共 14 講
M05.01
生成式 AI 是什麼:從判別到生成的典範轉移
以前 AI 只會選答案,現在 AI 會自己寫答案了
M05.02
大型語言模型 LLM:GPT、Claude、Gemini 的運作原理
LLM 的本質就是『超級厲害的文字接龍機器』
M05.03
Prompt Engineering:跟 AI 說話的藝術
同一個模型,問法不同,答案天差地別
M05.04
RAG 檢索增強生成:讓 AI 查資料再回答
開卷考試 vs 閉卷考試 — RAG 讓 AI 帶小抄上場
M05.05
AI Agent 與工具使用:讓 AI 不只會說,還會做
從聊天機器人到自主代理人 — AI 開始學會使用工具了
M05.06
圖像生成:Diffusion Model、DALL-E、Midjourney
從一堆雜訊中慢慢浮現一幅畫 — 這就是擴散模型的魔法
M05.07
Fine-tuning 與 RLHF:讓通用模型變成你的專家
預訓練給了模型知識,Fine-tuning 教它怎麼聽話
M05.08
AI 幻覺與事實查核:生成式 AI 的可靠性問題
AI 說得頭頭是道,但它可能在一本正經地胡說八道
M05.09
生成式 AI 的倫理爭議:著作權、深偽、工作取代
AI 生成的文章算誰寫的?AI 換臉影片算不算犯罪?
M05.10
企業導入生成式 AI:策略、風險與最佳實踐
不是買個 ChatGPT 帳號就叫數位轉型
M05.11
Agentic AI 與 AI 代理系統:從工具到自主行動者
以前 AI 是你問它才答,現在 AI 會自己想、自己做、自己檢查
M05.12
MCP 與 A2A 協議:AI 代理如何與世界溝通
MCP 是 AI 的手,A2A 是 AI 的嘴——一個操作工具,一個跟其他 AI 說話
M05.13
Prompt Engineering 進階:CoT、ToT 與結構化提示設計
不是問 AI 更多話,而是教 AI 怎麼想
M05.14
RAG 進階:Chunking 優化、增量更新與混合搜尋
RAG 不是把文件丟進去就好——切得好不好、搜得準不準,決定 AI 答得對不對