什麼是 TensorFlow? TensorFlow是一款由Google開發的開源機器學習與深度學習框架，廣泛應用於數據科學、人工智慧和神經網絡模型的構建與訓練。它提供了靈活、高效且可擴展的工具，使開發者可以輕鬆設計、訓練和部署多種人工智慧模型，涵蓋圖像識別、語言處理、推薦系統、預測分析等多個領域。
符號人工智能（Symbolic AI） 符號人工智能，又稱為符號主義人工智能，指的是一種基於符號表示和邏輯推理的人工智慧方法。它使用人類可理解的符號（如文字、數字、邏輯表達式）來表示知識，通過明確規則和邏輯推演，模擬人類的思考和決策過程。符號AI在人工智慧歷史上是主要流派之一，尤其在1950年代至1980年代達到高峰，因此也被稱為“有效的老式人工智能”（GOFAI，Good Old-Fashioned AI）。
什麼是 科技奇點（Technology Singularity）? 科技奇點是一個理論上的未來時刻，指當人工智慧（AI）或自動化技術達到並超越人類智慧的臨界點後，科技進步將以超乎人類理解的速度迅猛發展，導致社會、經濟、甚至整個文明結構發生深刻且無法預測的變革。這個概念借鑒了物理學中奇點（Singularity）的意義，指一個系統行為無法用現有規則或模型預測的臨界點。
什麼是 提示工程（Prompt Engineering）? 提示工程是人工智慧領域，尤其是生成式人工智慧（Generative AI）和大型語言模型（Large Language Models, LLMs）中的一項關鍵技術。它指的是設計、優化和管理輸入給AI模型的「提示」（prompt），以引導模型產生符合預期、高質量輸出的過程。簡單說，提示工程是與人工智慧模型進行溝通的藝術與科學，通過精心設計的指令，讓模型能更準確理解任務並給出理想的回答或生成內容。
詞性標注（POS） 詞性標注是自然語言處理（NLP）中的一項基礎且重要的技術，指的是為文本中的每一個詞彙自動分配相應語法類別的過程。這些語法類別稱為「詞性」，例如名詞、動詞、形容詞、副詞、介詞、連詞等。詞性標注的目的是幫助計算機理解詞語在句子中的語法功能，進一步支持語句分析、語義理解和信息抽取等高級任務。
什麼是 参數（parameter）? 參數在機器學習和深度學習領域中，是指模型內部需要透過訓練數據自動學習和調整的可變數值。這些參數決定了模型如何將輸入映射到輸出，是模型預測能力的核心組成部分。在神經網絡中，常見的參數包括權重（weights）和偏置（biases），這些數值通過優化算法反覆迭代調整，使模型能更好地擬合訓練數據，最終達到較高的預測精度。
神經輻射場（NeRF） 神經輻射場（NeRF）是一種先進的計算機視覺技術，旨在從多個不同視角的二維圖像中，通過深度學習建模生成高品質的三維重建場景。它不僅能還原物體的幾何形狀，還能模擬物體表面的顏色和光照效果，實現從任意角度和距離觀察時的逼真呈現。NeRF技術在虛擬現實、增強現實、電影特效、遊戲開發以及自動駕駛等領域均展現出極大應用潛力。
命名實體識別（NER） 命名實體識別（Named Entity Recognition，简称NER）是自然語言處理（NLP）中的一項重要技術，旨在從文本中自動識別出具有特定意義的實體，並將它們分類到事先定義好的類別中。這些實體通常包括人名、地名、組織名、日期、時間、貨幣、數量等。NER是信息提取和文本理解的基礎工具，廣泛應用於搜索引擎、智能問答、文本分析和知識圖譜構建等領域。
什麼是 模型訓練 (Model Training)? 模型訓練是機器學習和人工智慧過程中的核心環節，指的是利用大量數據和算法，自動調整模型內部參數，以找到輸入與輸出之間最優映射關係的過程。通過訓練，模型不斷學習數據特徵，提升在特定任務上的預測和判斷能力，為後續實際應用打下基礎。
