AI 基礎知識：初學者指南
了解 AI 的基礎知識，包括它是什麼、如何運作以及如何使用。這是一份清晰且適合初學者的指南，幫助你理解人工智慧、大型語言模型以及 ChatGPT 等工具的原理。
2026 年 4 月 10 日
AI 基礎知識
了解 AI 的基礎，包括它是什麼、如何運作以及如何應用。
歡迎！如果您是 AI 新手，不需要技術背景也能開始。最有幫助的是對這個領域有一張簡單的藍圖——這樣您就能了解 AI 系統能做什麼、它們是如何包裝的，以及如何選擇適合您需求的工具。
什麼是 AI？
人工智慧（AI）是一個廣泛的軟體類別，能夠識別模式、從數據中學習並產生有用的輸出。
您可能已經在日常生活中見過 AI 的身影，例如：
AI 是一個類別，而不是單一工具。在這個類別中存在著「模型」：這些是經過訓練的系統，能從數據中學習，然後將所學應用於新情境。有些模型專精於語音、視覺或預測。
您很可能是從使用對話式 AI 工具（如 ChatGPT）開始您的 AI 之旅。ChatGPT 背後的模型專精於語言——這些被稱為「大型語言模型」。
了解大型語言模型如何運作
大型語言模型（LLM）是專為處理語言而設計的模型。它從來自多種來源的海量文本中學習模式，因此能以有用的方式生成和轉換文本。LLM 並不像人類那樣「知道」事情。相反地，它會根據上下文預測下一個最可能出現的語言片段。隨著時間推移，運算能力、訓練方法和獲取大型數據集的進步，使得構建更大、更強大的大型語言模型成為可能。
OpenAI 和其他前沿研究實驗室將這些模型作為其核心產品的一部分進行開發，然後透過面向使用者的產品（如 ChatGPT 或 Codex）以及 API 提供服務，讓開發者能利用這些模型構建自己的 AI 工具，並將 AI 整合到現有軟體中。
模型如何隨時間演進
當新模型完成訓練並通過內部評估與安全測試後，研究實驗室就會發布這些模型。當您聽到一個 AI 模型經過「訓練」時，通常指的是兩個階段——可以把它想像成一個人在學習並提升工作表現。
第一階段是預訓練（Pre-training），模型從海量文本中學習通用模式，這賦予了它廣泛的技能，如摘要、起草、翻譯和解釋。
這就像一名新員工花費數週時間閱讀所有能讀到的資料——手冊、優秀工作範例、過去的專案、常見問題集——直到他們理解這份工作的「輪廓」。
接著，「員工」開始工作，而「主管」會對其進行指導：表達要更清晰、提出好的後續問題、匹配正確的語氣並遵守公司政策。這就是後訓練（Post-training）。這個階段能幫助模型更可靠地遵循指令、以有用的風格進行溝通，並更好地處理棘手情況。
後訓練也是強調安全檢查的階段——這些訓練旨在減少有害輸出、拒絕不當請求，並在主題敏感或不確定時做出更謹慎的回應。
隨著模型的更新和訓練，您可能會注意到語氣或回應的轉變。如果您想要一致的結果，請明確說明您的目標、受眾、格式和限制條件——並預期模型在涉及安全或不確定性時會更加謹慎。
推理模型與非推理模型
不同的模型會針對不同的權衡進行調整——例如速度、深度，以及遵循多步驟指令的仔細程度。有些模型設計用於快速流暢地處理日常任務（起草、摘要、改寫、腦力激盪）。其他模型則設計用於在回答前投入更多運算資源進行思考，這可以提高處理困難、多步驟工作的可靠性。
非推理模型（有時標記為「即時/Instant」）針對快速、流暢的輸出進行了優化。當任務簡單明瞭且您主要追求效率時，它們是很好的預設選擇：例如將筆記轉化為訊息、潤飾措辭、生成選項或提取重點。
推理模型（有時標記為「思考/Thinking」）經過訓練，擅長進行深思熟慮、循序漸進的問題解決——例如規劃、複雜分析、棘手的除錯，或帶有限制條件和邊緣案例的決策。它們可能需要較長時間，但通常更擅長追蹤多個變動環節並避免淺層錯誤。
如果您剛開始使用，不需要擔心模型選擇——ChatGPT 的預設體驗旨在自動切換，讓您可以專注於問題而非設定。
隨著時間推移，當您了解自己的偏好（速度 vs 深度，快速草稿 vs 仔細分析）後，您可以開始嘗試手動控制：例如，大部分時間選擇「自動」，而在任務複雜或至關重要時切換到「思考」。
總結
以下是簡單的層級結構：
一旦您腦中有了這幅圖景，您就準備好學習如何使用 ChatGPT 等工具獲得出色成果——從學習如何與它對話以獲得您想要的結果開始。
了解如何開始使用 ChatGPT 和提示工程。
透過 OpenAI Academy 繼續學習
延伸閱讀
OpenAI Academy，2026 年 4 月 10 日
OpenAI Academy，2026 年 4 月 10 日
OpenAI Academy，2026 年 4 月 10 日