一、Gen AI 是什麼？圖書館可以如何應用 Gen AI 在資訊組織上？需注意什麼可能的問題？請舉兩個我國圖書館的應用實例並說明之。 （25 分）

詳解 (共 3 筆)

詳解 提供者：yu
一、生成式人工智慧（Gen AI）簡介
生成式人工智慧（Generative AI） 是指一類能夠透過學習大量數據（如文字、影像、程式碼），進而產生全新內容的 AI 技術。不同於傳統 AI 僅能進行分類或分析，Gen AI（如 ChatGPT、Midjourney）具備創造力，能根據使用者的指令（Prompt）生成邏輯通順且具備一定品質的產出。
 
 
二、圖書館在資訊組織上的應用方式
在圖書館的自動化與技術服務流程中，Gen AI 可以扮演「高效助手」的角色：
  1. 自動編目與分類建議：AI 能快速閱讀書名、摘要或全文，自動擷取關鍵字，並根據分類標準（如中文圖書分類法）提供分類號與標題建議。
  2. 書目資料自動生成：協助館員從非結構化的資料（如出版物預告）中，自動轉換為標準的 MARC 21 或 RDA 格式，減少人工鍵入負擔。
  3. 摘要與視覺化呈現：為學位論文或長篇研究報告自動產出內容提要，甚至將純文字資料轉化為知識圖譜或視覺化標籤雲。
 
 
三、需注意的問題（挑戰與限制）
  • AI 幻覺（Hallucinations）：AI 可能會一本正經地虛構出不存在的作者、書名或分類號，必須由專業館員進行人機協作校對。
  • 隱私與版權：將未公開的館藏資料上傳至雲端模型可能導致資訊外洩；此外，AI 生成內容的版權歸屬目前仍存在法律爭議。
  • 偏差與歧視：若訓練數據存有偏見，AI 產出的分類標籤可能帶有刻板印象，影響資訊檢索的客觀性。
 
 
四、我國圖書館應用實例
  1. 國家圖書館：生成式 AI 輔助圖書分類標題初步作業
    國圖正研發利用 AI 技術來優化編目作業。透過 AI 讀取電子書全文或目錄，自動產出初步的分類建議與主題標籤，供館員審核修改。這大幅縮短了處理新書的時間，讓館藏能更快上架供讀者查詢。
  2. 國立臺灣師範大學圖書館：AI 賦能的參考諮詢與資訊檢索
    臺師大致力於將 AI 導入學術研究支持，例如利用 AI 輔助產出研究論文的多語系摘要，或透過 LLM（大語言模型）優化館藏系統的語意搜尋，讓讀者能用更口語化的方式（而非精準的檢索指令）找到所需的資訊組織資源。
詳解 提供者：yu
Q :MARC 以及 RDA關係 
 
 
 
 
 
A: 簡單來說，
MARC 與 RDA 的關係就像是「收納箱」與「收納規則」的關係：
  1. RDA (Resource Description and Access) 是內容標準：
    它是一套「規則」，告訴你該記錄哪些書目資訊（例如：作者是誰、書名是什麼、載體類型是什麼）。你可以把它想像成編目員的大腦或是填寫說明書。
  2. MARC (Machine-Readable Cataloging) 是編碼格式：
    它是一個「容器」，用來把 RDA 產出的資訊裝進電腦讀得懂的欄位（例如 245 欄位放書名、100 欄位放作者）。你可以把它想像成電腦的語言或是資料庫的表格架構。
兩者的互動：
  • 當你用 RDA 的邏輯決定好要寫什麼資料後，你需要透過 MARC 這個載體把資料傳送到圖書館自動化系統裡。
  • 雖然現在大家都在談論未來的新格式（如 BIBFRAME），但目前絕大多數圖書館仍是「用 MARC 的欄位來裝載符合 RDA 規則的內容」。
詳解 提供者：yu
一、 Gen AI 定義與圖書館應用
  1. Gen AI 是什麼？
    生成式人工智慧（Generative AI）是指一種能夠透過機器學習模型（如 LLMs）學習現有資料的模式與結構，進而生成全新內容（如文字、程式碼、圖像、中繼資料）的技術。與傳統 AI 僅能進行分類或預測不同，Gen AI 具備「創造性」的產出能力。
  2. 在資訊組織上的應用：
    • 自動化抄錄與編目： 自動提取書名、作者、摘要，甚至初步產出分類號（Classification）與標題（Subject Headings）。
    • 詮釋資料（Metadata）優化： 將非結構化資料轉為結構化格式（如將網頁內容轉為 BIBFRAME 或 MARC 格式）。
    • 多語系對照： 自動進行主題詞表的語言翻譯與對應。
  3. 應注意的問題：
    • 幻覺問題（Hallucination）： AI 可能編造不存在的書目資料或錯誤的分類邏輯。
    • 智慧財產權： 訓練資料的版權歸屬及生成內容的法律地位。
    • 偏見與歧視： 若訓練資料有偏差，生成的標題或分類可能帶有歧視。
 
 
二、 我國圖書館應用實例
  1. 國家圖書館：生成式 AI 輔助編目優化
    國圖嘗試利用 AI 技術輔助書目查核。透過 Gen AI 輔助提取電子書全文摘要，自動生成建議標題，再由編目館員進行最後校對。這能大幅縮短「待編書目」的處理時間。
  2. 國立臺灣大學圖書館：智慧型館藏推薦與知識網建置
    利用 Gen AI 處理異質資料來源，將圖書、論文與研究資料進行語義關聯（Semantic Linking），自動產出知識圖譜的描述短文，協助讀者在資訊組織框架下更直觀地發現相關資源。
 
 
三、 考試應對策略
 
1. 若「不知道」Gen AI 是什麼：
核心策略：回歸本質，以「資訊技術導入」的通論作答。
  • 關鍵詞替換： 將其視為「新一代人工智慧」或「自動化技術」。
  • 架構套用： 論述資訊組織的本質是「提升檢索效率」，並提到新技術（AI）能減輕館員負擔、增加元數據深度。
  • 安全牌： 強調「人機協作」的重要性。不論技術怎麼變，最後的品質控管（Quality Control）仍需由專業館員把關。
 
2. 若「知道」Gen AI 是什麼：
核心策略：展現專業深度，結合「語義網」與「連結資料」。
  • 關鍵詞展示： 提及 LLMs（大語言模型）、RAG（檢索增強生成） 或 Prompt Engineering 在編目中的應用。
  • 深度對比： 說明傳統規則編目（如 RDA）與 AI 語義理解的差異，強調 Gen AI 能處理「非結構化資料」的優勢。
  • 前瞻思考： 討論 Gen AI 如何推動圖書館從單純的「資源提供者」轉向「知識加值者」。