生成式人工智慧的演進：從規則到推理

人工智慧的歷史標誌著一場根本性的轉變：從明確的人工程式設計，轉向基於模式的統計預測。這種演進使現代人工智慧能夠執行複雜的 推理 任務。

1. 什麼：規則為本時代

早期的人工智慧依賴於 專家系統。在這些系統中，每一個可能的回應或動作都是由人類以嚴格的 如果-那麼邏輯。

• 限制： 這些系統極其脆弱。它們無法處理細微差異、俚語、拼字錯誤，或任何超出其特定硬編碼程式的場景。

2. 為何：統計學突破

突破來自於處理大量未標記資料的能力。與手動規則不同， 大型語言模型（LLMs） 學習詞彙之間的統計關係。

• 變換器（Transformer）： 2017年推出的革命性模型架構。
• 注意力機制： 變換器的核心組件，讓模型能權衡序列中不同詞語的重要性，以理解深層語境（例如，知道長段落中的「它」指代的是什麼）。

3. 如何：從預測到推理

現代生成式人工智慧根本上是 非決定性的。它計算「下一個詞元」的概率分佈，而非遵循固定的決策樹。

透過反覆根據整個前序內容預測最有可能的下一個單詞，模型產生創意內容，並看似能「推理」自然語言中提供的複雜指令。