AI - LLM - Note

2025-03-26

Artificial General Intelligence（AGI）

簡單來說，AGI（通用人工智慧）就像是一個能夠像人類一樣思考和學習的 AI。現在的 AI 通常只能做特定的事情，比如語音助理能聽懂指令、圖像辨識能認臉，但它們無法舉一反三或解決各種不同的問題。

AGI 則不同，它能夠適應各種情境、學習新知識、自己思考並解決問題，就像一個真正有智慧的人。這也是人工智慧發展的終極目標——打造一個可以自由學習、理解世界的「超級 AI」。

簡單來說，邊緣運算就是讓資料的處理工作盡量靠近資料來源，而不是全部送到遠端的伺服器（雲端）去計算。

舉個例子，如果你在用自駕車，車子上的感測器會即時收集路況資訊。如果這些資料都要先傳到雲端再回來，可能會有延遲，影響安全。但如果車子本身就能即時處理這些資料，那麼它可以更快做出決策，避免危險。

這種技術不只適合自駕車，也廣泛應用在智慧工廠、AR/VR、智慧家庭等需要即時反應的領域，因為它可以減少延遲、降低網路負擔，並提升運算效率。

簡單來說，RAG 就是讓 AI 會「先查資料再回答」，而不是單靠自己記住的知識來作答。

一般的 AI 模型只能根據訓練時學到的內容回答問題，這可能會導致資訊過時或不夠準確。但 RAG 的特點是，它會先去找最新或相關的資料，然後再根據這些資訊來產生回應。

想像一下，你問 AI：「最近的 AI 技術發展如何？」一般的 AI 可能只會回答它訓練時學到的內容，但 RAG 會先查找最新的研究或新聞，再提供更準確的答案。這讓它特別適合問答系統、企業內部知識搜尋、技術支援等需要即時、可靠資訊的應用。

簡單來說，多模態 AI 就是讓人工智慧能夠同時理解和處理多種形式的資料，例如文字、圖片、聲音和影片等。

傳統的 AI 模型通常只專注於單一類型的資料，例如僅處理文字或圖像。但多模態 AI 能夠整合不同形式的資訊，使其對世界的理解更加全面，並能執行更複雜的任務。

所謂「原生」是指模型從一開始就是為多模態設計，並非後期再整合進去，因此能更自然、有效率地跨模態理解與生成資訊。

模型上下文協議（Model Context Protocol，MCP）由 Anthropic 提出，是一種開放標準，用來規範 AI 模型與外部工具、資料來源的互動方式。

傳統上，開發者每次整合新工具或數據源都要寫專屬程式碼，導致開發與維護成本高。MCP 則像是 AI 的「萬用轉接頭」，透過統一規範，讓 AI 無縫存取 API、資料庫與應用程式，大幅提升開發效率與靈活性。