Skip to content
彭昶興 — 寫寫, 研究研究, 做做

白話人工智慧

白話人工智慧封面




旗標出版社 出版日期: 2025/12/8

網路書店

Section titled “網路書店”

線上資源

Section titled “線上資源”

測驗你對人工智慧的了解

Section titled “測驗你對人工智慧的了解”

書籍目錄

Section titled “書籍目錄”

  • 第一章 人工智慧是什麼?

    • 1.1 人工也能有智慧?
    • 1.2 機器也能參悟嗎?
    • 1.3 AI的大腦：神經網路不神經
    • 1.3.1 神經網路如何做決定
    • 1.3.2 如何訓練神經網路
    • 1.4 AI 的火眼金睛：卷積神經網路來幫忙
    • 1.5 深度學習
    • 1.6 從對抗中學習
    • 1.6.1 偽畫聖戰：生成與判別的生死博弈
    • 1.6.2 對抗式學習的原理
    • 1.6.3 生成對抗網路是怎樣工作的?
    • 1.7 強化學習:從逆境中成長
    • 1.7.1 強化學習的基本概念
    • 1.8 通用人工智慧:機器的悟道時刻
    • 1.9 撥開AI迷霧：重點整理懶人包

  • 第二章 英雄降臨：大語言模型的誕生之路

    • 2.1 文字接龍遊戲也很有學問嗎?
    • 2.2 RNN: 神經網路理解語言的初嘗試
    • 2.3 不患無詞，患詞不達意
    • 2.4 集中注意力! 變形金剛來了!
    • 2.5 當智慧突然湧現
    • 2.6 「幻覺」太多是個病！ 必須治！
    • 2.7 開源模型生態
    • 2.8 王座之爭: 評測與排名
    • 2.9 大語言模型的安全性
    • 2.10 英雄之路回首：大語言模型原理總結

  • 第三章 大語言模型的神功是怎麼煉成的？

    • 3.1 AI 的知識寶庫：訓練資料從哪撈？
    • 3.2 AI 的練功心法：從紮馬步、練招式到人情世故
    • 3.3 AI 的斷捨離：蒸餾、剪枝、量化的精簡藝術
    • 3.4 站在巨人肩膀上：遷移學習與微調
    • 3.5 色聲香味觸法：AI 的多模態「六覺」初體驗
    • 3.6 專家混合：AI 的「超級英雄聯盟」
    • 3.7 溫度：AI 的創造力與準確性平衡
    • 3.8 練功也要神兵利器：GPU 與 CUDA 的硬體加持
    • 3.9 AI 界的「大」煉金術：規模法則的鈔能力！
    • 3.10 本章小結：從零到英雄的 AI 養成之路

  • 第四章 大語言模型的黑科技

    • 4.1 AI 的超級外掛圖書館：RAG 隨時Go！
    • 4.2 深度研究：不只是查資料，還能做分析
    • 4.4 大語言模型優化：讓AI幫你打廣告
    • 4.5 AI 代理 (Agent)
      • AI Agent 的實際應用場景
      • MCP：讓 AI 真正能「動手做事」
      • Agent 與 MCP 的完美搭配
    • 4.6 AI來寫程式
      • 今天，AI 已經可靠地做到什麼？
      • 明天，AI 很可能做到什麼？（未來 1—3 年）
      • 什麼還做不到？（先別把去接個專案以為AI可以完全搞定）
      • 不能不提Vibe Coding？
      • 工程師會被取代嗎？不——只是職稱要升級
      • 一頁帶走：今天 vs. 明天

  • 第五章 當機器開始做夢：揭開 AI 圖像魔法的祕密

    • 5.1 圖像 AI 模型功能速覽：誰擅長做什麼？
    • 5.2 讓舊照片重獲新生：老照片上色與修復
    • 5.3 從文字到世界：文字生成圖像
    • 5.4 風格轉換：當梵谷遇上自拍
    • 5.5 美顏濾鏡如何生成我的盛世容顏?
    • 5.6 蘿拉快跑：Hold住AI角色長相
    • 5.7 ComfyUI：積木式工作流的自由樂高
    • 5.8 世界模型的奇妙世界
    • 5.9 影片生成的突破：Sora 如何讓 AI 學會「拍電影」
    • 5.10 結語：選對模型才是王道

  • 第六章 從波形到樂章：AI的聽、說、唱

    • 6.1 聽懂：語音轉文字
      • 挑戰一：同音字歧義
      • 挑戰二：口音和語速變化
      • 挑戰三：減少延遲
      • 挑戰四：識別語句邊界
    • 6.2 說話：文字轉語音
      • 文字正規化與可念標記
      • 發音與韻律
      • 聲學模型：從說話計畫到頻譜
      • 聲碼器：把頻譜轉回聲音
      • 可控性、風格與多語
    • 6.3 應用：語音識別與文字轉語音的未來
      • 即時翻譯
      • Google NotebookLM：生成播客
      • 虛擬助理
      • 無障礙工具
      • 客服自動化
    • 6.4 做音樂：從提示到旋律、伴奏與混音
      • 符號派：從MIDI到音樂
      • 波形派：直接生成音頻
      • 提示工程與歌詞創作
    • 6.5 未來：聲音革命之後，多模態AI的時代來臨

  • 第七章 具身人工智慧:當 AI 有了身體

    • 7.1 AI 怎樣感知周遭世界？
    • 7.2 智慧決策與路徑規劃
    • 7.3 自主定位與環境建圖
    • 7.4 人機互動與適應性
    • 7.5 通用機器人的智慧挑戰

  • 第八章 AI的可能未來: 多模態、量子與類腦計算

    • 8.1 超越人類感官：多模態 AI 的現在與未來
    • 8.2 擴展 AI 的「記憶力」：更長上下文窗口
    • 8.3 新興技術交匯：量子AI、類腦計算
    • 8.4 AI for Science：加速科學發現的引擎
    • 8.5 透明與信任：可解釋 AI 的崛起
    • 8.6 守護未來：AI 安全與倫理
    • 8.7 未來展望：AI 與人類的共同進化

  • 第九章 人工智慧覺醒前夕的思考

    • 9.1 AI到底懂不懂人話？
    • 9.2 AI真的會創作嗎？
    • 9.3 技術奇點：當AI超越人類智慧的臨界點
    • 9.4 超對齊
    • 9.5 洛科詛咒：AI倫理學中的禁忌思想實驗
    • 9.6 人工智慧有沒有意識？
    • 9.7 模擬世界假說
    • 9.6 人工智慧有沒有意識？
    • 9.8 結語：從哲學回到現實

  • 第十章 結語：在未知中繼續熱愛世界

    • 10.1 功法回顧：那些年我們學過的AI絕學
    • 10.2 未來的AI會怎樣？我們真的不知道
    • 10.3 保持熱情，不要懷疑你自己
    • 10.4 總之，修養這回事，永遠是人的功課