生成式 AI 導論
課程概述
本課程是 Google Cloud 生成式 AI 學習路徑的第一站。我們會從最基礎的概念講起，搞懂什麼是生成式 AI、它跟傳統 AI 差在哪，以及為什麼它正在各行各業帶來這麼大的改變。不管你是開發者、架構師還是技術決策者，這些基礎都是踏進 GenAI 開發的第一步。
你將學到
- 區分 AI、機器學習（ML）、深度學習（DL）與生成式 AI 的層次關係
- 解釋生成式 AI 的運作原理：從訓練資料到內容生成
- 認識 Google Cloud 在生成式 AI 領域的關鍵產品與定位
- 了解 Foundation Model（基礎模型）與 Fine-tuning（微調）的差異
- 掌握生成式 AI 的主要應用類型：文字、圖片、程式碼與多模態
核心概念
AI 的層次結構
人工智慧（AI）是範圍最大的概念，講的是讓機器模擬人類智慧。機器學習是 AI 底下的一塊，重點在用資料學出規律，而不是把規則一條一條寫死。深度學習又更進一步，用多層神經網路來處理複雜的資料模式。生成式 AI 則是深度學習的其中一個應用方向，專門用來產生全新的內容。
生成式 AI 與判別式 AI 的差異
判別式模型（Discriminative Model）學的是分類邊界，回答的是「這是貓還是狗？」這種問題。生成式模型（Generative Model）學的是資料的整體分佈，所以它能回答「畫一隻貓給我看」。就是這個根本差異，讓兩者的應用場景差很多。
Foundation Model 的重要性
基礎模型是用大規模資料集預訓練出來的通用模型，知識面廣、能做的事也多。開發者可以用 Prompt Engineering（提示工程）直接拿來用，也可以用 Fine-tuning（微調）針對特定領域調整，不用從零開始訓練一個模型。Google 的 Gemini 就是這類基礎模型的代表。
Hallucination（幻覺）現象
生成式 AI 有時會生出看起來很合理、但其實是錯的內容，這就叫「幻覺」。原因在於模型本質上是在做機率性的預測，並不是去查一個事實資料庫。搞懂這個限制，是用對生成式 AI 的關鍵。
實作重點
- 在 Google Cloud Console 中開啟 Vertex AI，瀏覽 Model Garden 中可用的基礎模型
- 嘗試使用 Vertex AI Studio 的文字提示功能，直觀感受生成式 AI 的輸出能力
- 注意觀察不同 prompt 會如何影響模型輸出的品質與方向
- 區分 Zero-shot、One-shot 與 Few-shot 提示的差異對輸出的影響
Lab 導讀
Lab 連結：Introduction to Generative AI — Google Cloud Skills Boost
這個 Lab 主要以影片教學搭配小測驗的形式進行，沒有動手操作的環節。建議觀看時特別留意 AI 層次結構的圖示說明，以及 Google 如何定位自家的生成式 AI 產品。測驗中常見的考點包括：生成式 AI 的定義、與傳統 ML 的差異、以及 Hallucination 的概念。
延伸學習
- 概念深入：什麼是生成式 AI？ — 登雲學院 GenAI Leader 課程的基礎介紹
- 大型語言模型導論 — 下一課深入了解 LLM 的架構與運作
- Google Cloud AI/ML 產品總覽 — 完整的 Google Cloud AI 產品佈局