01_人工智慧導論

核心表格

核心主題	主要觀點／方法	實務用途	重要條件／限制
人工智慧（Artificial Intelligence, AI）	以電腦展現可支援判斷、預測、生成與自動化的能力	理解 Copilot 所屬的更大技術脈絡	人工智慧不是單一技術，能力與風險依模型及資料而異
機器學習（Machine Learning, ML）	從資料學習模式並進行預測或分類	推薦、風險分析、產業決策	資料品質與偏誤會直接影響結果
產業應用	醫療、製造、金融等產業使用人工智慧改善效率與決策	辨識高價值使用案例	效益與負面影響需要同時評估
倫理與負責任使用	關注公平、隱私、透明、工作影響與安全	建立使用原則與治理	技術可行不代表倫理上應直接使用
未來準備	教育、技能、監管與批判思考需同步演進	規劃具人工智慧準備度的工作人力	原書未把未來預測寫成必然結果

第 1 章先建立人工智慧的基本語彙，再從醫療、製造與金融討論實際影響。原書沒有把人工智慧描述成單向利多：它可能降低成本、提升競爭力與創造新角色，也可能造成職務轉變、能源需求與治理風險。

三個正式案例把不同價值路徑放在一起：Netflix 是大規模個人化與留存；AlphaFold 是科學研究突破；John Deere 則是人工智慧、機器學習與物聯網（Internet of Things, IoT）的營運整合。共同點是人工智慧必須嵌入資料、流程與真實決策才形成價值。

本章也提醒，未來能力提升必須和倫理、監管、教育與人類判斷一起發展。人工智慧可以增強工作，但不能自動替代責任歸屬。