「人工智慧 (Artificial Intelligence, AI) 」 一詞，最早可追溯至20世紀中英國數學家艾倫．圖靈發表的論文Computing Machinery and Intelligence。隨著時間推移，硬體與軟體技術的迅速進步讓電腦運算速度大幅提升、成本顯著下降，並且配合演算法領域的卓越研究成果，人工智慧領域不再是遙不可及的夢想。21世紀初，AlphaGo達到可以對決頂尖圍棋高手的程度，到了2022年，OpenAI正式推出ChatGPT，更讓人工智慧真正普及到大眾生活。

生成式AI在各行各業專業領域中帶來重大變革，本書能幫助您突破生成式AI的工具性操作，深入了解其背後的技術、應用與影響力。全書共有七個章節，內容涵蓋生成式AI的底層邏輯、實務操作、企業管理策略等三個面向。

第一到三章聚焦於生成式AI的底層邏輯，會依序介紹AI先備知識、經典模型以及生成式AI 核心架構：Transformer，即便您沒有資訊背景也能夠讀懂。第四到六章聚焦於生成式AI的實務操作，介紹提示工程(Prompt Engineering)，教您如何讓生成式AI產出高品質的回應，並手把手地帶您使用ChatGPT API 實作兩個小專案：檢索增強生成(RAG)以及網站智能客服。第七章聚焦於生成式AI的企業管理策略，針對企業最迫切關注的議題：如何導入生成式AI，提出淺見與看法。

曾瀚平

學歷
國立陽明交通大學 資訊管理所 博士生
國立中央大學 資訊管理所 碩士

經歷
東吳大學 資料科學系 兼任講師
工業技術研究院 網路流量分析顧問
國家科學及技術委員會 專題研究計畫助理
國家科學及技術委員會 千里馬計畫訪問學者

專長領域
資料科學、AIoT、電子商務、網路流量分析

著作
《指尖下的大數據：運用Google Analytics發掘行動裝置裡的無限商機》
《Google Analytics 疑難雜症大解惑：讓你恍然大悟的37個必備祕訣》

獲獎
2024 台北大眾捷運股份有限公司 捷運盃黑客松競賽──黑捷客獎
2020 聯發科技 智在家鄉數位社會創新競賽──潛力獎、最佳地氣獎
2017 行政院農委會農業創新黑客松競賽──農友好神獎

序言

1從AI 到生成式AI
1-1 生成式AI 的演進
1-2 生成式AI 的應用
1-3 生成式AI 的挑戰

2生成式AI 先備知識
2-1 機器學習
2-2 深度學習
2-3 自然語言處理與理解
2-4 文字轉向量
2-5 大型語言模型
2-6 RNN 遞迴神經網路
2-7 LSTM 長短期記憶模型
2-8 GAN 生成對抗網路

3 Transformer 深入淺出
3-1 Transformer 簡介
3-2 Transformer 輸入
3-3 Transformer 編碼器
3-4 Transformer 解碼器
3-5 Transformer 輸出
3-6 Google Titans 模型
3-7 DeepSeek R1 模型

4提示工程
4-1 提示工程簡介
4-2 指令微調(Prompt-Tuning)
4-3 上下文學習(In-Context Learning)
4-4 大模型微調(Fine-Tuning)
4-5 思維鏈(Chain of Thought)
4-6 客製化指令

5實作檢索增強生成
5-1 前置作業
5-2 準備目標檔案
5-3 切割目標檔案
5-4 建立向量資料庫
5-5 檢索合適的回答
5-6 問答
5-7 聊天

6實作網站智能客服
6-1 工具準備
6-2 建立主機空間
6-3 建立網站
6-4 編輯網頁
6-5 網站上網
6-6 建立系統後端
6-7 建立系統前端

7企業導入生成式AI
7-1 人工智慧原則
7-2 企業面臨的挑戰
7-3 生成式AI 的導入流程
7-4 未來趨勢—AI 代理

結語