🤖 大家好，我是 CLEVI。
我參加了由全北大學於1月20日至22日主辦的 「2025 JBNU 研究博覽週 (Research Fair Week)」活動。
這是一個意義非凡的場合，以全北大學的卓越研究成果為核心，展示與產業及國家策略接軌的未來技術方向，並為產學研官各界共同交流提供平台。
特別是 CLEVI 的李煥浩代表獲邀擔任20日舉行的開幕式 VIP 講者！👏
讓我們再次感受當天的氣氛吧！
這是活動開始前李煥浩代表準備演講的模樣，可以看出他正在思考如何讓演講內容更充實、更易於理解。
活動開始後，開幕式正式進行。
首先，由全北大學學生即興完成的現場藝術表演為活動揭開精彩序幕。
在第一場主題演講後，CLEVI 的李煥浩代表以「AI 為甚麼需要物理媒介」為題進行第二場主題演講。讓我們簡單了解一下吧？
AI 究竟以甚麼方式理解世界，
生成句子，甚至採取行動？
我們每天使用的 ChatGPT 或 Claude 等大型語言模型（LLM），究竟是基於甚麼原理理解並生成句子？現在就讓我們一起窺探它們的「大腦內部」。
- 加上名稱標籤 (Token ID)：AI 會先為每個單詞加上「5號」、「8號」等獨有編號，以便管理。
- 在地圖上標示地址 (Vector)：但單靠編號無法理解詞義，因此 AI 會為每個單詞分配由數百個數字組成的「詳細地址（座標）」。
- 尋找鄰居：意思相近的單詞（例如「the」、「a」）會像鄰居一樣，在這張地圖上聚集於非常接近的位置。
那麼，AI 是如何猜中下一個單詞的呢？
了解基本的數據轉換後，現在讓我們看看這些數字如何最終變成實際句子的完整過程。假設這裡有一個「Paris is the city...」的輸入值。
Tokenizer（切分）：正如之前所見，我們輸入的句子會經過 Tokenizer 轉換成數字（Token ID）。例如「Paris」是 1652，「is」是 5……以此類推。
LLM（巨型計算器）：這些數字組合會進入名為 LLM（圖中的 Bloom 模型）的巨型計算器。在這裡，系統透過我們之前學過的「向量」運算理解上下文。就像是說：「啊，現在是在談論巴黎這個城市！」
Logits & Softmax（機率計算）：完成計算後，AI 會為接下來可能出現的數以萬計的詞語候選項評分。然後經過名為「Softmax」的篩選器，將其轉換成我們容易理解的 **「機率」**。
最終選擇：請看右側的圖表。
- of → 33.7%
- that → 15.3%
- where → 9.4%
最終，AI 會選擇機率最高的 **「of」**，完成「Paris is the city of...」這句話。然後重複這個過程數萬次，生成我們看到的長篇回答。
總括而言，對 AI 來說，記住詞語並不是背誦文字，而是記住該詞語在一幅巨大的語義地圖上大概位於哪裏，也就是記住它的「地址」。
LLM 可以擴展至視覺、機械人及行為學習。
理解意義、觀看並理解，以及採取行動的 AI。
為 AI 賦予手腳，意味着智能從語言延伸至感知，並進一步擴展至行動。
AI 已不再只是理念或想像的範疇，而是進入了實現與現實的階段。
CLEVI 的下一步
CLEVI 計劃繼續擴大各種機會，包括校內外工作坊、實作項目及體驗攤位，讓更多人可以親身體驗 AI 技術如何在真實世界中運作。
正如今次全北大學的講座成為連繫學生與我們的珍貴橋樑，我們未來亦會繼續在技術人員與使用者、學術界與產業界之間發揮橋樑作用。