身為一位從事軟體開發，主要專注於建構網路產品的人，我一直對新興科技感到好奇。在 ChatGPT 發布後，人們對人工智慧的興趣爆發，激發了我深入研究這個迷人領域的渴望。以下是我的旅程如何展開。
我從一段 YouTube 影片（Wolfram 的解釋）開始，該影片分析了 ChatGPT 如何預測句子中的下一個詞（如果您不想觀看影片，可以閱讀文章中的文字稿）。這個介紹讓我大開眼界，它揭示了人工智慧，特別是大型語言模型（LLM）的發展有多麼先進。它也向我介紹了 LLM 領域的基礎概念，為我更深入的探索奠定了基礎。
從那裡，我開始學習不同的 LLM，例如 Llama、GPT、Claude 和其他模型。這個階段的重點是理解技術層面，例如上下文長度、tokens（輸入和輸出）、參數、embeddings、FLOPS（每秒浮點運算次數）、RAG（檢索增強生成）。為了讓事情更實際，我嘗試使用 Ollama 等工具在本地執行 LLM。這是我第一次親身體驗本地模型，它們的潛力讓我感到驚訝。
這個階段的一些資源：
接下來，僅僅理解這些技術術語是不夠的，我們必須探索並親自動手實踐，才能真正理解這些術語如何相互關聯，以及它們在何處發揮作用以及為什麼需要它們。我使用 Jupyter Notebook 探索了它們，這是一個允許我執行各種任務的 Python 指令的工具。這引導我進入了 LangChain 和 Kaggle 等平台，我在這些平台上嘗試了基本的 LLM 訓練和模型微調。這些經驗幫助我理解了人工智慧模型是如何訓練和微調的，讓我對它們的功能有了更全面的了解。
這個階段的一些資源：
有了這些不斷增長的知識，我開始使用 Cursor 和 Windsurf 等工具建構人工智慧驅動的應用程式（數獨、Page Saver），這些工具都由人工智慧驅動的編輯器增強。我很快意識到人工智慧對開發人員來說有多大的轉變。我在軟體開發中面臨的許多挑戰都可以透過人工智慧簡化甚至完全解決。這是一個關鍵時刻，突顯了人工智慧在重塑我們工作方式方面的巨大潛力。
雖然我的旅程仍在進行中，但有一件事是明確的，人工智慧不僅僅是一種趨勢：它是未來。我採取的每一步都加深了我對這個領域及其可能性的理解。我很高興看到這趟旅程接下來會帶我到哪裡，以及人工智慧將如何繼續徹底改變我們作為開發人員和個人的生活。
