https://www.canva.com/design/DAGQ-7zIQaE/4sn6cr2NsR_q3O0XGbOiLw/view?utm_content=DAGQ-7zIQaE&utm_campaign=designshare&utm_medium=link&utm_source=editor

輔大資管系分享版本:

https://www.canva.com/design/DAGV49ax7kA/S-K1AGw1jV7J2yXdJR6Y2w/edit?utm_content=DAGV49ax7kA&utm_campaign=designshare&utm_medium=link2&utm_source=sharebutton

<aside> 💡

以下部分內容是利用Notion AI輔助生成，生成式人工智慧很適合生成一些常識性的內容，然而，操作性的內容，需要實際操作並截圖，目前還沒辦法利用人工智慧輔助生成，雖然如此，已經讓編寫教材變得更容易了~~

</aside>

人工智慧

**人工智慧（Artificial Intelligence，簡稱 AI）**是指由計算機系統執行的任務，通常需要人類智能才能完成，例如視覺辨識、語音識別、決策制定和語言翻譯。人工智慧技術的核心在於模擬人腦的思維方式，通過機器學習、深度學習等技術，使計算機能夠學習和適應新信息，進而提高其執行任務的能力。隨著技術的不斷進步，人工智慧已被廣泛應用於各個領域，如醫療診斷、自動駕駛、語音助手等，極大地改變了人們的日常生活和工作方式。

一般來說，人工智慧可以分為以下幾種主要類型：

  1. 狹義人工智慧（Narrow AI）：專門設計用於執行特定任務，如語音助手。
  2. 通用人工智慧（Artificial General Intelligence, AGI）：理論上能執行任何人類的智力任務。
  3. 超級人工智慧（Artificial Superintelligence, ASI）：超越人類智能的AI系統。
  4. 機器學習（Machine Learning）：系統從數據中學習和改進。
  5. 深度學習（Deep Learning）：使用神經網絡模擬人腦學習。
  6. 生成式人工智慧（Generative AI）：創造新內容，如文本生成。

在人工智慧的分類中，有些類型並不互斥。實際上，許多現代AI系統可能同時屬於多個類別。例如，一個使用機器學習技術的系統可能同時被視為狹義AI，而且如果它使用了深度學習（機器學習的一個子集），它還可能被歸類為深度學習系統。

知識深度與廣度

從知識的深度與廣度而言，人工智慧分為: 通用人工智慧、超級人工智慧。特定功能的狹義人工智慧慧其實早就已經開發出來了，我們正在往通用人工智慧、超級人工智慧前進。有些人認為ChatGPT在某個程度上已經算是一種通用人工智慧，因為已經可以通過一些人類的測試(如:SAT)。

人工智慧技術

從人工智慧所使用的技術而言，目前流行的人工智慧通常會採用機器學習及深度學習等技術。現在的人工智慧多半採用機器學習的技術，而深度學習事實上是一種機器學習的技術。

機器學習

**機器學習 (Machine Learning, ML)**是人工智慧的一個重要分支和技術。它是一種讓系統能夠從數據中學習和改進的方法。機器學習的核心概念是通過算法和統計模型，使電腦系統能夠在沒有明確程式指令的情況下，從經驗中學習並提高其性能。

機器學習有幾種主要的學習方式：