生成式AI已成為當今科技領域中最熱門的話題之一！無論是想增強職場競爭力，還是純粹出於興趣，一個非相關科系的初學者，要如何透過系統化學習路徑，來掌握生成式AI相關知識？
《數位時代》以下逐一整理各方學習資源：
先從Gen AI談起
生成式人工智慧（Generative AI，簡稱Gen AI）是一種可以製作全新內容和想法的人工智慧技術。它能夠生成對話、故事、影像、影片和音樂等多種形式的內容。不同於傳統的機器學習模型僅專注於對資料進行分類或預測，生成式AI能夠創造出全新且原創的內容。
生成式AI的運作方式是透過學習大量的數據，從中識別出模式和關係，然後基於這些學習結果生成新的內容。它主要依賴於深度學習技術，例如生成對抗網路（Generative Adversarial Network，GAN）和Transformer模型等。
簡單來說，相比傳統的分辨式AI（Discriminative AI），生成式AI不僅能夠識別和分類，還能創造出全新的內容，它具有更強的創造力，能夠根據學習到的模式生成類似但獨特的內容。
設定學習目標
在開始學習生成式AI之前，要先明確定義學習目標，可幫助您聚焦要獲取的學習資源。
舉例而言，「技術深度」會決定是否需要理解背後的技術原理，還是僅關注應用層面；而「領域」會影響您要確定是要專注於文本生成、圖像生成還是其他應用領域；最後，依照「可投入的時間」設定合理的學習時間表，從小目標開始逐步提升。
以「應用導向學習者」來說，不需要程式設計經驗的Vibe Coding工具推薦優先學習；而若是「技術導向學習者」，就有必要學習程式語言（例如Python），甚至是基礎數學知識（線性代數、概率論），以及機器學習基礎概念。
學習路徑：從零到入門
階段一：了解AI基礎概念
若是完全沒有基礎的學習者，建議可以從了解大型語言模型（LLM）的基本原理開始，並進一步熟悉不同類型的生成式AI模型及其應用。
針對初學者，Google或微軟都有提供「Introduction to Generative AI 」免費課程，包括 AI 與傳統機器學習方法的差異，課程也會介紹各項 Google 工具，協助您開發自己的生成式 AI 應用程式。
課程連結1：Introduction to Generative AI
課程連結2：AI Skills Fest
階段二：動手實踐與體驗
要學習使用生成式AI，最有效的方式之一就是直接實作，可以從使用現有工具開始：
步驟1：利用綜合型生成式AI
嘗試使用ChatGPT、Claude、Gemini、DeepSeek、Perplexity等AI工具，它們主要以文本生成為主，但通常具備其他複合能力。例如，ChatGPT旗下的4o模型，近日整合了圖片生成功能，使用者現在可以直接下指令生成圖片；Perplexity則特別擅長搜尋，具備良好的資料整合能力。
此外，Google旗下的Gemini近期也免費開放了2.5 Pro模型供大眾使用，可順利完成大部分文書類型的生產力工作，也可以直接編寫程式碼。
步驟2：利用特定功能AI
除了綜合型AI可以完成大部分任務之外，也有不少AI針對特定功能而開發。舉例來說，Midjourney專精於圖像生成、Replit、Cursor則專精於生成程式碼，協助使用者可以透過提示詞開發網頁或App。
而若為學生，Google旗下的NotebookLM特別擅長將資料摘要並輸出成筆記，無論資料是來自Youtube影片、PDF檔案，都可以進一步整理成學習資源。
若時常需要生產簡報的用戶，則可以嘗試gamma，就可以利用提示詞生產簡報。
矽谷知名創投a16z近日發布第四期「100大AI應用程式」，其中包括網頁產品及手機App產品各50大AI產品，其種類包括音樂製作、語音合成、圖像去背，甚至是AI情感聊天應用。
步驟3：學習提示詞工程 （Prompt Engineering）
雖然生成式AI允許用戶可以不寫程式碼就能開發網頁或App，但仍需利用提示詞（Prompt）打造產品。因此，如何產出有效的Prompt，就是初學者的一大課題。
例如，微軟就有針對初學者的提示工程教學，Google也有專文教學提出寫Prompt的眉角，包括以下3大策略：
1. 使用動詞指定想執行的動作
例如：
「編列項目符號清單，總結附件研究論文的重點發現。」
2. 指明所需的輸出內容長度和格式
例如：
「撰寫一篇 500 字的短文，討論氣候變遷對海岸社區的影響。」
3. 指定目標對象
例如：
「為關注永續發展的青少年，撰寫全新有機護膚系列產品的說明。」
總而言之，撰寫有效的提示詞，才得以獲得理想的生成結果。
步驟4：開始小型項目
經過上述三種步驟後，建議初學者開始設定簡單的生成任務，如創建AI生成的圖像或文字，逐步挑戰更複雜的專案，如創建一個完整的AI生成故事等。
若有寫作需求，ChatGPT以及Gemini都有Canvas功能，幫助使用者在寫作的同時與AI互動，讓生產力大爆發。
階段三：系統化學習與深化
若您的學習歷程不想限於應用，期望自己可以進展至更深入的程式碼或機器學習領域，可以透過以下線上課程和學習資源學習：
- Introduction to Generative AI
- Introduction to Large Language Models
- IBM的人工智慧免費學習和資源
- 微軟18堂適用於初學者的AI免費課程
- 台大生成式AI導論（李宏毅教授）
- 吳恩達教授的「Generative AI for Everyone」
- STEAM教育學習網的生成式AI教學
- AWS、Microsoft等官方教學文件
- Google機器學習基礎課程、進階課程
資料來源：台灣網路資訊中心、Google、AWS、微軟
責任編輯：李先泰
