Author name: 楊慶忠

2-7.IBM之崛起 IBM的老闆老華生(Thomas Watson Sr.)，年輕時曾駕駛載貨馬車，四處兜售鋼琴和風琴，很早就開始了推銷員職涯，但直到1895年他進入NCR收銀機公司之後，學習了完整的銷售課程，從此才真正嶄露頭角。 他一路晉升至總經理，雖和企業主Patterson因理念摩擦而去職，但他在業界已小有名氣，很快又接任了CTR列表機器總經理。他使用創新的銷售技巧，加強研發能量，讓CTR營業額翻了好幾倍，最終將公司改名為IBM(International Business Machine, 國際商務機器)。 https://mobile-learning-testing.com/wp-content/uploads/2026/04/ComtoAmeri07.mp4 在大型電腦時代，IBM幾乎就等同於電腦的代名詞，他們在1964年開發的360系統產品，一網打盡了所有類型的電腦，讓公司的技術優勢，持續到1980年代，一直到迷你電腦和個人電腦出現為止。 圖2-7-1. IBM公司360電腦系列及周邊設備，強調可依企業需要，選擇彼此相容的大小機型。

2-9：使用Gemini 3練習英語交談 我們從國小到國中，不時聽人家講什麼”仄仄平平仄平仄”，這些在課堂上，老師常常解釋得不清不楚的內容，學生當然是聽得一頭霧水。其實簡單的講，就是使用抑揚頓挫的語氣，來精準詮釋字裡行間要表達的意思。 所以我們學習文字，不論中文或英文，都是同時在練習書寫和發音的。但在AI裡面，語音辨識的神經網路，並沒有和自然語言處理放在一起訓練，所以在創作詩詞的時候，它只會押韻、不懂平仄。 可喜的是，這個情況已經在改善了，我們用一個英語笑話來說明，因為各地腔調不同，而導致話中原意被曲解的情況，AI已經有能力判斷出來了。 https://mobile-learning-testing.com/wp-content/uploads/2026/01/Joke1.mp4 上面的笑話表示，即使是南腔北調，文字和語音之間的無縫轉換，讓AI不僅只停留在字面理解的階段，它似乎也瞭解，說話語氣同樣是溝通表達重要的一部份。 和Grok比較起來，Gemini的回答速度稍慢，但也有可能是它重視上下文的理解，所以會多花一點時間來做推論。 理解上下文再做推論，讓AI提供的資訊符合提問者的需要，而一段精簡的文字，更方便我們評比此模型的邏輯能力。下面用第二個英語笑話，來看看AI能否聽得懂雙關語。 https://mobile-learning-testing.com/wp-content/uploads/2026/01/Joke2.mp4 看起來，AI真的是一個語文資優生，難怪它的名字就叫做「大型語言模型」。 我們用AI來學英文，Gemini是不錯的選擇，它不大會搶話，所以不用擔心它會搶你的拍子、中斷你學習的節奏。 但建議使用AI來學習會話的學員，不要天馬行空、毫不講究單字文法，就一個勁兒和AI東拉西扯，而應該把已經熟悉內文的讀本，拿來和AI討論內容。人工智慧果真是上知天文下知地理，它所理解的東西，甚至會比讀本還深入，有目的、有規劃的互動學習，總是會比較有效率的。

1-8.哈姆雷特在谷歌(Hamlet in Google) GPT的T是Transformer的意思，這是在2017年，由Google Brain開發出來的大型語言模型架構。但在2022年底，OpenAI利用這項技術，搶先商業化ChatGPT-3.5，讓谷歌公司吃了一記悶棍。 谷歌痛定思痛後，接下來第一步，它先整合旗下兩大研發部門。位在美國加州的Google Brain，也是開發出TPU的單位，必須和位於英國倫敦，專精於通用人工智慧的DeepMind合併，新的單位名稱叫「Google DeepMind」，開發出來的產品，就給予Gemini(雙子星)的名稱。 圖1-8-1.Jeff Dean(左)和Demis Hassabis(右)，都是AI領域響叮噹的人物。 這兩大研發部門的負責人都大有來頭，但DeepMind的哈薩比斯更為人所熟知。除了打敗世界圍棋冠軍李世乭的AlphaGo之外，他的團隊還開發出AlphaFold軟體，使用深度學習技術，高精度預測出多種蛋白質的折疊結構，也讓他獲得2024諾貝爾化學獎。 Google執行長皮查伊，面對極大壓力仍能沉得住氣，不盲動也不取巧，他將AI開發的行政決策權，交到哈薩比斯手上，自己則在背後運籌帷幄，隨後1000多個日子，在身心極度緊繃之下，一步步堅實又高速地往前急奔。 Google終於以Gemini 3成功扳回一城，其過程宛如現代版”哈姆雷特”，只不過劇情精采之處，甚至猶有過之。 位於倫敦的DeepMind，是在2010年創建的，令不少人感到好奇的是，這個後來隸屬於Google的研究單位，一開始花了很多時間在「玩遊戲」。但這並不表示他們在不務正業，相反地，他們是用遊戲來深化其核心技術 —「深度強化學習」。 這一招，也被2015年創建的OpenAI學會了，而且還取材自Atari的經典遊戲，開發出一套”Gym”系統來自行練功，待水到渠成，就開始對Transformer畫龍點睛，這群天才工程師如此這般，硬是後來居上拔得頭籌。 圖1-8-2. 雅達利的經典遊戲之”打磚塊”，在AI發展過程中有它的功用。 谷歌以其深厚研究底蘊，重新拿回AI話語權，其實並不讓人特別驚訝。但在這危機處理中，其所展現出來的公司文化，有頗多值得學習的地方。 在2022年底，Google兩位創辦人Larry Page和Sergey Brin，自退休後再度回到公司工作，有時自己寫程式，有時參與研究人員的討論會議，讓整個組織活力再次重現，大大凝聚了團隊的向心力。 甚至Google還提供優厚離職津貼，鼓勵「不完全認同公司AI新方向」的員工離開。 圖1-8-3. 佩吉(左)和布林(右)這兩位Google創辦人，為了AI重現江湖。 這不禁讓我聯想到我的老東家，在國內教育環境快速丕變之際，同條船上的人都已經風雨飄搖了，還是照常內鬥內行、外鬥外行；任何重要的議案，永遠都是那幾個人，關起門來說了就算，連最起碼的SOP都沒有。學校最終不得不停招退場，對旁觀者而言，其實早就在意料當中了。

1-7.GPU與TPU 這次Gemini 3發表會的亮點，「推理能力」和「多模態」，都已經強勢登場了，而另一個在會中被拋出的重磅話題，令各界議論紛紛，至今仍餘波盪漾。 「黃仁勳的GPU帝國霸業，會不會被Google的TPU取而代之？」 GPU晶片原本只用來加速電腦遊戲的畫面切換，但在2000年初，其強大的平行運算功能，也被應用在科學研究上，於是NVIDIA在2006年推出了CUDA，使用C/C++的擴充語法，來程式化GPU的運算。 2012年，AlexNet使用GPU訓練CNN模型，以極大的差距贏得ImageNet競賽，黃仁勳此時嗅到了AI領域的蓬勃商機，遂挾其技術上壓倒性的優勢，一步步建立起龐大的GPU帝國。 圖1-7-1.ImageNet影像辨識競賽是由李飛飛教授創辦。 這些年來，各科技巨頭大手筆採購GPU之餘，也不忘開發自家晶片，GPU耗電、散熱的問題，當然是專打的痛點。十年定能磨一劍，Google卓然有成的TPU，早在2016年就被放進自己的AlphaGo當中了。 在傳統的 CPU 或 GPU 中，每次運算都需要從記憶體讀取資料、進行計算，再把結果寫回記憶體。但TPU 採用了一種稱為「脈動陣列」(Systolic Array)的架構，資料在運算單元之間直接傳遞，不需要頻繁存取記憶體，大大提升了工作效能。 脈動陣列，是台灣中研院院士孔祥重，和他的研究生 Charles Leiserson 所提出的。孔院士和資訊所陳昇瑋研究員(已故)，於 2017 年創立了「臺灣人工智慧學校」，現已有上萬的學員參與，結業生遍佈台灣各階層。

2-15：Gemini做程式設計 大型語言模型，像Claude或ChatGPT等，本身就是極其複雜的程式碼，由它們來寫普通編程，真是牛刀小試、小菜一碟，A piece of cake。 我們讓Gemini設計一個”打磚塊”網頁遊戲，使用的是HTML5語法，這對AI來講輕而易舉。只不過，設計出來的網頁內容，究竟要放到哪個網站平台，如何讓介面看起來簡潔友善，這些反而比較要花時間。 打磚塊遊戲 (Breakout) – 手機觸控版 點擊螢幕玩遊戲 使用 **手指拖曳** 或 **← → 鍵** 移動擋板。 點擊、觸控或按下 **空格鍵** 開始遊戲！ 上圖的遊戲，重新整理之後，可觸控拖曳球拍來回擊圓球。在此要注意的是，這類遊戲是直接建立在網頁中，並不是可獨立下載啟動的App。 大約20年前，網頁上的遊戲動畫，幾乎清一色都由Flash包辦了，很多從業人員靠它風生水起。直到蘋果賈伯斯質疑，網頁內嵌這種檔案會產生明顯資安問題，自此，這一群人紛紛從雲端跌落谷底。 圖2-15-1. 早期Flash動畫遊戲也曾做得細緻生動。  這種小遊戲、小軟體，原本是初階程式人員可以著墨的地方，但不知不覺中，AI已經正在取代這類人力了。 中階人員倒還有一定的生存空間。如下圖中，我們要求AI設計強化學習的遊戲，結果它學習到43000回合了，仍舊欲振乏力。像這種整合遊戲模組、數學計算的進階程式設計，目前還是需要資深工程師的協助。 https://mobile-learning-testing.com/wp-content/uploads/2025/12/brick.mp4

2-14：AI生成之人物一致性 新發表的Gemini 3當中，多模態(MultiModal)是被特別強調的重點，它能有效理解文字、圖像、語音和視訊的內容，並做適當的推理和處理。 ChatGPT文字功能很強，在一來一回多次問答中，仍能掌握住提問者的原始想法。但圖片生成卻差強人意，同一個人的相貌外型，經常在幾輪作畫之後，就開始走樣了。 我們比較兩種軟體在不同場景及服裝下，各自兩兩生成同一位女性的差異，下面後兩張圖片相比於前兩張，可看得出來，在多媒體人物一致性上面，Google確實更勝一籌。 這是令人振奮的好消息，它表示，困擾我們很久的Characters Consistency問題，已經改善了不少，AI至少有能力協助繪本作者，畫出書中前後連貫的主配角圖像。 於是我們引用古龍小說”多情劍客無情劍”，請Gemini 3畫出人物造型一致的各場景，它的表現，也確實讓人刮目相看。 這些場景是：1. 李尋歡近像。2. 李尋歡相遇阿飛 。3. 李尋歡決戰龍鳳環上官金虹。4. 阿飛勇鬥荊無命。 我們也找來電影劇照相比對，發現AI插畫雖不完全盡如人意，但也並未離題。 古龍的武俠小說，對書中人物個性、外型的描寫相當深刻，AI繪圖很容易掌握其特色。 金庸小說，則因為人物眾多、場面浩大，提示詞的使用，實在很難精準到位。 下圖中，郭芙斬斷楊過右臂這一段，Gemini的表現還算稱職，但楊過在襄陽城丟擲飛石擊殺蒙哥大汗，這橋段始終差之毫釐。

2-13：三探AI推理能力 Gemini 3發表之後，獲得各方一致好評。它在程式開發、自動化網站與產品設計方面，都有長足進步，而我們一直關心的「推理能力」，更是這次發表會的重頭戲。 它在GPQA Diamond測試中取得了91.9%頂尖成績，展現了博士級別的推理能力；在MathArena Apex測試中取得了23.4%的全新最高分，為數學領域的前沿模型樹立了新的標竿。 但是，「登高必自卑，行遠必自邇」，大型語言模型(LLM，Large Language Model)，究竟是如何一步步進化至具備推理能力的呢？ 圖2-13-1. LLM的三個訓練模型階段。  上圖是LLM的三個訓練模型階段。在主結構的Transformer建立好之後，必須開始餵養資料來訓練它。第一階段Pretraining預訓練，要使用取得的海量資料，訓練它學習文字接龍的方式，將一句話或一段話講得通順。 第二階段Finetuning微調，則在既有基礎之上，訓練它就某個課題一來一回做問答。這時候，是採用監督式學習，每個問題都會附帶標準答案，這個步驟很耗費人力成本，也無法窮舉所有可能的題目。 第三階段，應該是和推理能力最相關的部份了。我們會把模型進一步優化，先替輸出的文字打分數，再回饋給模型修正參數，讓它學會比較精準且符合人類習慣的語法。這裡使用的技術，叫做RLHF，”人為回饋強化式學習”。 圖2-13-2. RLHF用人為的方式幫模型輸出文字打分數。  RLHF，是在原有模型之外，再建立一個Reward Model做為裁判評分之用。建構好這個Model之後，用它計算原有模型輸出的損失函數，再次反向傳播修正權重值，讓輸出的答案更合理。 這個Reward Model，除了採用到人為回饋的部份，還加上先前提過的策略梯度，最常見的方法像PPO(Proximal Policy Optimization)，是將文字序列視為時間序列來做運算。 圖2-13-3. PPO可協助決定較佳的文字序列輸出。  將文字序列視為時間序列，早在RNN時代就是這麼處理的，但在這裡，PPO是把每個尚待完成中的文字(context)當作狀態(state)，對下一個接龍字詞(token)的選擇視為動作(action)，藉此決定每個狀態的獎勵(reward)，以形成最適的動作機率分佈。 這個PPO強化式學習機制，讓原本只懂做檢索的Transformer，好像具備了判斷高低優劣的”品味”，開始學會思考推理。 PPO結合學術研究，開發出了新的技術，比如像Soft Actor-Critic (SAC)等，它被應用在AI機器人的訓練上面，取得相當出色的成果。

3-14：很重要又難理解的Policy Gradient 使用神經網路在做分類訓練時，輸出層的節點值，必須先轉換成機率分佈，再和標記值(標準答案)相比對，以計算彼時參數應該被修正的程度。 一旦模型訓練完成，進入到推論(inference)階段，就不會再有標準答案了，這時候，要直接從機率分佈選取一個最大的，做為判斷的種類。如下圖中的x3節點將會被選取，因為它的機率值是0.4，大於其他的節點值。 圖3-14-1. 神經網路輸出層的預測值是機率分佈。  在強化學習當中，從某個狀態來選擇某種動作，早期的做法相類似，也是去選取動作值(action value)最大的那一個，但這樣的處理，衍生出了一些問題。 它會讓決策僵化，只想遷就眼前最大的獎勵，而不願去多方嘗試最佳路徑。為改善此缺失，實作上通常還會再引入隨機變量epsilon，來增加探索性，這就是為什麼我們問ChatGPT同一個問題，它常常會給出不同答案的原因。 強化式學習發展至今日，結合了神經網路之後，最新的做法，也是在輸出層節點形成機率分佈，但動作的選取，不再獨厚機率值最高的那一個了。 圖3-14-2. 強化式學習神經網路。  上圖左邊是輸入神經網路的狀態(state)，右邊是經過神經網路計算後，得到的動作機率分佈。在選擇動作時，是採用隨機(stochastic)的方式，機率大的當然被選取的機會就高，但機率小的，仍然有較低的機會被選取到。 看得出來，這種選取方式，就是將隨機變量epsilon，直接放進決策過程中了。它不但讓程式語法變得更簡潔，背後的數學思考也更加深邃。 我們將這種學理應用在迷宮遊戲中，和DQN(Deep Q-Network)相比較，發現它學習的進步幅度非常明顯，因為它一邊學一邊修正，十分有效率。 圖3-14-3. 策略梯度的演算法，讓AI學習更加有效率。  Policy Gradient，策略梯度，是要逐步修正神經網路裡面的參數值，讓輸出的動作機率分佈，有助於提升每回合時間序列的報酬值(return)。 這是相當不好理解的關鍵，它不像監督式訓練，每次都附帶有標準答案來比對修正。事實上，它每次的「標準答案」，都是來自神經網路中途參數的預測，換句話說，它自己提供數據來訓練自己，這是強化式學習很特殊的地方。

2-9：Line Bot與Python Line這個即時通訊軟體，在台灣有超高的使用率，幾乎接近百分之百。除了圖文影音的通訊功能外，它還是個越來越受重視的行銷利器。 Google和Facebook的廣告對象比較聚焦，可以針對目標小眾進行精準投放。Line在這方面的功能不遑多讓，甚至還猶有過之。 例如，Line Bot已經整合AI到群組裡面去了，讓它開拓市場的方式更加多元。Bot是Robot(機器人)的意思，在此尤指聊天機器人，我們可以訓練它來做簡單的客服工作。 下圖可以看得出來，經過少許訓練之後，即使問的方式有些差異，LineBot還是能揣摩出問話者的意圖，因為它在預訓練階段，語言模型的結構已相當完整了。 圖2-9-1. 載入含有問題和答案的CSV檔案來訓練後，LineBot在測試階段的表現中規中矩。  我們知道，語言模型的數字能力，向來略有不足。但如果結合Python的幾個網路模組，LineBot的客服效能，還可以更上層樓。 下圖是閱讀Line的對話內容，從客戶端取得採購訊息後，再即時報價的一個系統。客戶可以先點選圖文選單，顯示出各項產品單價，再輸入所需數量，馬上可以取得商家的報價。 圖2-9-2. LineBot客戶採買報價系統，客戶輸入各項產品數量後，立即可顯示其報價。  上面的報價計算過程，LineBot並無法獨力完成，必須搭配Python程式加上linebot模組，以及flask伺服器模組，才能在聊天室閱讀、回覆數據。 在個人電腦上運行的Python，是沒有辦法直接驅動LineBot的介面，中間有透過ngrok的代理網站，串接其Webhook，再使用http的post方法，向伺服器傳遞或接收資料。 圖2-9-3. Python利用flask伺服器，透過ngrok的代理網站，連接LineBot的Webhook。 

2-8：網頁爬蟲與Python 網頁爬蟲，Web Crawler，是依據目標網頁的URL，來搜尋所需要的資料，並把所得內容存檔，或者繪製成圖表。 URL，Uniform Resource Locator，直接翻譯起來有點彆扭，如果把Uniform改成Universal就好多了，就叫做”全球資源定位器”。其實一開始http創建者Berners-Lee，就是使用Universal這個名稱來送審IETF的。 網際網路上的每個網站，都各有網域名稱連結其IP位址，而每個網站的內頁，如「關於我們」、「最新消息」、「產品介紹」等，它們的URL都略有不同，其網域名稱是共通的，但抵達個別網頁的路徑卻有所差異。 我們在目標網頁上按下電腦鍵盤F12鍵，可以看到該網頁背後的語法，是以HTML、CSS、Javascript為主，我們就是從這些語法來做網頁爬蟲。 圖2-8-1. 網頁瀏覽器所看到的內容(圖左)，其背後都是一些語法(圖右)。  在Python裡面，有一個BeautifulSoup的模組，可以將網頁上取得的資料，從原有的字串型態，剖析(parse)成有階層關係的樹狀結構，讓爬蟲者可依據標籤或樣式，順著節點來抓取資料。 下圖是聯電、台積電、聯發科三家公司股價，從台灣證券交易所網站，爬取出來的近10年資料分析圖。聯發科這家公司，雖然是從聯電spin off出來的，但青出於藍。它擺脫了一代拳王、一曲歌后的IC設計公司宿命，宛如九命怪貓一般，一次又一次從下滑的危機中再創高峰。 但股價一直屈居下風的台積電，最近一、兩個月來，已開始出現黃金交叉的現象了，這並非是聯發科成長不如預期，而是台積電發展趨勢更被看好。所以討論「AI是否泡沫化」，在這個時間點是沒有必要的，因為這波熱潮，還會再持續好幾年。 圖2-8-2. 2016年~2025年股價走勢圖，橘色的台積電最近已超越綠色的聯發科。  我們還記得，Python裡面有一個輕薄短小，功能又不錯的flask網頁伺服器模組，可以協助將網頁爬蟲的資料公佈在網頁上，讓他人也可下載存成CSV檔案。甚至未來還可再修改介面，分享所開發的網頁爬蟲程式，讓連線者自行設定參數來搜尋資料。 圖2-8-3. 利用flask模組，將爬蟲所得資料公佈在網頁上，供人下載存成CSV檔案。