截止日前的事；之後的新事一律不知道 | RAG、工具上網、註明 knowledge cutoff |
| Alignment 安全與對齊 | 讓模型行為符合人類意圖與價值、不被濫用、不產生有害輸出 | RLHF、red-teaming、安全護欄、政策 |
| 隱私 | 敏感資料（病歷、個資）餵進外部模型有外洩風險 | 去識別化、本地/私有部署、合規（如個資法）、不上傳機密 |
| 成本 / 算力 / 能耗 | 訓練與推論吃大量 GPU、電力、金錢；大規模使用成本高 | 模型蒸餾/量化、選對規模的模型、快取 |
⚠️ 對醫療使用者尤其重要：AI 不是醫療建議來源，輸出（特別是 dosing、PMID、trial 數據）必須由專業人員逐項查證——這也是本筆記庫「絕不捏造、必標源」鐵則的由來。
7. 實用觀念
7.1 Prompt engineering 基礎
寫好 prompt（指令）能大幅提升輸出品質。幾條通則：
- 講清楚角色、任務、格式：「你是內科主治，請用條列、繁中、附 PMID 整理 X」。
- 給範例（few-shot）：示範一兩個理想輸出，模型會照樣學。
- 要它「一步步想」（CoT）：難題請它先推理再下結論。
- 提供脈絡 / 資料：把相關文件貼進去（或用 RAG），比叫它「憑記憶」可靠得多。
- 明確限制：字數、語氣、不要做什麼、不確定就說不確定（降低幻覺）。
- 迭代：把第一次結果當草稿，指出問題讓它修。
7.2 怎麼選模型
| 考量 | 偏向 |
|---|---|
| 要快、便宜、量大 | 小型/輕量模型 |
| 要難推理、品質高 | 大型 / 推理模型（較慢較貴） |
| 要最新資訊 | 搭配 RAG / 上網工具，而非單靠模型內知識 |
| 要隱私 / 離線 | 開源模型自行/私有部署 |
| 要多模態（圖、語音） | 選具該能力的多模態模型 |
沒有「最強模型」，只有「對這個任務最合適」的模型；多數實務是混搭（routing：簡單任務用小模型、難的才升級）。
7.3 什麼任務適合 / 不適合 AI
- ✅ 適合：草稿生成、摘要、翻譯、改寫、分類、腦力激盪、寫/解程式碼、把模糊需求結構化、整理大量文件。
- ⚠️ 要人把關：任何對與錯後果嚴重的事——醫療決策、法律、財務、引用事實與數字。AI 出草稿，人負責定稿。
- ❌ 不適合 / 別只靠 AI：需要保證 100% 正確的計算（用工具/程式）、需要即時權威事實（用檢索）、需要真正理解後果並負責的決定。
8. 延伸閱讀（同庫筆記）
📚 參考資料（權威來源）
以下為文中里程碑對應的原始論文／官方資料，皆為真實公開文獻。
- Turing, A. M. Computing Machinery and Intelligence. Mind, 1950.
- Rosenblatt, F. The Perceptron. Psychological Review, 1958.
- Rumelhart, Hinton & Williams. Learning representations by back-propagating errors. Nature, 1986.
- LeCun et al. Gradient-Based Learning Applied to Document Recognition (LeNet). Proc. IEEE, 1998.
- Krizhevsky, Sutskever & Hinton. ImageNet Classification with Deep CNNs (AlexNet). NeurIPS, 2012.
- Goodfellow et al. Generative Adversarial Networks (GAN). NeurIPS, 2014.
- Silver et al. Mastering the game of Go… (AlphaGo). Nature, 2016；…without human knowledge (AlphaGo Zero). Nature, 2017.
- Vaswani et al. Attention Is All You Need (Transformer). NeurIPS, 2017.
- Devlin et al. BERT. NAACL, 2019；Radford et al. GPT（OpenAI 技術報告，2018–2020）。
- Brown et al. Language Models are Few-Shot Learners (GPT-3). NeurIPS, 2020.
- Ouyang et al. Training language models to follow instructions with human feedback (InstructGPT / RLHF). 2022.
- Wei et al. Chain-of-Thought Prompting…. NeurIPS, 2022；Wei et al. Emergent Abilities of Large Language Models. TMLR, 2022.
- Ho et al. Denoising Diffusion Probabilistic Models (diffusion). NeurIPS, 2020.
- Lewis et al. Retrieval-Augmented Generation (RAG). NeurIPS, 2020.
- Jumper et al. Highly accurate protein structure prediction (AlphaFold 2). Nature, 2021.
- MCP（Model Context Protocol）：Anthropic 官方文件與開放規格（2024 起公開）。
- 官方來源：OpenAI、Anthropic、Google DeepMind、Meta AI 各自模型發布頁與技術報告。
⚠️ 本篇為入門總覽，年份與論文為領域公認里程碑；個別模型的精確參數/發布細節以各官方頁為準。具體 PMID/DOI 若需引用學術用途，請至原始來源核對。