🤖 單元一：AI 基礎理論
📌 什麼是人工智慧 (AI)？
人工智慧（Artificial Intelligence）是讓電腦系統模擬人類智慧的技術，包括學習、推理、感知與決策能力。
AI 的三個層級
| 層級 | 說明 | 現況 |
|---|---|---|
| 弱 AI (ANI) | 特定任務表現優異 | ✅ 目前主流（Siri、語音助理、推薦系統） |
| 強 AI (AGI) | 跨領域的人類級智慧 | ❌ 理論階段 |
| 超 AI (ASI) | 超越人類的智慧 | ❌ 假設階段 |
📌 AI 發展史重要里程碑
- 1950 — 圖靈測試提出
- 1962 — Arthur Samuel 開發西洋跳棋 AI（Alpha-Beta 剪枝）
- 1997 — 深藍擊敗國際象棋冠軍 Kasparov
- 2016 — AlphaGo 擊敗圍棋世界冠軍李世石（蒙地卡羅樹搜尋 + 深度學習 + 強化學習）
- 2022 — ChatGPT 問世，生成式 AI 爆發
📌 機器學習的四大類型
1. 監督式學習 (Supervised Learning)
使用已標記資料訓練模型，學習輸入與輸出的對應關係。
- 應用：垃圾郵件過濾、圖像分類、房價預測
2. 非監督式學習 (Unsupervised Learning)
使用未標記資料，讓模型自行發現資料中的模式。
- 應用：客戶分群、異常偵測、降維
3. 半監督式學習 (Semi-supervised Learning)
混合使用少量標記資料 + 大量未標記資料。
4. 強化學習 (Reinforcement Learning)
透過獎勵/懲罰機制讓模型從試錯中學習。
- 應用：機器人控制、遊戲 AI、自動駕駛
📌 AI 核心技術
| 技術 | 說明 | 應用場景 |
|---|---|---|
| 深度學習 | 多層神經網路，自動提取特徵 | 圖像辨識、語音辨識 |
| 自然語言處理 (NLP) | 讓電腦理解人類語言 | 翻譯、情感分析、聊天機器人 |
| 電腦視覺 | 從圖像/影片提取資訊 | 人臉辨識、品質檢測、醫療影像 |
📌 大數據與 AI 的關係
大數據的 5V 特性：
- Volume — 資料量大
- Velocity — 產生速度快
- Variety — 類型多元（結構化/半結構化/非結構化）
- Veracity — 資料真實性
- Value — 資料價值
📌 AI 治理概念
AI 治理確保 AI 系統安全、公平、透明地運作：
- 建立 AI 使用規範與審查機制
- 確保資料隱私與安全
- 防止演算法偏見與歧視
💡 考試重點：AI 的分類（分析式/預測式/生成式）、監督式 vs 非監督式學習的差異、大數據 5V、AI 發展史里程碑