圖片來源：White-Lab 製作（AI 生成／Canva 設計）｜人工智慧 AI 是什麼教學封面
🎙️ 日野遼開場廣播
「嘿，各位聽眾朋友們，歡迎來到白話實驗室！我是日野遼。」既然今天是我們首發第一卷，就先來幽默回顧一下我們過去最熟悉的「傳統電腦程式」——它就像個超級聽話但不知變通的算盤，你不下指令，它就直接罷工！在未來的節目裡，AI 絕對不該是火星文，我們會陪著大家把 CNN、Agent、RAG 等複雜技術，翻譯成每個人都能聽懂的「人話」。而今天，我們就要從最基礎也最常被誤解的「人工智慧」開始，破解這個時代最常被掛在嘴邊的神奇魔法。
準備好揭開它神秘的面紗了嗎？這裡是白話實驗室——Let’s go！
📌 名詞解碼：人工智慧 (AI)
- 英文名稱：Artificial Intelligence (縮寫：AI)
- 一句話定義：讓電腦或機器具備模擬人類思考、學習與解決問題能力的一門科技。
❓ 這是什麼？
人工智慧（AI）是電腦科學的一個廣大分支，致力於創造出能執行通常需要人類智慧才能完成的任務的系統。它的定位不是單一軟體，而是一整套技術概念，涵蓋了從語音辨識、影像處理到自然語言理解等各種領域。基本用途在於協助人類自動化處理複雜資訊，並從海量數據中找出隱藏的規律，進而做出決策或預測。
🧠 白話解釋
想像你原本有一個只會「一個指令、一個動作」的超乖巧機器僕人（傳統電腦）。現在，你決定送這個僕人去上學（餵給他訓練資料），讓他學會舉一反三。當僕人學成歸來，他不僅能聽懂你的話，還能自己觀察天氣幫你準備雨傘。這個讓機器「學會思考和變通」的過程與結果，就是人工智慧。
圖片來源：White-Lab 製作（AI 生成／Canva 設計）｜AI 學習原理漫畫解說
💡 記住這一句就好
👉 給機器一顆會學習的大腦
🎬 白話小劇場｜終結者還是數位大腦？
(實驗室的角落，宙猩正拿著發出紅光的玩具機器人滿臉疑惑，墨星則優雅地坐在伺服器機櫃前...)
🦍 宙猩：抓頭... 所以 AI 就是像電影裡那種會拿雷射槍射人類的終結者機器人嗎？
🐈 墨星：（翻了個白眼）： 「少看點好萊塢電影。現在的 AI 連幫自己泡杯咖啡的實體手都沒有，它只是一堆躲在伺服器裡、瘋狂計算數學機率的程式碼而已。
🦍 宙猩：蛤？沒有身體喔？那它到底能幹嘛啦？
🐈 墨星：它極度擅長「找規律」。比如你看過一千張狗的照片就能認出狗，AI 也是透過分析幾十萬張圖片的數據，來學會「這是一隻狗」。
🦍 宙猩：喔喔！就像一個超會背考古題的學霸，只要看過夠多題目，下次考試就能猜中答案！
🐈 墨星：這個比喻還算精準。不過它不是死背，而是找出了考題背後的「隱藏邏輯」，這就是它擁有「智慧」的錯覺來源。
💡 AI 到底能做什麼？
核心功能
- 感知環境與資訊：如看見影像、聽懂語音指令。
- 分析與學習數據規律：從過往經驗中找出隱藏規則。
- 自主決策與生成預測：產生最佳行動方案或產出新內容。
📊 常見生活應用場景
AI 並不是遙不可及的技術，它其實早就出現在你的日常生活中：
🔊 語音助理（Voice AI）
像 Siri、Google 助理，能聽懂你的語音指令並做出回應
🚗 智慧交通（Smart Mobility）
自動駕駛與導航系統，能即時判斷路況並規劃最佳路線
🎬 內容推薦（Media AI）
Netflix、YouTube 會根據你的喜好，自動推薦你可能感興趣的內容
👉 這些背後的核心，其實都是同一件事：
讓機器從資料中「學會判斷與決策」
圖片來源：White-Lab 製作（AI 生成／Canva 設計）｜AI 生活應用案例
⚠️ 常見的 AI 迷思
- AI 等同於實體機器人：機器人只是硬體的外殼，AI 才是控制它的大腦軟體，許多 AI 只存在於雲端。
- AI 什麼都懂且絕對正確：AI 只能依據它「學過」的資料回答，遇到沒看過的資訊或品質差的數據，也會一本正經地胡說八道（這被稱為 AI 幻覺）。
- AI 會有自己的感情：目前的 AI 只是透過龐大的數學機率來模仿人類語氣，並不具備真正的意識、同理心或情感。
🆚 易混淆比較：AI vs. 傳統程式設計
WHITE LAB 名詞卡 #101
為什麼 AI 能「自己變聰明」？ 以下是人工智慧 (AI) 也就是「自動學習」，與傳統程式設計 (Traditional Programming) 也就是「人工代碼」的三大核心差異：
■ 運作核心 ・人工智慧 (AI)：從大量數據中「自己找出規則」與答案。 ・傳統程式設計：由人類寫好「明確的規則與步驟」讓電腦執行。
■ 處理變化 ・人工智慧 (AI)：具備「彈性」，能推論並應對沒看過的新情況。 ・傳統程式設計：「缺乏彈性」，遇到程式碼沒寫的狀況就會報錯。
■ 成長性 ・人工智慧 (AI)：餵給它越多新資料，表現通常會「越精準」。 ・傳統程式設計：除非人類工程師去修改程式碼，否則「永遠一樣」。
💡 如果你正在學 AI 或準備 iPAS，這張圖卡就是最核心的觀念基礎。
👉 收藏起來，後面所有 AI 技術都會用到這個概念。
圖片來源：White-Lab 製作（AI 生成／Canva 設計）｜AI vs 傳統程式差異圖
⚙️ 運作原理 (How It Works)
AI 究竟是怎麼被訓練出來的？其實流程並不複雜：
- 收集資料：準備海量的圖片、文字或數據作為 AI 的專屬教材。
- 建立模型：設計一個能處理這些資料的數學架構（類似打造一個虛擬大腦）。
- 訓練學習：讓模型反覆閱讀教材，找出資料間的隱藏規律與特徵。
- 測試微調：拿沒看過的「模擬考卷」測試它，如果答錯就微調內部參數。
- 實際上線：將訓練好的 AI 投入真實世界，開始解決實際問題。
🎯 寫給準備 iPAS 考試的你
🔍 狙擊雷達（考點提示）
- 人工智慧的基本定義與演進歷程（三次 AI 浪潮）。
- 能清楚區分 AI（人工智慧）、ML（機器學習）與 DL（深度學習）的同心圓包含關係。
- 能從情境題中辨識出哪些生活應用屬於 AI 技術的範疇（需與傳統自動化區分）
💊 考前速充膠囊
- 定義：模擬人類智能，讓機器具備學習與解決問題能力的技術總稱。
- 核心特徵：資料驅動、具備自主學習能力、能處理非結構化或未知的問題。
- 考試重點：熟記 AI 與傳統程式的根本差異，以及 AI 在各產業的實際應用場
🔬 實驗室隨堂考
**【選擇題】**下列哪一個情境「最不屬於」人工智慧的應用範疇？
(A) 能依據你的喜好推薦歌單的串流音樂 APP
(B) 每天早上 7 點會準時發出嗶嗶聲的數位鬧鐘
(C) 能分辨照片中是不是貓咪的手機相簿分類系統
(D) 能將中文語音自動翻譯成英文文字的軟體
**【判斷題】**只要是使用高階電腦運算的軟體，都可以被稱為人工智慧系統。
(答案請見文章最底部)
📚 延伸知識與歷史背景
- 難度標記：⭐️ 入門（所有 AI 科技領域最基礎的起點，無需程式背景即可理解）
- 先備概念：演算法 (Algorithm)、數據/資料 (Data)
- 關聯概念：機器學習 (Machine Learning)、深度學習 (Deep Learning)、圖靈測試 (Turing Test)
📖 歷史背景
「人工智慧」一詞最早在 1956 年的達特茅斯會議上被正式提出，標誌著這門學科的誕生。技術發展經歷了早期的邏輯推理、80年代的專家系統，以及近代因算力提升與海量數據而爆發的神經網路。目前我們正處於由深度學習與大型語言模型 (LLM) 所引領的新一波 AI 浪潮中，讓機器首次展現出強大的生成與理解能力。
📡 關於白話實驗室 White-Lab
- ☀️ 日野遼｜本所主持人，負責把 AI 從火星文翻譯成人話。
- 🐈 墨星｜冷靜理性的知識解構者，專門拆穿那些高深的科技迷思。
- 🦍 宙猩｜好奇心爆棚的初學者，總是替你問出那句：「這到底是什麼？」
🧱 你已解鎖第 1 塊 AI 金磚！
在這場 144 塊金磚的旅程中， 你正在從「看不懂 AI」， 走向「看懂世界的運作方式」。
📌 下一站預告：#102 機器學習（Machine Learning）
如果 AI 是「會學習的大腦」，那麼——
- 👉 它到底是怎麼學的？
- 👉 為什麼越學越準？
我們下一篇，拆給你看。
💡 墨星的最後叮嚀
如果這篇讓你「第一次真的看懂 AI」，👉 記得收藏這張名詞卡。 因為後面所有 AI 技術，都會從這裡開始分支。
🧪 實驗室隨堂考解答 選擇題 B / 判斷題 X。鬧鐘只是執行「時間到就響」的固定規則，屬於傳統程式；電腦運算力強也不等於具備學習與推論的 AI 能力喔！
🌌 White-Lab 星系導航站
迷路了嗎？這裡是 White-Lab 的總部。 在這裡，你可以查看 144 塊 AI 金磚的全圖譜，以及所有已解鎖的名詞傳送門，讓你的學習路線不迷航。
👉 [點我查看：144 塊 AI 知識金磚全地圖]
【White-Lab 創刊宣言】AI 入門必看：144 張 AI 名詞卡打造完整學習地圖
💡 墨星的防呆導航 知識如果沒有結構，就只是碎片。建議將這份「總目錄」加入書籤，未來每一個 AI 概念，都會在這裡串起來。
🐈墨星：
「你以為你在學 AI，其實你在學『如何看懂未來』。」
