機器學習、深度學習、生成式 AI（LLM、提示工程、RAG、Agent）到 AI 應用、算力與倫理治理
用結構化的知識地圖，建立對人工智慧的整體理解
第一次認識 AI？照這個順序讀，由淺入深建立骨架
依領域切入，逐步建立人工智慧的完整圖像
從「會思考的機器」到今天的 AI，先建立整體輪廓與關鍵詞彙。
瀏覽 →讓電腦從資料中「學規則」：監督、非監督與強化學習。
瀏覽 →神經網路、CNN、RNN 到 Transformer——當代 AI 的引擎。
瀏覽 →LLM、提示工程、RAG、Agent、擴散模型——本專區的核心。
瀏覽 →視覺、語言、語音到教育與醫療，AI 如何走進真實場景。
瀏覽 →GPU／TPU、訓練與推論成本，以及把模型變產品的 MLOps。
瀏覽 →偏誤、隱私、幻覺、對齊與各國法規——AI 的責任與邊界。
瀏覽 →查公司、比工具、追大事記，把知識連回真實世界
三合一查詢庫：AI 公司／實驗室（依環節與國家）、AI 工具／產品（依用途）、重要模型清單（依類型與開放程度）。看懂誰在做什麼。
開始查詢 →Token、Embedding、RAG、Transformer、RLHF、幻覺……術語的中英對照與白話定義，看文章或新聞卡住時先來查，再循延伸連結深入。
查術語 →從圖靈測試、Transformer 到 ChatGPT 與各國 AI 法規，以時間軸整理改變 AI 格局的關鍵事件，看懂新聞背後的脈絡。
查看時間軸 →模組的定位、知識涵蓋範圍，以及如何搭配 Uedu AI 助教（在對話中直接詢問 AI 相關問題）一起學習。
了解更多 →本專區內容為教學用途的原創整理，旨在建立人工智慧領域的基礎概念與整體視野，非投資建議、亦非最新即時資訊。AI 技術與產業情勢變動快速，模型與工具資料刻意停在「家族／機構」層級；引用前請對照官方與權威來源確認。