AI 與機器人術語表簡易版
對於 RAG、token 或幻覺等 AI 流行詞感到困惑嗎?這本通俗易懂的指南使用簡單的解釋、真實世界的範例和令人印象深刻的類比來分解最重要的人工智慧和機器人術語,非常適合初學者和專業人士。

一份淺顯易懂的指南:解讀眾人熱議的流行術語
人工智慧與機器人技術正迅速發展——隨之而來的是一大波令人感到不知所措的技術術語。
如果你曾聽過 RAG、令牌(tokens)或幻覺(hallucination)等術語,並暗自想著:「我大概應該懂這些才對」……這份指南正是為你而寫。
我們將用淺顯易懂的語言解析最重要的概念,並搭配貼近生活的例子與記憶技巧,助你牢牢掌握。
🧠 1. 大型語言模型 (LLM)
是什麼:
一種透過海量文本訓練,能理解並生成類人語言的人工智慧系統。
範例:
ChatGPT 回答您的問題或編寫程式碼。
不妨將其視為:
📚 一位讀過數百萬本書的超級圖書館員,幾乎能對任何問題立即作出回應。
🧩 2. 標記
是什麼:
AI 處理文字時最小的單位(單字、單字的一部分或字元)。
範例:
「ChatGPT 真棒」→ 可能會被分割成以下字元:
Chat + GPT + is + amazing
為何重要:
- 計費通常以標記為基礎
- 限制了 AI 單次可處理的量
不妨將其視為:
🧱 語言的樂高積木
🪟 3. 上下文視窗
是什麼:
AI 在單次對話中能「記住」的代碼片段最大數量。
範例:
若上下文視窗為 8,000 個語素,超出此數量的內容將會被遺忘。
可將其理解為:
🧠 AI 的短期記憶
🤯 4. 幻覺
定義:
當 AI 自信地給出錯誤或虛構的
資訊。範例:
人工智慧編造了一篇虛假的研究論文,或引用了不存在的來源。
試著這樣想:
🎭 人工智慧在「猜測」並假裝是正確的
🔍 5. 檢索增強生成(RAG)
定義:
一種讓 AI 在生成回應前,先檢索真實資料(如文件或資料庫)的方法。
範例:
一個根據貴公司內部文件來回答問題的聊天機器人。
可將其視為:
📖 開放書本考試,而非憑記憶猜測
🔌 6. MCP(模型上下文協定)
是什麼:
一項讓 AI 模型能與外部工具、資料及系統連接的標準。
範例:
AI 以結構化的方式存取您的資料庫、行事曆或 API。
可將其視為:
🔗 人工智慧的 USB 連接埠——與真實世界接軌
⚙️ 7. 提示詞
是什麼:
您提供給 AI 的輸入或指令。
範例:
「寫一個 Python 腳本來對清單進行排序。」
可將其視為:
🗣️ 你與 AI 對話的方式,決定了它的表現優劣
🎯 8. 提示詞工程
是什麼:
指透過精心設計有效的提示語,以從 AI 獲得更佳結果的技巧。
範例:
不要說:「解釋 AI」
改為:「請用簡單的比喻向 10 歲孩童解釋 AI。」
試著將其視為:
🎨 設計指引以獲得更佳成果
🧬 9. 微調
是什麼:
利用特定資料進一步訓練 AI 模型,使其更具專精性。
範例:
利用法律文件訓練模型,使其成為
法律助理。不妨將其理解為:
🏋️ 基礎教育後的專業培訓
🔄 10. 推論
定義:
使用已訓練好的模型產生輸出的過程。
範例:
您提出問題 → AI 給予回應 → 這就是推論。
不妨將其視為:
⚡ 人工智慧「思考並回答」的瞬間
🧠11. 嵌入向量
是什麼:
能捕捉文字意義的數值表示形式。
範例:
「狗」和「小狗」的嵌入向量會很相似。
可將其視為:
📍 意義的 GPS 座標
🤝 12. 代理(AI 代理)
定義:
一種能夠自主行動以完成任務的 AI 系統。
範例:
一種能預約會議、發送電子郵件並更新試算表的人工智慧。
可將其視為:
🧑💼 一個永不休息的數位助理
🔁 13. 反饋迴路
是什麼:
利用輸出結果來提升未來的表現。
範例:
使用者評分回應 → AI 隨時間推移而進步。
可將其理解為:
🔄 從經驗中學習
🤖 14. 機器人技術(在 AI 背景下)
定義:
將人工智慧整合至能與實體世界互動的機器中。
範例:
- 自動駕駛汽車
- 倉儲機器人
- 手術機器人
試著這樣想:
🦾 擁有軀體的人工智慧
🧭 15. 自主系統
是什麼:
無需人類干預即可運作的系統。
範例:
一架無人機在
它自己的。不妨將其視為:
🚗 自動駕駛智慧
📊 16. 訓練資料
定義:
用於訓練 AI 模型的資料。
範例:
書籍、網站、圖片和影片。
可將其視為:
📚 塑造 AI 知識的來源
⚠️ 17. 偏見(在 AI 中)
定義:
當 AI 反映出其訓練資料中的不公平模式時。
範例:
AI 無意間偏袒特定族群。
可理解為:
🪞 AI 反映了人類的不完美
🧪 18. 多模態 AI
定義:
能夠處理多種輸入類型(文字、圖像、音訊、影片)的人工智慧。
範例:
上傳一張圖片並請 AI 描述其內容。
可將其視為:
👀👂 能夠「看見」和「聽見」的 AI
🧠 最終心智模型(簡易記憶法)
試著將 AI 系統想像成一名學生:
- 訓練資料 = 他們研讀的書籍
- 標記 = 他們讀過的文字
- 上下文視窗 = 他們目前能記住的內容
- 提示詞 = 你的問題
- 推論 = 他們的答案
- 幻覺 = 當他們在胡扯時 😅
- RAG = 他們在回答前查閱筆記時
- 代理 = 當他們開始自主執行任務時
🚀 為何這很重要
理解這些術語有助於您:
- 與開發人員和 AI 團隊進行更順暢的溝通
- 針對 AI 工具做出更明智的決策
- 在快速演變的科技環境中保持領先
若您身處科技、商業,甚至治理領域(特別是涉及數位轉型時)
(各項計畫),這套詞彙正迅速成為不可或缺的工具。











