AITerms 登入
機器學習模型部署AI應用

推論(Inference)是什麼?

推論是指利用已訓練好的機器學習模型,對新的、未曾見過的資料進行預測或判斷的過程。是模型部署後的核心環節。

完整定義

在機器學習中,推論是指使用已訓練好的模型,基於輸入資料產生預測結果的過程。它代表了模型在訓練階段學習到的知識和模式的應用,將模型部署到實際應用中,對新數據進行分析和預測,以解決實際問題。

白話說明

你把模型訓練好之後,真正讓它替你判斷新資料的那一刻,為什麼大家會特別叫它推論?

你可以把它想成學生考試,把讀過的內容拿來回答新題目,重點是應用,不是再學一次。

推論是指利用已訓練好的機器學習模型,對新的、未曾見過的資料進行預測或判斷的過程。是模型部署後的核心環節。

記住這句

模型學完以後拿來算答案,這一步就是推論。

比喻:推論就像醫生看診 -- 醫生(模型)已經學會了診斷的知識(訓練),現在病人(新資料)來了,醫生根據所學判斷出病情(預測或判斷)。

容易混淆

訓練

訓練是在調整參數,推論是在固定參數下做預測,兩個階段的目標完全不同。

推理

推理偏向思考和論證,推論在機器學習裡是模型對新資料做輸出。

實際案例

垃圾信件過濾

使用者收到新信件時,系統立刻把郵件特徵丟進已訓練模型,判斷是不是垃圾信,這就是線上推論。

影像分類 API

相機拍到一張照片後,上傳到雲端服務,模型回傳「貓」或「狗」,整個過程是在做新資料判斷。

演算法與應用

推論常被分成批次推論和即時推論。批次推論重吞吐量,像夜間一次處理大量訂單;即時推論重延遲,像聊天機器人要秒回。部署時常會一起看延遲、吞吐量、成本和準確率。

中英對照與容易混淆的詞

第三列是最常見的混淆。inference 講的是「執行模型」這個動作,reasoning 講的是「模型會不會思考」這個能力。中文都可能被翻成推理,但它們完全是兩回事,一個是工程階段,一個是模型能力。

台灣的教材與業界較常寫「推論」,中國大陸多寫「推理」,兩者指的是同一件事。

中文
推論 / 推理
英文
inference
說明
模型訓練完之後拿來預測的階段
中文
訓練
英文
training
說明
調整模型參數的階段
中文
推理能力
英文
reasoning
說明
模型多步思考、解決問題的能力
中文
統計推論
英文
statistical inference
說明
統計學名詞,從樣本推母體

推論階段的三個成本指標

訓練是一次性的,推論是每一次請求都要付的錢,所以實際營運成本主要由推論決定。要看的指標有三個,而且它們常常互相衝突。

首字延遲(Time To First Token, TTFT)。 使用者送出請求到看到第一個字的時間。這一段主要是在處理輸入(prefill),跟提示長度成正比。對話體驗好不好,這個數字最關鍵。

每字延遲(Time Per Output Token, TPOT)。 之後每個字之間的間隔。這一段(decode)是記憶體頻寬受限的,不是算力受限,所以加大批次能明顯提升整體吞吐但不會讓單一使用者變快。

吞吐量(throughput)。 整台機器每秒能產出多少 token。它決定單位成本。

三者的取捨很現實:把批次開大,吞吐上升、單位成本下降,但每個人的延遲變差。所以線上服務通常會分流,即時對話走小批次低延遲的服務,批次處理走大批次高吞吐的服務。

常見的最佳化手段包括量化(降低權重精度)、KV 快取管理(PagedAttention)、連續批次(continuous batching)與推測解碼(speculative decoding)。

常見問題

範例考題

在 AI 推論服務架構設計中,「批次推論(Batch Inference)」與「即時推論(Real-time Inference)」常依任務特性選擇不同機制。下列關於兩者特性的敘述何者最正確?

  1. A批次推論通常以同步請求方式回傳結果,以確保資料一致性;即時推論則多採非同步機制以提升系統吞吐量(Throughput)
  2. B批次推論多用於延遲容忍度較高的大規模資料處理,通常以吞吐量(Throughput)最佳化為優先;即時推論則著重於請求回應時間的穩定性與低延遲特性
  3. C批次推論因計算資源需求高,僅適用於影像類模型;即時推論則主要應用於結構化資料模型
  4. D即時推論為確保回應速度,通常限制為單筆資料輸入;批次推論則可支援同步多筆資料即時回傳
到題目頁作答

出現在這些考古題

官方公告試題的逐題解析裡,這 4 題把推論列為延伸術語。

相關術語

本頁內容有提到,或屬於同一組主題的術語

來源

這個術語目前沒有標註外部來源。

其他格式:Markdown 版本