| 4 上一課 | 5 本篇 | 6 下一課 |
這是 Deep Dive 1 的最後一課，也是整個技術背景單元的總結。Lesson 4 解釋了生成式 AI 是什麼、怎麼運作；這課則聚焦在實際使用層面：AI 現在真的擅長什麼、在哪些地方還有明顯侷限，以及為什麼最有效的應用往往是人類和 AI 的互補合作，而不是完全取代。這些認識是做好 Delegation 的基礎。
📋 課程基本資訊
| 項目 | 內容 |
|---|---|
| 所屬課程 | AI Fluency: Framework & Foundations |
| 課程章節 | Deep Dive 1：What is Generative AI?（第二課，最終課） |
| Lesson | Lesson 5：Capabilities & limitations |
| 課程平台 | Anthropic Academy（免費） |
| 預估學習時間 | 影片 7 分鐘 |
🎯 這課學完你會得到什麼？
- 具體說明現階段生成式 AI 的主要能力
- 識別生成式 AI 的已知限制，並理解背後原因
- 理解為什麼人類與 AI 互補合作優於單純依賴 AI
🧠 課程重點筆記
Lesson 4 快速複習
在進入能力與限制之前，先確認 Lesson 4 的重點都清楚了：
- 生成式 AI 能創造新內容，而不只是分析現有資料
- 三個使生成式 AI 成為可能的技術基礎：演算法突破（Transformer）、資料爆炸、運算力躍升
- LLM 透過 Pre-training → Fine-tuning → Deployment 三階段學習
AI 現在真正擅長什麼？
課程強調，了解 AI 能力不是要你無條件信任它，而是要讓你能做更聰明的 Delegation——把 AI 真正擅長的任務交出去，把它不擅長的留給自己或加強驗證。
AI 現在還做不好什麼？
AI 的限制不是它「笨」，而是它的設計原理決定了某些結構性的不足。了解這些限制，是你做好 Discernment 的基礎。
AI 的訓練資料有截止時間，它不知道那個日期之後發生的任何事情。詢問最新事件、最新法規、剛上市的產品，都可能得到過時甚至錯誤的資訊。
AI 有時會自信地說出聽起來合理、格式完整、但實際上不正確的內容。引用錯誤的研究文獻、虛構的法律條文、捏造的數據——這些都是常見的幻覺形式。危險的是，這些錯誤往往不明顯，需要有領域知識的人才能發現。
每次對話 AI 能處理的資訊量有上限（即 Context Window）。超過限制後，對話早期的內容可能被截斷，導致 AI 「忘記」你之前說的事。處理超長文件或長時間對話時特別要注意。
多步驟數學計算、需要嚴密邏輯推理的任務，AI 仍然容易出錯。它不是在「計算」，而是在「預測下一個合理的符號」，這個本質讓它在精確數學上先天不擅長。
人類 ＋ AI：互補才是最強組合
課程的核心結論是：最有效的應用，不是讓 AI 取代人，而是讓人類和 AI 各自發揮強項。
| AI 的強項 | 人類的強項 |
|---|---|
| 快速產出大量文字內容 | 批判性思考與判斷 |
| 跨領域整合資訊 | 創意與原創性 |
| 格式化、摘要、改寫 | 倫理判斷與價值決策 |
| 跨任務靈活切換 | 情境理解與責任承擔 |
這也是為什麼 4D 框架把 Delegation 放在第一位——你需要先想清楚人和 AI 各自負責什麼，再進到描述、辨別和謹慎的環節。
Deep Dive 1 總複習：六個關鍵要點
- 生成式 AI 創造新內容，不只是分析現有資料
- 三個技術基礎：Transformer 架構 ＋ 資料爆炸 ＋ 運算力躍升
- LLM 透過 Pre-training 和 Fine-tuning 兩個階段學習
- 主要能力：語言多樣性、對話連貫性、跨任務切換、連接外部工具
- 主要限制：知識截止日期、幻覺、上下文視窗、複雜推理挑戰
- 最有效的應用 = 人類批判思考 ＋ AI 執行效率
✏️ 課後反思
- 了解生成式 AI 的技術原理（訓練資料、Pre-training / Fine-tuning）之後，你對使用 AI 的方式有什麼新的想法？
- 知道這些能力和限制後，有哪些倫理考量浮現在你心中？
🔜 下一課預告
完成 Deep Dive 1，你現在對生成式 AI 的底層運作有了清楚的技術背景認識。
接下來進入 Delegation 單元。Lesson 6 會深入探討 4D 框架的第一個 D：如何根據你的目標和 AI 的能力，做出策略性的任務分配決策——決定何時用 AI、用哪種方式用、哪些部分自己來。
📖 延伸閱讀
- AI Fluency: Framework & Foundations 完整課程目錄
- Lesson 4：生成式 AI 是什麼？LLM、Transformer 基礎入門
- Lesson 3：4D 框架完整解析
- Lesson 1：什麼是 AI 流暢力？（含完整術語表）
❓ 常見問題 FAQ
生成式 AI 的「幻覺」（Hallucination）有辦法完全避免嗎？
目前沒有辦法完全避免，這是 LLM 設計原理上的結構性限制。LLM 的本質是「預測下一個合理的詞」，不是「查詢事實資料庫」，所以即使是最先進的模型也可能產生幻覺。最好的應對方式是：對所有具體的事實、數據和引用，都回到原始來源查證，把 AI 的輸出當作起點而非終點。
AI 的知識截止日期大概是什麼時候？
不同模型的截止日期不同，且會隨著新版本更新。以 Claude 為例，可以直接問它「你的知識截止日期是什麼時候」來確認。需要時效性資訊時，使用有網路搜尋功能的 AI 版本，或自行查核最新來源。
AI 的 Context Window 大概多大？夠用嗎？
各模型不同，且持續在擴大。現代 LLM 的 context window 已經相當大，能處理相當長的文件和對話。但超長任務仍建議分段處理，並在關鍵節點重新整理上下文，確保 AI 掌握最重要的資訊。
AI 不擅長數學，那它能幫我做財務分析嗎？
可以協助，但要謹慎。AI 在理解財務概念、解釋分析框架、撰寫分析報告上很有用；但具體的數字計算需要你自己驗證。建議用 AI 輔助思考和文字部分，數字計算用試算表或計算工具完成，再讓 AI 幫你整合和詮釋。
了解 AI 的技術原理對一般使用者有什麼實際幫助？
最直接的幫助是做更好的 Delegation 決策。當你知道 AI 是靠「預測下一個詞」運作，你就能理解為什麼它在創意寫作上很強、在精確計算上不可靠；當你知道它有知識截止日期，你就能主動確認時效性資訊；當你知道 context window 的限制，你就能設計更有效的長文件處理流程。技術背景知識，讓你從「碰運氣」的 AI 使用者變成「策略性」的 AI 協作者。
📬 喜歡這篇文章？訂閱電子報不錯過任何更新
生成式 AI 時代，最珍貴的資產不是工具本身，而是你的提問力與協作思維。
每週精選 AI 實戰技巧、官方課程更新與 AI 工作流攻略，直接寄到你的信箱！
Leave a Reply