🤖 您好，我是 CLEVI。
1 月 20 日至 22 日，我們參加了由全北大學主辦的「2025 JBNU 研究博覽會週（Research Fair Week）」活動。
這是一場以全北大學的優秀研究成果為核心，展示與產業及國家戰略相連結的未來技術方向，並為產學研官各界共同交流提供平台的意義非凡的活動。
特別是 CLEVI 的代表理事李桓浩於 20 日舉行的開幕式中受邀擔任 VIP 講師！👏
讓我們再次感受當天的氛圍吧！
這是活動開始前李桓浩代表理事準備演講的模樣，可以看出他正在思考如何讓演講內容更加充實且易於理解。
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了精彩序幕。
在第一場主題演講之後，我們 CLEVI 的李桓浩代表理事以「AI 為什麼需要物理媒介」為主題進行了第二場主題演講。讓我們簡單了解一下吧？
AI 究竟是如何理解世界，
生成句子，甚至採取行動的？
我們每天使用的 ChatGPT 或 Claude 等大型語言模型（LLM），究竟是依據什麼原理理解並生成句子？讓我們一起窺探它們的「大腦內部」。
- 標記名稱（Token ID）：AI 會先為所有單字附上「5 號」、「8 號」等獨有編號，以便管理。
- 在地圖上標示地址（Vector）：但光靠單純的編號無法了解含義，因此會為每個單字賦予由數百個數字組成的「詳細地址（座標）」。
- 尋找鄰居：意思相近的單字（例如「the」、「a」）會像鄰居一樣聚集在這張地圖上相當接近的位置。
那麼，AI 是如何猜中下一個單字的呢？
了解基本的資料轉換後，現在讓我們看看這些數字如何在完整過程中實際生成句子。假設這裡有一個「Paris is the city...」的輸入值。
Tokenizer（切分）：正如前面所見，我們輸入的句子會透過 Tokenizer 轉換成數字（Token ID）。例如「Paris」是 1652，「is」是 5……以此類推。
LLM（巨大的計算器）：這些數字串會輸入名為 LLM（圖中的 Bloom 模型）的巨大計算器中。在這裡，透過先前學到的「向量」運算來理解上下文。也就是說：「啊，現在是在談論名為巴黎的城市！」
Logits 與 Softmax（機率計算）：完成計算後，AI 會為接下來可能出現的數萬個單字候選項目評分。接著透過名為「Softmax」的篩選器，將分數轉換成便於我們理解的 **「機率」**。
最終選擇：請看右側的圖表。
- of → 33.7%
- that → 15.3%
- where → 9.4%
最後，AI 會選擇機率最高的 **「of」**，逐步完成「Paris is the city of...」這個句子。並且重複這個過程數萬次，生成我們所看到的長篇回答。
總而言之，對 AI 來說，記住單字並不是背下文字，而是記住那個單字在巨大的意義地圖上位於何處，也就是記住它的「地址」。
LLM 可以延伸至視覺、機器人與行為學習。
理解意義、看見並理解，以及採取行動的 AI。
賦予 AI 手臂與雙腿，意味著智能將從語言延伸至感知，進一步延伸至行動。
AI 已不再只是想法或想像的領域，而是進入了實現與現實的階段。
CLEVI 的下一步
CLEVI 未來也將持續擴大校內外工作坊、實作專案、體驗攤位等多元機會，讓更多人能親自體驗 AI 技術如何在真實世界中運作。
正如本次全北大學演講成為連結學生與我們之間的珍貴橋樑，未來我們也將持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。