【簡介】 　　「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。 【目錄】 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 看更多