一、案例定位

理解 2000 年代之後，數位資料、基準資料集與向量表示如何共同推動深度學習與大型語言模型發展。

二、學習目標

• 認識 ImageNet 與 Word2Vec 在原書中的作用。
• 理解資料、運算能力與模型架構必須共同成熟。

三、案例情境

原書指出，網際網路讓 AI 程式可接觸數十億個文字與影像頁面。Fei-Fei Li 於 2009 年建立 ImageNet，包含數百萬張已標記影像，可同時作為模型訓練資料與影像處理基準。Google 於 2013 年推出 Word2Vec，用大量網路文字建立詞向量，以數值向量表達詞義與詞彙間關係；原書把它視為後續大型語言模型發展的基礎之一。

四、開始資料

五、Excel／AI 分析方法

建立資料集清單：資料集｜年份｜資料型態｜是否有標記｜訓練用途／基準用途。

六、計算結果

Word2Vec 於 2013 年推出，比 2009 年的 ImageNet 晚 4 年。

七、結果分析與管理解讀

現代 AI 的進步不是由單一模型造成，而是資料規模、基準資料集、運算能力與表示學習等條件同時成熟。

八、AI 提問詞

將以下 AI 里程碑依「資料、運算、表示方法、模型架構」分類；只能使用來源已提供的資訊。

九、思考／情境變動

**題目：**ImageNet 只是一個模型訓練資料集嗎？

**參考解答：**不是。原書同時把它描述為影像處理的測試／評估基準。