上一篇用找路與照片辨識，介紹人工智慧 (Artificial Intelligence, AI) 的範圍。接著很容易想問：這些能力是怎麼做出來的？做好之後，我又是怎麼用到它的？

先把整套流程看清楚，再深入各個零件。這章沿用「辨認照片裡有沒有貓」，接著把同樣的分工帶到聊天服務。你暫時不需要懂公式或程式。

先分開：建立能力，和使用能力

前一章的找路例子，由人寫好探索路線的規則。照片辨識則示範另一條路：讓資料參與形成判斷方式，這叫機器學習 (Machine Learning)。它是許多現代 AI 的基礎，但不是全部 AI 的通用做法。

這條路有兩個階段：

模型 (Model) 是負責接收資料、計算結果的部分。例如收到一張照片，算出「有貓」或「沒有貓」的判斷。訓練 (Training) 是建立或調整這個計算能力的過程；推論 (Inference) 則是使用已有模型處理這次輸入。

不是每辨認一張照片，就重新建立一個模型。 同一個模型可以接著處理另一張照片；換輸入和重新訓練，是兩件不同的事。

如果想做出辨認貓的 AI，大致要做什麼？

先決定要檢查「有沒有貓」，再準備照片，標明哪些有貓、哪些沒有貓。人還要選定模型的計算結構，寫好訓練程式，指定如何比較判斷和標記的差距。

訓練程式讓模型反覆做判斷、比較標記，再調整模型內部的數值。完成後，把模型保存起來，使用時再載入。

這裡的「學會」有具體意思：模型的計算方式經資料調整，能不能處理新例子，還要用結果檢查。 完成訓練，不等於什麼照片都能答對。

做應用的人也可以直接使用別人已訓練的模型，接上自己的程式。建立模型和使用現成模型，所需的工作不同。

聊天的 AI，也有這兩個階段嗎？

有。ChatGPT、Gemini、Claude 這類聊天服務，背後使用以語言為核心的模型。大型語言模型 (Large Language Model, LLM) 是其中一類；「大」涉及模型內部可調數值、訓練資料與計算的規模，沒有一個適用所有情況的單一門檻。

先看常見生成式 LLM 的概況：

文字本身就可以提供練習材料：把前面的內容交給模型，用原文後面實際出現的內容檢查預測。不需要人為每一句原文另外編一份答案。後續也可以用示範回答或偏好回饋，調整模型回應指令的方式。

使用時，常見生成式語言模型會依據目前提供的內容，產生下一小段文字，再接著產生，直到停止。這個模型負責生成回答，並不是每次都從訓練資料中查出一段原封不動的答案。

先知道這些步驟在做什麼即可。文字怎麼變成數字、下一段怎麼選、訓練究竟改了什麼，後面的章節再分別拆開。

那我使用的服務，就只是一個模型嗎？

你看到的聊天介面，是完整產品的一部分。服務程式還會收集問題、整理對話、呼叫模型，再把結果顯示給你。依產品的設計，它也可以查找文件或執行工具。

例如，你問一個公司內部助理：「公司明天幾點上班？」這是該公司的具體規定，不能只因模型很會寫文字，就假定它知道。

系統可以先找公司文件，再把相關段落和問題一起交給模型：

這種把查到的資料交給模型協助回答的做法，叫檢索增強生成 (Retrieval-Augmented Generation, RAG)。查文件、整理輸入和顯示來源，是系統中的工作；模型負責根據收到的內容產生回答。 加入這次的文件，不等於重新訓練模型。

工具也有類似分工。例如需要算一筆總額時，服務可以讓程式執行計算，再把結果交回模型說明。實際執行計算的是工具程式。

文件有沒有找對、模型有沒有正確使用它、工具有沒有成功執行，都會影響最後結果。有文件或工具，也不保證回答一定正確。

把剛才的零件放回整張圖

所以，接下來看到某個細節時，可以先問：它是在建立模型、使用模型，還是在把模型組成服務？ 知道它在整張圖中的位置，再追裡面的計算會比較有方向。

• 想知道從資料學習究竟改了什麼：讀〈模型到底是什麼？從資料學習，究竟改了什麼？〉。
• 想先追一次聊天的完整生成過程：讀〈我傳一句話給 AI，到底發生了什麼？〉。
• 想看模型裡的計算怎麼串起來：讀〈神經網路到底在算什麼？〉。

檢索、工具與應用的做法，後續會在應用路線展開。這章先建立分工地圖。

參考：Google 機器學習概覽、Google 訓練與測試資料的分工、Hugging Face 語言模型的訓練與使用、Hugging Face RAG 文件（2026-10-04 查核）。照片辨識與公司上班時間案例為教學設計，活動顯示固定案例的資料流，不執行真實模型。