學習目標
- 分辨人工智慧、機器學習、深度學習與生成式 AI 的關係。
- 理解分析型 AI 與生成型 AI 在任務上的差異。
- 辨識 AI 可能帶來的效率提升與風險誤判。
- 建立「人負責定義、AI 負責生成、人再負責判斷」的基本協作觀。
核心概念
生成式 AI 的真正改變，不只是讓工具更快，而是讓人開始以「對話、指定與修正」的方式與系統協作。過去的數位工具多半要求使用者熟悉按鈕、指令與固定流程；現在的 AI 介面則更像一個可以回應你任務描述的助理，但它的回應品質仍強烈依賴你的表達是否清楚、你的條件是否完整，以及你是否願意進行查核。
因此，學習 AI 的起點不應只停留在模型名稱或平台比較，而是建立一個工作判斷框架：哪些任務適合交給 AI 起草，哪些任務需要人類做最後裁定，哪些情境根本不應該交給 AI 處理。這個框架將貫穿整套教材。
圖片與案例圖
這張封面可用來說明：生成式 AI 已經從抽象概念變成具體平台與工作入口。
讓學生直接看到 AI 平台介面的樣貌，有助於把「AI 是什麼」連回真實工具情境。
教學正文
在課堂中介紹生成式 AI 時，不必一開始就用複雜技術詞彙堆疊，因為初學者最需要的不是技術完整性，而是認知定位。教師可以先問三個問題：第一，AI 現在最常被拿來做什麼？第二，它與搜尋引擎、文書軟體、資料庫有什麼不同？第三，為什麼有些人用了很有幫助，有些人卻覺得它只是在胡說八道？
從教學角度來看，這三個問題可以帶出一個非常重要的差異：傳統工具通常是在使用者已經知道自己要做什麼之後，幫忙執行；生成式 AI 則是在使用者還在釐清問題時，就開始參與任務定義與內容形成。這種特性使 AI 既能成為學習與工作加速器，也可能成為錯誤與幻覺的放大器。
因此，在本單元中，學習者要建立的不是「AI 很厲害」這種感受，而是「AI 是一種需要被管理的能力放大器」這種認識。當你把它放在摘要、發想、整理、轉寫、格式重編等工作上，它往往能快速提供第一版內容；但當你把它放在需要精確事實、價值判斷、倫理責任與正式決策的場景時，就必須用更高標準進行人工查核。
案例與對照
情境一：摘要文章
若你把一篇文章貼給 AI，要它幫你寫摘要，它確實可能在幾秒內提供一段結構完整的內容。但教師需要提醒學生，這份摘要反映的是模型對文本的重組，而不是它真的「理解」文章。因此，摘要中的重點排序、因果關係，甚至關鍵詞都有可能偏移原意。
情境二：產生教案
當教師要求 AI 生成教案時，AI 經常能快速提供完整格式，這對備課很有幫助；但若不進一步修正，內容可能會過於理想化、忽略班級現況，或缺乏真正可實施的活動細節。因此，AI 提供的是起草速度，不是教學專業本身。
情境三：生成程式或資料分析步驟
AI 能協助生成程式碼、整理函式、說明資料分析流程，但只要使用者無法讀懂它產出的內容，就很容易在錯誤基礎上持續往下做。這也是為什麼學習者不能把 AI 當成跳過理解的捷徑。
課堂活動
活動一：同題異答比較
請學習者以同一個題目分別向搜尋引擎與生成式 AI 提問，觀察兩者回應在結構、語氣、可操作性與風險上的差異。教師可引導學生記錄「哪一種工具比較像提供資料」、「哪一種工具比較像提供初稿」。
活動二：角色定位討論
請小組討論 AI 比較像助理、編輯、顧問還是共作者，並說明理由。這個活動能幫助學生建立合理期待，也能順勢討論不同情境下的責任歸屬。
活動三：能做與不能做清單
要求學生各自列出三件最想交給 AI 的任務，再請他們補上一句「我仍然需要自己負責什麼」。這會把「使用 AI」和「保留人類責任」放在同一張圖上思考。
課後任務
請撰寫一段 300 至 500 字短文，回答「AI 最可能改變我哪一種工作或學習方式？」內容至少包含三部分：你目前的工作流程、你預期 AI 能協助的環節、以及你認為最需要保留人工判斷的地方。
延伸觀看
若想搭配頻道影片延伸學習，可從施育廷 YouTube 頻道的影片總覽、直播存檔與播放清單切入，再回到本單元對照「AI 不是答案機」與「人負責判斷」這兩個核心觀念。