內容領域 2： GenAI 的基礎知識
領域 2 涵蓋 GenAI 的基礎知識，佔考試計分內容的 24%。
任務
任務説明 2.1： 說明生成人工智能（GenAI）的基本概念。
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。
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。
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)。
