我在 ChatGPT 輸入了以下 Prompts ，讓它提供 Anki 閃卡的資料。 I want to set a rule of the following conversation. 1. show a example sentence with the word what I requested 2. Sentence meaning in Traditional Chinese. 3. the parts of speech for the word and itsmeanings in Traditional Chinese 然後，我遇到了。 這樣的事件讓我思考著，或許在本地運作 LLM 的一些優點，Unleash AI productivity. There are compelling reasons to run Large Language Models (LLMs) locally rather than in a data center. LLMs that are operated in data centers must often adhere to Diversity, Equity, and Inclusion (DEI) regulations, which can lead to certain words or phrases being restricted, even if they are commonly used in some contexts. These limitations may be implemented as a cost-saving measure, but they can hinder the model's ability to process and understand natural language effectively. On the other hand, running an LLM model on a local PC allows for greater flexibility and unleashes the full potential of the technology. By avoiding the constraints imposed b
以簡馭繁，達成目標不必依賴複雜的 Prompt 在與 AI 的互動過程中，複雜的對話與交流並非總是必需的。例如，當我們在網路上看到一段包含時間、名稱、製程等不同特性的文字時，只需簡單地向 AI 提出製作表格的要求，就能快速獲得清晰有序的結果。 以下是一個實用的操作案例。這樣的操作指令，不僅簡潔明了，而且能夠有效提升資訊的整理效率。透過概念、簡短的 Prompt，我們就可以讓 AI 有創意的生成比較表格，供我們選擇。 整理不同 CIS 的技術，包含時間、名稱、製程等，請依據內容適度調整表格欄位以利完整比較 --- Sony已研發完成並投入生產的堆疊式CIS，最早是在2012年推出的一款命名為Exmor RS的感測器，當時就把畫素晶片與邏輯晶片兩者分離，讓畫素部分與邏輯晶片部分，各自依照最適合的製程技術進行生產，再透過矽穿孔（Through Silicon Via；TSV）技術，在CIS中連接起來。 當時，畫素晶片是使用90奈米左右的製程技術；邏輯晶片則採用40奈米以下的製程技術。 2015年，Sony再發展出銅-銅連接（Cu-Cu Connection）的技術，連接畫素晶片與邏輯晶片。這種技術可以多點連接，提升CIS的功能與速度。 2017年，堆疊技術應用於製作DRAM堆疊式CIS，把最上面的90奈米左右的畫素晶片，加上中間的30奈米製程技術的DRAM，以及最下層的40奈米的邏輯晶片，堆疊成一個影像感測器，利用DRAM的暫時儲存功能，拍攝超慢速動作的影片。 2020年，Sony推出可用於邊緣AI運算的智慧型視覺感測器，也是畫素晶片與邏輯晶片堆疊而成，但在邏輯晶片內，除了訊號處理電路之外，還加上Sony自家技術的AI訊號處理器DSP（Digital Signal Processor），以及可編入AI模型的記憶體。 現在銅-銅連接的間距（Pitch）已從6微米發展到1微米，之後將朝向0.5微米與0.1微米邁進。 Sony正在研發中的新型CIS中有可能同時採用矽穿孔、銅-銅連接這兩種技術，把2個邏輯晶片與1個畫素晶片連接起來。 針對不同的CMOS影像感測器（CIS）技術發展，以下是整理出的時間線及技術細節的比較表格： 年 份 技術名稱 描述 畫素晶片製程 邏輯晶片製程 特殊技術 2012 Exmor RS 堆疊式CIS，使用TSV技術連接畫素與邏輯晶片 90奈米