AI 相關術語依出現時間排序（含例子）

這份文件依年代整理 AI 重要術語與例子，快速掌握 AI 發展脈絡與核心概念，適合入門或複習。

早期階段（1950s–1990s）

1. Neural Network（神經網路）：模仿人腦結構的 AI 模型。
   例如：辨識手寫數字的模型（如 MNIST）。

2. Machine Learning（機器學習）：AI 從資料中學習模式。
   例如：電子郵件垃圾郵件分類器。

3. Supervised Learning（監督式學習）：用標記資料訓練模型。
   例如：有標記的圖片資料來訓練辨識貓與狗。

4. Unsupervised Learning（非監督式學習）：用未標記資料找出結構。
   例如：用分群演算法找出消費者類型。

5. Reinforcement Learning（強化學習）：透過獎勵學習行為。
   例如：AI 學會玩圍棋或機器人學會走路。

6. Ground Truth（真實資料）：AI 訓練用的正確標準答案。
   例如：圖片上已標出「這是一隻狗」的註解。

7. Inference（推論）：AI 用訓練結果預測新資料。
   例如：使用訓練好的模型來判斷一張新圖片是否是貓。

8. Parameters（參數）：AI 學習過程中調整的內部變數。
   例如：神經網路中控制連接強度的數值。

9. Weights（權重）：參數中決定學習結果的值。
   例如：在圖像辨識模型中，不同像素的影響力。

---

深度學習與轉換器架構（2000s–2017）

10. Deep Learning（深度學習）：多層神經網路的學習方式。
    例如：影像分類、自駕車的物體偵測。

11. Embedding（向量表示）：將文字或圖像轉成數值格式。
    例如：「貓」→ [0.34, -0.22, 0.88] 向量表示。

12. Computer Vision（電腦視覺）：讓 AI 理解圖片與影片。
    例如：臉部辨識、監視器異常偵測。

13. NLP（自然語言處理）：讓 AI 理解人類語言。
    例如：語音助手、翻譯軟體。

14. Tokenization（斷詞）：將文字切成小單位。
    例如：「我愛你」→「我」、「愛」、「你」。

15. Training（訓練）：AI 調整參數的學習過程。
    例如：讓語音助手更懂得回應問題。

16. Compute（計算資源）：AI 所需的運算能力。
    例如：訓練 GPT 模型需要數百張 GPU。

17. GPU（圖形處理器）：AI 加速計算的硬體。
    例如：NVIDIA A100 用於深度學習訓練。

18. Transformer（轉換器架構）：革新語言處理的架構。
    例如：GPT、BERT 都是基於 Transformer。

---

大型語言模型時代（2018–2020）

19. Foundation Model（基礎模型）：可廣泛應用的大型模型。
    例如：GPT-3 可用於寫作、翻譯、對話。

20. LLM（大型語言模型）：基於大數據的語言模型。
    例如：ChatGPT、Claude、Gemini。

21. Context（上下文）：AI 保持對話或資料脈絡。
    例如：AI 記得你剛剛說過的問題。

22. Explainability（可解釋性）：理解 AI 決策的原因。
    例如：為什麼模型將這封信判定為垃圾郵件。

23. Fine-tuning（微調）：根據特定任務調整模型。
    例如：讓 GPT 學會醫學專業知識。

24. AI Model（AI 模型）：訓練完成可執行任務的系統。
    例如：影像辨識模型、語音轉文字模型。

25. Hallucination（幻覺）：AI 生成錯誤、不實內容。
    例如：AI 虛構一個不存在的引用或數據。

26. AI Alignment（AI 對齊）：確保 AI 遵守人類價值。
    例如：不生成有害言論或暴力指令。

27. Prompt Engineering（提示工程）：設計輸入引導 AI 輸出。
    例如：「請扮演一位歷史學者，解釋清朝滅亡原因」。

28. CoT（思維鏈）：讓 AI 一步步推理。
    例如：計算 13×17 時，先做 10×17 + 3×17。

---

現代應用與整合（2021–至今）

29. Chatbot（聊天機器人）：模擬人類對話的系統。
    例如：客服機器人、語音助理。

30. Generative AI（生成式 AI）：創造內容的 AI。
    例如：生成圖片、寫小說、做音樂。

31. AI Agents（AI 代理人）：具備決策與行動能力的 AI。
    例如：自動完成任務的 AI 小秘書。

32. Reasoning Model（推理模型）：有邏輯推理能力的 AI。
    例如：解數學題目或法律案例分析。

33. RAG（檢索增強生成）：結合搜尋與生成。
    例如：先搜尋資料再用 AI 生成回答。

34. AI Wrapper（AI 包裝器）：簡化操作的工具。
    例如：LangChain 幫助你快速整合 GPT 模型。

35. MCP（模型上下文協議）：AI 與外部資料對接的標準。
    例如：API 接口規範，讓模型能取用資料庫資訊。

36. TPU（張量處理器）：Google 為 AI 設計的晶片。
    例如：用於大規模模型的訓練和推論。

37. Vibe Coding（語意編程）：用自然語言寫程式的方式。
    例如：輸入「幫我寫一個網頁計算機」，自動生成代碼。

38. AGI（通用人工智慧）：能像人一樣思考的 AI（尚未實現）。
    例如：能自主學習新技能、獨立解決多樣問題的 AI。