前言：AI 江湖的入場券

歡迎來到《AI 江湖本無路，有了 Data 便有了路》系列的第一天。在我們深入探討各種複雜的技術與架構之前，必須先回答一個根本問題：為什麼是「Data」？為什麼在這個 AI 浪潮席捲的時代，我們不先談演算法、不先談模型，而是反覆強調數據的重要性？

答案很簡單：如果 AI 是驅動未來的引擎，那數據就是讓這具引擎得以運轉的石油。

一個沒有數據的 AI 模型，就像一位學富五車卻從未見過真實世界的絕世高手，空有理論，卻無法解決任何實際問題。Netflix 的推薦系統如果沒有你的觀看紀錄（數據），它就無法猜到你下一部想看的影集；銀行的詐欺偵測 AI 如果沒有大量的交易紀錄（數據），它也無法分辨哪一筆交易是異常的。

從雜亂的礦石到智慧的黃金：DIKW 金字塔

「數據是新石油」這個比喻雖然貼切，但還不夠完整。因為原始數據 (Raw Data) 本身就像未經提煉的原油，充滿雜質，價值有限。它需要經過層層提煉，才能轉化為驅動決策的智慧。這個過程，我們可以用 DIKW 金字塔 來理解。

• 資料 (Data): 最底層的是原始、未經處理的符號和事實。
  • 例子： 2023-10-26, 商品A, 100元, 會員001, 點擊
• 資訊 (Information): 透過整理和組織，讓資料有了上下文，回答了「誰、什麼、何時、何地」的問題。
  • 例子： 會員001 在 2023-10-26 點擊了 商品A，該商品價格為 100元。
• 知識 (Knowledge): 結合多筆資訊，形成可指導行動的規則或模式，回答了「如何做」的問題。
  • 例子： 我們發現 會員001 每週都會點擊 商品A 這類的商品，代表他對此類商品有高度興趣。我們可以建立一個 AI 推薦模型，當他上線時，優先推薦這類商品。
• 智慧 (Wisdom): 融合經驗、價值觀和洞察力，做出最佳的判斷與決策，回答了「為什麼」的問題。
  • 例子： 為什麼我們要做個人化推薦？因為這不僅能提升 會員001 的購物體驗與忠誠度，更能帶動整體業績成長，這是公司的長期策略。

AI 在 DIKW 金字塔中的角色

過去，從 Data 到 Wisdom 的過程高度依賴人類專家的經驗。但在今天，AI 扮演了加速器的角色。機器學習模型擅長從海量「資訊」中自動發掘「知識」（例如使用者行為模式），並將其轉化為自動化決策（例如即時商品推薦），大大縮短了價值實現的路徑。

可以說，AI 的任務，就是將數據提煉成知識，並將知識轉化為可規模化的行動。

第一天的修煉，我們的核心心法很簡單：正視數據的價值。接下來的 29 天，我們將一步步學習如何建構穩固的基礎設施、打造高效的煉油廠（Data Pipeline），最終將這些數據提煉成驅動 AI 引擎的超高純度燃料。