# 內容領域 2： GenAI 的基礎知識
<a name="ai-practitioner-01-domain2"></a>

領域 2 涵蓋 GenAI 的基礎知識，佔考試計分內容的 24%。

**Topics**
+ [任務説明 2.1： 說明生成人工智能（GenAI）的基本概念。](#ai-practitioner-01-task2.1)
+ [任務説明 2.2： 了解 GenAI 解決商業問題的能力和限制。](#ai-practitioner-01-task2.2)
+ [任務説明 2.3： 描述用於建置 GenAI 應用程式的 AWS 基礎設施和技術。](#ai-practitioner-01-task2.3)

## 任務説明 2.1： 說明生成人工智能（GenAI）的基本概念。
<a name="ai-practitioner-01-task2.1"></a>

目標：
+ 定義生成式 AI (GenAI) 的基礎概念（例如：字符、分塊 、嵌入、向量、提示工程、基於 Transformer 的大型語言模型 [LLMs]、基礎模型 [FMs]、多模態模型、擴散模型）。
+ 識別 GenAI 模型的潛在使用案例 (例如：影像、影片和音訊產生；摘要；AI 助理；翻譯；程式碼生成；客戶服務代理程式；搜尋；推薦引擎)。
+ 描述 FM 生命週期（例如：數據選擇、模型選擇、預訓練、微調、評估、部署、回饋）。
+ 描述基於令牌的定價模型以及其對成本和效能的影響以進行推論。
+ 描述上下文工程（Context Engineering）在 FM 應用程式中的角色。
+ 定義基礎代理 AI 概念（例如：用於複雜 AI 應用程式的多代理程式系統模式、模型前後關聯通訊協定 [MCP] 及其在連接代理程式與外部系統中的角色、多代理程式通訊模式、記憶體管理、工具使用以及工作流編排）。

## 任務説明 2.2： 了解 GenAI 解決商業問題的能力和限制。
<a name="ai-practitioner-01-task2.2"></a>

目標：
+ 描述 GenAI 的優勢 (例如：適應性、回應能力、對話能力、內容生成能力）。
+ 識別 GenAI 解決方案的缺點 (例如：幻覺、可解釋性、不準確性、非確定性)。
+ 識別選擇 GenAI 模型時需考量的因素（例如：模型類型、效能要求、能力、限制、合規性、成本、延遲、模型複雜度）。
+ 判定 GenAI 應用程式的業務價值與指標（例如：跨領域表現、ROI、效率、轉換率、每位使用者平均收入、準確性、客戶終身價值）。

## 任務説明 2.3： 描述用於建置 GenAI 應用程式的 AWS 基礎設施和技術。
<a name="ai-practitioner-01-task2.3"></a>

目標：
+ 識別開發 GenAI 應用程式的 AWS 服務與功能（例如：Amazon Bedrock、Amazon SageMaker AI、SageMaker JumpStart、Amazon Quick、 Kiro、Strands Agents, Amazon Bedrock AgentCore).
+ 描述使用 AWS GenAI 服務建置應用程式的優勢 (例如：協助工具、降低門檻、效率、成本效益、上市速度、達成業務目標的能力)。
+ 描述 AWS 基礎設施對 GenAI 應用程式的好處 (例如：安全性、合規、責任、安全)。
+ 描述 AWS GenAI 服務的成本抵換 (例如：回應速度、可用性、備援、效能、區域涵蓋範圍、基於字符定價、佈建輸送量、自訂模型)。