AI · AI 基礎
AI 名詞對照：生成式 AI 術語白話解釋
簡答
這份名詞表整理了使用生成式 AI 時會遇到的約 60 個術語，依主題分為：模型與訓練、文字與 LLM、圖片與影片生成、聲音與語音，以及安全與法規。每個詞條都有白話解釋和簡短範例，沒有技術背景也能看懂模型卡、設定面板或新聞報導。
模型與訓練
這些術語說明模型是什麼、如何建立，適用於文字、圖片、影片和聲音模型。
| 術語 | 意思 | 範例 |
|---|---|---|
| 人工智慧（AI） | 能執行通常需要人類智慧的任務的軟體 | 翻譯、臉部解鎖、聊天助理 |
| 機器學習（machine learning） | 從範例中學習規律，而不是照著人工撰寫規則運作的 AI | 用標記過的郵件訓練的垃圾郵件過濾器 |
| 神經網路（neural network） | 由多層簡單的連接單元組成、連接強度經由學習得來的模型 | 所有現代圖像或語言模型的核心 |
| 模型（model） | 訓練完成的網路本身，也就是一個學習得來的數值檔案，加上執行它的程式碼 | 聊天機器人這類應用程式會執行一個或多個模型 |
| 參數（權重） | 模型內部由訓練來調整的數值 | 7B 模型約有 70 億個參數 |
| 訓練資料 | 模型從中學習的範例 | 網頁文字、已授權的書籍、圖片與說明文字配對 |
| 預訓練（pretraining） | 在廣泛資料上進行的第一個、也是最大的訓練階段 | 在網路規模的文字上學習預測下一個 token |
| 微調（fine-tuning） | 用較小、較專門的資料集繼續訓練既有模型 | 用客服回答來訓練基礎模型 |
| LoRA | 低秩適應（low-rank adaptation）：一個小型的外掛檔案，可以低成本微調模型，且不改動原本的權重 | 圖像模型的風格或角色 LoRA |
| 基礎模型（foundation model） | 許多產品與微調版本所依據的大型通用模型 | 同一個 LLM 驅動聊天、搜尋與程式碼工具 |
| 開放權重模型（open-weight model） | 權重可以下載並自行執行的模型，但授權條款仍可能限制使用 | 在自己的電腦上執行開放模型 |
| 推論（inference） | 執行訓練好的模型以取得輸出 | 每次按下「生成」的時候 |
| 量化（quantization） | 用較少的位元儲存權重，讓模型更小更快，品質略有損失 | 筆電也跑得動的 4 位元版本模型 |
| 多模態模型（multimodal model） | 能處理多種資料類型的模型，例如文字與圖片 | 針對一張照片提問 |
文字與大型語言模型
你會在聊天應用程式、API 設定和 LLM 相關文章中看到的術語。
| 術語 | 意思 | 範例 |
|---|---|---|
| 大型語言模型（LLM） | 訓練來預測下一個文字 token 的大型神經網路 | ChatGPT、Claude、Gemini、DeepSeek、Qwen 背後的模型 |
| token | 模型讀取與輸出文字的單位：一個字、字的一部分，或一個符號 | unbelievable 可能是 3 個 token：un、bel、ievable |
| 上下文視窗（context window） | 模型一次能處理的 token 上限，輸入與輸出合計 | 很長的對話開始忘記開頭的內容 |
| Transformer | 以注意力為基礎的神經網路設計，幾乎所有 LLM 都使用 | GPT 的意思是 Generative Pre-trained Transformer |
| 注意力（attention） | 讓每個 token 衡量前面哪些 token 與自己相關的步驟 | 在談行李箱的句子裡，把 it 連到 trophy |
| 嵌入（embedding） | 代表語意的一串數字，讓相似的文字得到相近的數字 | 找出與某個問題相似的文件 |
| 提示詞（prompt） | 你輸入給模型的內容 | 用兩句話摘要這封電子郵件 |
| 系統提示詞（system prompt） | 由應用程式或開發者在對話前設定的隱藏指令 | 你是一家腳踏車行有禮貌的客服人員 |
| temperature | 控制輸出隨機程度的設定 | 擷取資料時調低，腦力激盪時調高 |
| 幻覺（hallucination） | 模型信心十足地說出錯誤或捏造的內容 | 引用一篇不存在的論文 |
| RAG（檢索增強生成） | 先搜尋文件，再把最相關的段落放進提示詞 | 根據你的說明手冊回答問題的客服機器人 |
| 知識截止日期（knowledge cutoff） | 模型沒有訓練資料的起始日期 | 它不知道上個月發生的事 |
| 推理模式（reasoning mode） | 模型在最終答案之前先寫出中間步驟的模式 | 在部分聊天應用程式裡顯示為「思考中」 |
| 工具使用（函式呼叫） | 模型請應用程式執行某個工具，並讀取結果 | 呼叫計算機或網路搜尋 |
| AI Agent（AI 代理） | 模型為達成目標而規劃，並採取多個工具動作的系統 | 跨多個網站研究並預訂各種選項 |
圖片與影片生成
出現在 Midjourney、Stable Diffusion、FLUX、Veo、Kling、Runway、Seedance 等圖片與影片工具中的設定與技術。各工具的名稱略有不同。
| 術語 | 意思 | 範例 |
|---|---|---|
| 擴散模型（diffusion model） | 從隨機雜訊中逐步去除雜訊來產生圖片的模型 | 大多數文字生成圖片的工具 |
| 潛在空間（latent space） | 模型在其中運作的壓縮內部表示，而不是直接處理原始像素 | 潛在擴散先生成一個小的潛在表示，再解碼成圖片 |
| 文字生成圖片（text-to-image） | 根據文字提示詞生成圖片 | 夕陽下，藍色牆壁前的一輛紅色腳踏車 |
| 圖生圖（image-to-image） | 以輸入圖片為引導，生成新的圖片 | 把草圖變成完成的插畫 |
| 局部重繪（inpainting） | 只重新生成圖片中被遮罩的區域 | 把桌上的咖啡杯換成一盆植物 |
| 負面提示詞（negative prompt） | 描述要避免出現什麼的文字 | blurry, extra fingers, watermark |
| 種子（seed） | 起始的隨機數字；相同種子與設定會得到相近的結果 | 重複使用種子，只對提示詞做小幅修改 |
| 引導強度（CFG） | 輸出有多貼近提示詞，相對於看起來自然的程度 | 太高會出現生硬的色彩和瑕疵 |
| ControlNet | 用姿勢、邊緣或深度圖引導擴散模型的外掛 | 固定角色確切的姿勢 |
| 深度圖（depth map） | 用亮度表示與鏡頭距離的灰階圖片 | 用於視差影片和 ControlNet |
| 超解析度放大（upscaling） | 用模型放大圖片，並補上合理的細節 | 把 512 像素的圖片放大 4 倍 |
| 文字生成影片（text-to-video） | 根據文字提示詞生成影片片段 | 一艘紙船漂過下雨的街道 |
| 圖生影片（image-to-video） | 把靜態圖片做成動態片段 | 讓產品照片緩緩旋轉 |
| 首尾影格（first and last frame） | 提供起始圖和結束圖，讓模型補上之間的動作 | 第一格是關著的門，最後一格是開著的門 |
聲音與語音
| 術語 | 意思 | 範例 |
|---|---|---|
| 語音轉文字（ASR） | 自動語音辨識：把口說的音訊轉成文字 | 為會議或影片產生逐字稿 |
| Whisper | OpenAI 推出、廣泛使用的開放語音辨識模型系列 | 製作多種語言的字幕 |
| 文字轉語音（TTS） | 把文字轉成口說的音訊 | 把一篇文章唸出來 |
| 聲音複製（voice cloning） | 能依樣本模仿特定人物聲音的 TTS 模型 | 取得同意後，以創作者本人的聲音配音 |
| 說話者分離（speaker diarization） | 標示錄音中誰在何時說話 | 訪談逐字稿中的說話者 1 與說話者 2 |
| 詞錯誤率（WER） | 逐字稿中錯誤字詞所占的比例，用來衡量 ASR 品質 | 5% 的 WER 代表大約每 20 個字錯 1 個 |
| SRT 與 VTT | 為每一行附上時間碼的純文字字幕格式 | 把字幕上傳到影片平台 |
安全、標示與法規
各國規定不同，且經常變動。本節為一般性資訊，不構成法律意見。
| 術語 | 意思 | 範例 |
|---|---|---|
| 深偽（deepfake） | 逼真的 AI 生成或 AI 竄改媒體，呈現不存在的人物或事件 | 一段政治人物說出他從沒說過的話的影片 |
| 內容憑證（C2PA） | 附上檔案製作與編輯過程簽章資訊的開放標準 | 一張標示曾用 AI 工具編輯過的照片 |
| 隱形浮水印（invisible watermark） | 嵌入像素或音訊中的隱藏訊號，軟體日後能偵測到 | 生成器在它產生的每張圖片上做記號 |
| 顯式與隱式標識 | 中國標識規定中：人們看得見的明顯標識，以及放在中繼資料或浮水印裡的隱藏標識 | 影片上的 AI 生成標籤，加上中繼資料欄位 |
| 歐盟《人工智慧法》透明度義務 | 歐盟規定，人們與 AI 互動時必須被告知，AI 內容和深偽也必須可辨識 | 聊天機器人表明自己是機器人 |
| 訓練資料著作權 | 以受著作權保護的作品訓練是否合法的法律問題，各國不同 | 數個國家的訴訟與政策報告 |
| 防護機制（guardrails） | 封鎖有害請求或輸出的規則與過濾器 | 拒絕提供製造武器的方法 |
| 越獄（jailbreak） | 設計來讓模型無視安全規則的提示詞 | 用角色扮演的技巧繞過拒絕 |
| 提示詞注入（prompt injection） | 藏在網頁或檔案中的指令，會劫持讀取它的 AI | 一個網頁要求 AI Agent 把你的資料寄到別處 |
| 偏見（bias） | 輸出中系統性的不公平，常常來自帶有偏差的訓練資料 | 某個職業的圖片全都只呈現同一種性別 |
常被搞混的術語
新聞報導和產品頁面裡，有幾組術語常被混為一談。差別通常會影響你該怎麼做。
| 組合 | 差別 | 為什麼重要 |
|---|---|---|
| 模型與應用程式 | 模型負責生成；應用程式則加上介面、系統提示詞、工具和儲存功能 | 使用同一個模型的兩個應用程式，行為可能不同 |
| token 與字數 | 一個字可能是一個或多個 token；各語言的數量不同 | 價格和上限都以 token 計算 |
| 參數與上下文視窗 | 參數是模型學到的東西；上下文視窗是它此刻能看到的內容 | 龐大的模型也可能忘記長對話的開頭 |
| 微調與 RAG | 微調會改變模型；RAG 在提問時把文件交給模型 | 對經常變動的事實，RAG 通常更容易 |
| 開放權重與開源 | 開放權重可以下載；開源則還包括訓練程式碼和資料也依開放授權公開 | 商業使用前請先閱讀授權條款 |
| 浮水印與標示 | 浮水印是技術訊號；標示則是人們能讀懂的揭露 | 有些法律兩者都要求 |
若想更深入了解任何一個術語，可以參考本專欄的相關文章，例如 LLM 如何運作、token 與上下文視窗，以及擴散模型如何運作。
常見問題
AI、機器學習和深度學習有什麼差別？
AI 是整個領域。機器學習是 AI 中從範例學習的那一部分。深度學習則是機器學習中使用多層神經網路的那一部分，現代的生成式模型就是深度學習。
LLM 和聊天機器人有什麼差別？
LLM 是生成文字的模型。聊天機器人是圍繞一個或多個模型打造的應用程式，加上了聊天介面、指令、記憶功能，以及網路搜尋之類的工具。
AI 模型的「開源」是什麼意思？
這個詞的用法很寬鬆，通常只是指權重可以下載。完全開放的模型還會依開放授權，一併公開訓練程式碼與資料細節。商業使用和署名規定，請查看授權條款。
模型名稱裡的 7B、70B 是什麼意思？
那是參數的大約數量，單位是十億（billion）。數字越大，通常能力越強，但執行所需的記憶體與運算資源也越多。
提示詞工程是真正的技能嗎？
是的，指的是實際上寫出清楚、具體的指令，提供範例，並給予合適的上下文。模型理解白話請求的能力不斷進步，但清楚的輸入仍然能帶來更穩定的輸出。