今日地圖
這堂會帶走五件事：
- 定義 · 應用 · 簡史 — AI 是什麼 → 日常場景 → 從哪裡來
- ANI → 原理 → AGI/ASI — 先懂今天，再懂怎麼運作與未來
- 聊天 → 代理 · 落地 — 工具進化、雲端 vs 本地、安全
- 學習路徑 — 一週、一月、一季怎麼走
- 實作 — 掃碼到網站一鍵複製提示、貼到 Gemini
帶路人 · Tom Yim
AI 教育者 · 系統工程師。用工程人的實務視角，把複雜 AI 拆成任何人都能聽懂的故事。
- 香港大型機電工程公司前線部署經驗
- ICML 2026 挑戰賽全球前十
- 期間驗證 143 篇 AI 論文
- 把前沿研究翻譯成可上手技能
主辦：HKMAC · Hong Kong Makers AI Community（Makers 動手實驗 · AI · Community 一齊學一齊創造）
AI 到底是什麼？
它不像魔法——比較像一位讀過海量範例、擅長猜下一步的超級學徒。
關鍵：會學習
從資料找模式，而不是只執行寫死的規則。
是工具
像計算器與搜尋的進化版——放大你的能力。
是旅程
會聊天 → 會指揮 → 會設計流程。
什麼「不是」AI？
關鍵分界：有沒有從資料「學會」模式？只執行固定規則 ≠ AI。
Excel 公式／計算機
輸入固定公式就輸出；不會自己變聰明。
傳統 if-else 程式
工程師寫死規則：符合條件就執行。
巨集與 RPA 腳本
重複點擊流程；沒有模式學習。
普通關鍵字搜尋
傳統索引比對文字，不是理解語意。
固定門檻警報
溫度 > 30°C 就響——純閾值，不是預測模型。
郵件合併／範本
套用格式與欄位，不會生成新知識。
常見 AI 應用類型
品牌名為教學舉例（字標），非官方商標圖檔。你日常生活中很可能已經用過好幾種。
上：語言 · 生成 · 語音 · 視覺
- 大型語言模型／對話 — ChatGPT、Gemini、Claude、Grok
- 生成式影像／多媒體 — Midjourney、DALL·E、Adobe Firefly、Runway
- 語音 — Siri、Whisper、Assistant、Alexa
- 電腦視覺 — Face ID、相簿分類、工業瑕疵、醫學影像輔助
下：推薦 · 程式 · 自動 · 商務
- 推薦系統 — Netflix、YouTube、Spotify、TikTok
- 程式碼助理 — Copilot、Cursor、Gemini Code
- 自動駕駛／機器人 — Tesla、Waymo 等（感知與規劃模組）
- 搜尋 · 翻譯 · 風控 — Google、DeepL、金融詐欺偵測
AI 簡史 · 三幕
01 · 夢想與萌芽
- 1950 · 圖靈測試 — 對話分不出人機，可視為「能思考」的早期框架
- 1956 · 達特茅斯 — 「Artificial Intelligence」一詞誕生
- 早期樂觀 — 符號邏輯、專家系統萌芽
02 · 寒冬與春天
- 1970s–80s 寒冬 — 算力不足、承諾兌現不了
- 專家系統浪潮 — 規則寫死，難以擴展真實世界複雜度
- 深度學習復甦 — GPU + 大數據 + 神經網路
- 里程碑 — ImageNet、AlphaGo 等
03 · ChatGPT 與全民浪潮
- 2017 · Transformer — 現代大語言模型骨架
- 2022 末 · ChatGPT — 大眾用「聊天」體驗強大語言能力
- 2023 → 今天 — 生成式 AI 席捲教育、設計、商務與工程
- 下一步 · Agent — 從「會回答」走向「會做事」
ANI · AGI · ASI（三種尺度）
| 類型 | 意思 | 現況 |
|---|---|---|
| ANI 狹義人工智能 |
專精單一或少數任務 | 現在——你用的幾乎都是 ANI |
| AGI 通用人工智能 |
跨領域學習與推理，接近人類通用認知 | 目標——尚未被多數嚴謹定義認定達成 |
| ASI 超級人工智能 |
多數領域遠超人類 | 遠景——理論與思想實驗為主 |
用好今天的 ANI；用 AGI 概念看清能力邊界；用 ASI 討論提醒安全與責任。
ANI 強與弱
可以很強
重複性、資料豐富的任務；人機協作草稿與搜尋；24 小時可用。
仍然脆弱
幻覺、換領域就崩、沒有真正目標感；金錢／法律／醫療要人類把關。
它怎麼「想」· 超簡版
語言模型其實不「懂」文字——它把句子切成小塊（Token），轉成數字，再靠「距離」與「順序」猜下一個最可能的字。
- 切成小塊 — Tokenization，像拆樂高
- 變成座標 — Embedding，相近意思靠得近
- 記住順序 — Position
- 預測下一個 — Next Token 機率
Transformer · 注意力
核心公式（Scaled Dot-Product Attention）：
Q＝我在找什麼 · K＝別人有什麼標籤 · V＝實際內容
流程：Token Embedding → + Position → Multi-Head Self-Attention → Feed-Forward → 堆疊 N 層 → 輸出下一個 Token 機率。
溫度（Temperature）
低溫度
更穩定、保守。適合：程式碼、事實問答、翻譯。
高溫度
更發散、有驚喜。適合：文案、腦力激盪、故事。
聊天 → 代理 · 記憶
大型語言模型 · 被動
你問一句，它答一句；難追蹤多日目標；預設不能操作外部世界。
AI 代理 · 主動
拆解目標、計劃；可呼叫工具／API；記得偏好；像會動手做事的助理。
代理三件神器
- 大腦 Brain — 理解目標、推理、拆任務
- 雙手 Hands — 工具與 API 真正行動
- 記憶 Memory — 跨對話持續推進
本地 AI 現實（本堂立場）
門檻在硬件、驅動、模型量化、顯存與系統調校——不是「下載一個 App」就完事。先把雲端工具用熟，再談本地。
GPU 顯存
≥ 48 GB VRAM：舒適跑可用的本地大模型／長上下文的實務門檻。
系統記憶體
建議 128 GB RAM：LLM prefill、KV cache、多 Agent、RAG 索引與系統緩衝。
其他成本
電力、散熱、CUDA／框架、模型下載與排錯時間。
真的想碰本地、又要較順暢體驗：可考慮 NVIDIA DGX Spark（約 128GB 統一記憶體級桌面 AI 機器）， 能較順利跑例如 DeepSeek V4 Flash 3-bit——這是進階 enthusiast／專業路線，不是入門作業。
初學者首選：Gemini、ChatGPT 等雲端入口——開瀏覽器就能用，專注學提示與流程。
安全與自主性（超簡）
- 高能力 ≠ 該高自主 — 權限過大風險急升
- 人類在迴路中 — 金錢、法律、醫療、公開發表要人審核
- 最小權限 — 只給完成任務所需的最低權限
你的下一步
第 1 週 · 建立手感
每天用 AI 完成真實任務 · 練習寫清楚的提示 · 比較 2–3 個工具
第 1 月 · 加深理解
多輪對話與角色設定 · 文件總結／翻譯／寫碼 · 認識 Agent／工作流
第 1 季 · 動手建造
搭個人知識庫 (RAG) · 雲端 Agent／工作流 · 本地 LLM：進階再說
AI 不是魔法，是可學會的工具。
Agent 正在把「聊天」變成「做事」。
你越早動手，越快建立優勢。
實作 · 掃碼動手
