深度學習 (Deep Learning) 深度學習（Deep Learning）是人工智慧（AI）和機器學習（Machine Learning）中一種先進且重要的技術分支。它透過多層的人工神經網路結構，模擬人腦神經元傳遞信息的方式，自動從大量資料中抽取並學習特徵，進而完成分類、預測、生成等複雜任務。與傳統機器學習依賴人工設計特徵不同，深度學習能夠以「端對端」的方式，自動捕捉資料的多層次抽象，因而在語音識別、影像處理、自然語言理解等領域取得突破性進展。
模型上下文協議（MCP） 模型上下文協議（Model Context Protocol，簡稱MCP）是一種由Anthropic公司於2024年推出的開放標準協議，它旨在為大型語言模型（LLM）與外部資料源、工具及系統之間建立一個統一、安全、標準化的通信接口。通俗地說，MCP就像是AI應用的「萬能插頭」，讓不同的AI模型能夠即時、安全地連接各種外部資源，不再局限於訓練時期所學的靜態知識，而是能夠動態獲取最新資訊和執行各種操作，提高回答的相關性和準確度。
機器學習 (Machine Learning) 機器學習（Machine Learning，簡稱ML）是人工智慧（AI）領域中一個關鍵分支，指的是通過設計和使用特定的演算法，讓電腦系統能夠從大量數據中自動尋找規律、提取模式，並且在沒有明確程式指令的情況下，不斷改進自身的預測和決策能力。簡單來說，機器學習使電腦具備「學習」能力，能自主分析和處理問題，隨著數據和經驗的增加，變得越來越聰明。
電腦視覺 (Computer Vision) 電腦視覺（Computer Vision）是一門結合人工智慧、計算機科學與數學的跨學科技術，旨在使電腦和機器具備類似人類視覺感知的能力，能夠自動識別、分析並理解影像和影片中的物體、場景以及動態變化。簡單來說，電腦視覺讓機器「看見」並「理解」世界，從數字影像中提取有用資訊並進行智能判斷，已成為人工智慧中發展最快且應用最廣泛的領域之一。
計算資源 (Compute) 計算資源指的是執行計算任務時所需的各種硬體和軟體資源，是現代計算機系統和數據處理過程中不可或缺的基礎組成部分。計算資源的範圍涵蓋中央處理器（CPU）、記憶體（RAM）、硬碟存儲空間、網路頻寬，以及相關軟體與虛擬化資源等。它決定了計算任務的運算能力、速度和效率，對於人工智能、大數據分析、雲計算等科技應用至關重要。
通用人工智能 通用人工智能（Artificial General Intelligence，簡稱AGI）是人工智能領域的一個理想目標，指的是具備類似甚至超越人類整體智能水平的機器智能系統。與現有的專用人工智能（Narrow AI）相比，AGI能夠在各種複雜、多變的環境中自主學習、理解和推理，靈活應對多種不同類型的任務，就像一個通才而非只能針對特定任務的專家系統。
什麼是 人工智能AI? 人工智能（Artificial Intelligence，簡稱AI）是一門跨領域的科學技術，旨在使機器具備像人類一樣的智能行為。它涵蓋了如何讓電腦理解、學習、推理和解決問題，使它們能夠自主完成過去只能由人類才能完成的任務。隨著計算能力的飛速提升和大數據的廣泛應用，人工智能在過去幾十年間迅速發展，成為當代科技領域最具革命性和影響力的技術之一。
