影片狀態：已查核：官方公開頁未列對應錄影。 影片來源與說明
這是 Stanford CS124 導讀的第 1 週。這一週沒有演算法，做兩件事：Dan Jurafsky 的現場導論課說明這門課教什麼，PA0 把環境裝好。
導論課沒有錄影，投影片公開。課程的先修、評分、材料取得方式已經寫在課程總覽，這篇只講導論課本身的內容。
這門課教什麼
投影片用一句話定位：LLM 的興起徹底改變了自然語言處理、資訊檢索、推薦系統和語音辨識；這門課從頭開始，一步步建立 LLM 是怎麼運作的、怎麼被應用的。
內容分成三塊。
LLM 的演算法元件。 投影片把每個元件對到一份作業：
| 元件 | 作業 |
|---|---|
| BPE 斷詞 | PA1 |
| 邏輯迴歸 | PA2 |
| 詞嵌入 | PA4 |
| 神經網路、梯度下降與反向傳播 | PA5 |
| Transformer、語言模型的 loss | PA6 |
| 卷積網路 | 第 8 週的語音 |
其他重要的語言演算法。 不屬於 LLM 內部、但處理語言資料一定會用到的：正規表達式、最小編輯距離、資訊檢索與網頁搜尋、PageRank 與網路分析、協同過濾。
LLM 和社會的關係。 分兩個方向。一是 LLM 自己的問題，投影片列了四個：會編造、過度自信、會迎合使用者、對各種群體帶有刻板印象。二是反過來，把這些工具拿來研究社會，也就是計算社會科學。
幾個預告
投影片接著從各週各挑一個例子。這些例子說明每個主題要解決的是什麼問題。
資訊檢索。 投影片稱網頁搜尋可能是地球史上最常被使用的演算法，每天有超過 65 億次搜尋。這門課會教傳統的 tf-idf、現在的 dense retrieval，以及接上 LLM 的 RAG。
編輯距離。 比較兩條 DNA 序列哪裡相同、哪裡不同，是找基因和研究演化的基本工具。同一個演算法也用來評估語音辨識的結果。
文本分類。 2010 年海地地震後，救援單位收到大量簡訊，很多是海地克里奧爾語。投影片的例子是一則簡訊：「我在 Thomassin 32 號，Pyron 這一區。我想要一些水。感謝上帝我們都平安，但我們急需水。」要從成千上萬則訊息裡分出哪些需要立刻處理，這是分類問題，也是 PA2 的題目。
推薦系統。 好的一面是「買了這個的人也買了……」；不好的一面是推薦機制把人一步步帶向極端內容。
計算社會科學。 Jurafsky 自己的研究：分析 90 萬則 Yelp 餐廳評論。一星負評的語言特徵是過去式、大量的「我們」、敘述的是人（服務生、經理）而不是食物。這和心理學家研究的創傷敘事有同樣的語言特徵：用過去式拉開距離，用「我們」尋求群體的支持。結論是負評幾乎都和人的互動有關。另一個例子是分析警察隨身攝影機的錄音，量化警察和民眾互動的方式。
語言為什麼難：歧義
投影片用一個句子說明語言處理的核心困難：
The chef made her duck.
這句話至少有六種意思。課堂上請學生投票寫出自己想到的，投影片列出的包括：
- 廚師為另一位女性煮了鴨肉。
- 廚師煮了那位女性養的鴨。
- 廚師煮了廚師自己的鴨。
- 廚師做了一隻（石膏的？）鴨子，是那位女性的。
- 廚師讓那位女性迅速低頭閃躲。
歧義來自好幾個地方：duck 可以是名詞（鴨）或動詞（低頭閃開），her 可以是「她的」或「她」，made 可以是烹調、製作或迫使。
人讀這句話通常只會想到一種意思，根本沒注意到其他的。投影片說，語言到處都是歧義，使用者通常察覺不到，而語言模型必須有效率地處理它。
接下來的問題是模型怎麼表示這些差別。投影片預告了第 5 週的答案：把詞的意思表示成高維空間裡的位置。同一個詞在不同句子裡落在不同的位置，而且不是只有兩三個分明的意思，是連續的。
為什麼用翻轉教室
投影片花了幾頁說明上課形式背後的理由，引用的是 Benjamin Bloom 在 1968 年提出的精熟學習（mastery learning）：學到會為止，而不是在固定時間內學多少算多少。
這解釋了課程的幾個設計：
- 講課內容預錄，學生可以照自己的速度看、重看。
- 每週的複習測驗可以翻書、可以重複作答，目的是確認學會了，不是排名。
- 教室的時間拿來做實作課。
CS124 還是 CS224N
投影片有一頁專門回答這個問題。
CS124 是為大二、大三設計的：
- 步調溫和，什麼都會解釋；範圍廣，除了 NLP 和 LLM，還有推薦、檢索、社群網路。
- 走精熟學習，有測驗和附了起始碼與鷹架的程式作業。
- 沒有研究專題。
CS224N 是更深、更聚焦的研究所課：
- 假設你已經很熟機器學習，第一份作業就直接進最佳化。
- 更重系統、實作和規模。
- 研究專題佔很大一部分。
投影片把 CS124 稱為「至少十二門研究所課」的大學部入門，列出的包括 CS224N（深度學習做 NLP）、CS224U（自然語言理解）、CS224V（對話助理）、CS224S（語音）、CS224W（圖神經網路）、CS246（大規模資料探勘）、CS276（資訊檢索）、CS336（從零訓練語言模型）等。站內有導讀的幾門列在課程總覽。
PA0：把環境裝好
PA0 沒有 NLP 的內容，有四個部分：
- 環境設定。 照自己的作業系統（macOS、Linux、Windows）讀
platform目錄下對應的說明。 - Jupyter 教學。 做完
jupyter_tutorial.ipynb。 - Python 教學。
python_tutorial.ipynb。README 建議即使很熟 Python 也瀏覽一遍，因為之後的作業假設你會裡面的每一項。 - 繳交。 選課學生上傳到 Gradescope；自學者跳過。
PA1 到 PA5 都沿用這裡建立的 cs124 conda 環境，流程也一樣：clone repo、啟動環境、開 notebook。PA4 之後會再加裝套件，PA6a 起改成在編輯器裡寫 .py 檔。
做完之後建議確認一件事：把 notebook 的 kernel 重新啟動，從頭到尾執行一次，全部通過才算裝好。Jupyter 允許不照順序執行，畫面上看起來對的結果，可能依賴一個你已經刪掉的 cell。
自我檢查
- 不看上面的表，說出 LLM 的三個元件，以及各在哪一份作業實作。參考答案：BPE 斷詞（PA1）、詞嵌入（PA4）、Transformer（PA6）。
- 「我看到她拿著望遠鏡」有幾種讀法？答案：至少兩種。拿著望遠鏡的可以是「我」（我用望遠鏡看到她），也可以是「她」（她手上拿著望遠鏡）。這和 The chef made her duck 是同一類問題：同一串字對應到不同的結構。
- 你的 PA0 環境算不算裝好？判準：開新的終端機，啟動
cs124環境，開jupyter_tutorial.ipynb，重新啟動 kernel 後全部執行，沒有錯誤。
系列導覽：上一篇 課程總覽｜下一篇 第 2 週：Words, Tokens, Edit Distance, and N-grams
課程影片來源
官方 Winter 2026 課程頁（2026-10-10 即時讀取）寫明：1 月 6 日的 Introduction 是 Dan 的現場講課，標示 “required not recorded”；1 月 8 日是現場 tutorial。本週唯一列出的影片是 PA0 的 Windows／Mac 安裝示範，放在 Canvas（需登入），不是本週講課錄影。YouTube 頻道的 “CS124 - Full Course” 週次標題與 Winter 2026 課綱不同，不當作當期錄影。
課程與錄影入口：
查核日期：2026-10-10。
更新紀錄
- 2026-10-13：依公開投影片重寫。改以導論課的實際內容為主：課程範圍、各週預告的例子、歧義的例子、翻轉教室的理由、CS124 與 CS224N 的比較；移除與課程內容無關的自學紀錄建議。
- 2026-10-10：重查影片狀態。官方頁寫明 1 月 6 日 Introduction 現場講課不錄影；本週只列 PA0 安裝影片（Canvas，需登入）；狀態改為已查核未列錄影。
- 2026-10-10：標註影片狀態，核對錄影來源與取得方式。
參考資料
- CS124 Winter 2026 課程網站與課表
- CS124 第 1 週導論投影片 — 課程範圍、元件與作業的對應、各主題的例子、歧義、翻轉教室、CS124 與 CS224N 的比較
- CS124 PA0 — 四個部分的內容
- Stanford CS124 課程總覽
Loading...