你今天滑 YouTube 的時候,演算法推了一部你超愛的影片給你——那就是 AI。

先講結論

AI 就是讓機器能做一些以前只有人能做的事。它不是某一個軟體,而是一大類技術的統稱。現在最紅的是「會說話的 AI」,也就是 ChatGPT、Claude 這種大型語言模型(LLM)。你不需要懂怎麼做,但搞懂它是什麼,可以幫你判斷哪些事情可以交給它、哪些不行。


你其實已經在用 AI 了

很多人覺得 AI 離自己很遠,其實你每天都在用,只是沒注意到:

你在做的事背後的 AI
滑 YouTube,首頁全是你愛看的推薦演算法
打開 Google 相簿,它自動幫你把同一個人的照片歸在一起人臉辨識
用 Google 翻譯把英文菜單翻成中文機器翻譯
Gmail 自動把廣告信丟到垃圾桶垃圾信過濾
iPhone 拍照自動調亮度和顏色影像處理 AI
跟 Siri 說「明天早上八點叫我」語音辨識 + 自然語言理解

這些東西你可能覺得「不就是手機功能嗎」,但它們背後全都是 AI 在運作。十年前的手機可做不到這些。


AI 不是一個軟體,是一類技術的統稱

這是很多人搞混的地方。AI 不是某一個 app,就像「交通工具」不是指某一台車。

腳踏車是交通工具,高鐵也是交通工具,飛機也是。它們都能把你從 A 點送到 B 點,但原理和能力差很多。AI 也一樣——垃圾信過濾是 AI,ChatGPT 也是 AI,但它們的複雜度差了好幾個等級。


AI、ML、DL、LLM:用「學校教育」來比喻

這四個詞常常一起出現,很容易搞混。我用一個比喻幫你理清楚:

想像「學習」這件事有不同等級:

等級技術名稱比喻做得到的事
幼稚園AI(人工智慧)人類寫好所有規則,機器照著做西洋棋程式(每一步都是人寫好的 if-else)
小學ML(機器學習)給機器一堆範例,讓它自己找規律垃圾信過濾(看過 10 萬封信,學會分辨)
大學DL(深度學習)模仿人腦神經網路,能處理圖片、聲音等複雜資料人臉辨識、自動駕駛、語音辨識
研究所LLM(大型語言模型)讀過整個網路的文字,學會「說人話」ChatGPT、Claude、Gemini

重點是:每一層都包含上一層。LLM 是一種 DL,DL 是一種 ML,ML 是一種 AI。就像研究生也經歷過小學,只是能力更強了。

所以當有人說「我在用 AI」,他可能在用很簡單的規則系統,也可能在用最先進的 LLM。都對,但差很多。


生成式 AI:最新也最紅的那一層

你現在聽到的 AI 話題,十之八九是在講生成式 AI(Generative AI / GenAI)

之前的 AI 大多在做「分類」和「辨識」——這張照片裡是貓還是狗?這封信是不是垃圾信?

生成式 AI 不一樣,它能從零開始產生內容

  • 你說「幫我寫一封請假信」,它真的寫出來
  • 你說「畫一隻穿西裝的柴犬」,它真的畫出來
  • 你說「把這段文字唸出來」,它真的唸出來

ChatGPT、Claude、Gemini 都屬於這一類。它們的核心技術是 LLM——讀過人類寫的海量文字,學會了「預測下一個字應該是什麼」。聽起來很簡單,但當你把這件事做到極致,就能產生看起來像人類寫的文章、回答問題、甚至寫程式。


那 AI 會不會取代人類?

這大概是最常被問的問題。簡短的回答:

AI 會取代「工作中的某些步驟」,不太會取代「整個職業」。

舉個例子:以前寫一份報告要花三小時,現在用 AI 可能一小時就搞定。但你還是需要人來決定「要寫什麼」、「數據對不對」、「結論合不合理」。

比較務實的看法是:會用 AI 的人,會取代不會用 AI 的人。

這也是這個系列要幫你做的事——不是叫你去學寫程式或訓練模型,而是讓你搞懂怎麼用這些工具,讓它們幫你省時間。


一張圖整理

人工智慧(AI)
  └── 機器學習(ML):從資料中學習
        └── 深度學習(DL):用神經網路處理複雜資料
              └── 大型語言模型(LLM):讀懂和生成文字
                    └── 生成式 AI(GenAI):能創造新內容
                          └── ChatGPT / Claude / Gemini

這個系列接下來要聊什麼

這個系列是寫給完全沒有技術背景的人看的。不會出現程式碼,不會叫你裝什麼工具,只會用你聽得懂的話,幫你搞懂 AI 怎麼用。

接下來幾篇會聊:

  • AI 能幫你做什麼(按場景分類)
  • AI 不能做什麼(限制和地雷)
  • AI 工具怎麼選(ChatGPT vs Claude vs Gemini)
  • 怎麼跟 AI 說話才會得到好答案

不需要從頭看到尾,挑你有興趣的看就好。但如果你是完全的新手,建議按順序來。


系列導覽