生成與推論
Generative AI 生成式 AI 是什麼？從判斷對錯，變成自己寫出新東西
Generative AI 生成式 AI 是什麼？從判斷對錯，變成自己寫出新東西
這幾年新聞裡的「AI」，九成講的其實都是生成式 AI。你用的聊天機器人、繪圖工具、影片生成器，全部屬於這一類。
搞懂這個詞的價值不在名詞本身，而在你會開始分辨：眼前這個工具是在幫你判斷，還是在幫你創造。這兩件事該用的驗收標準完全不同。
你將學到什麼
定義
學會資料的分佈規律之後，生成全新內容的 AI 技術。
白話比喻
傳統 AI 是老師出考題並判斷對錯，生成式 AI 是學會寫作風格後自己寫出新文章。
能生成什麼
文字、圖片、音樂、影片、程式碼，以及簡報與 3D 模型等。
跟誰容易搞混
生成式 AI 是技術類別，AIGC 指的是它產出的內容成品。
定義
Generative AI 中文叫生成式 AI，指的是能根據學到的知識，創造出原本不存在的新內容的 AI 技術。
關鍵字是「生成」。它不只是分析或分類既有資料，而是產生全新的、符合需求的內容，包含文字、圖片、音樂、程式碼與影片。
白話比喻
傳統 AI 像一位負責出考題並判斷對錯的老師，他很會辨認什麼是對的答案，但他的工作到判斷為止。
生成式 AI 像同一位老師學會了寫作風格之後，自己坐下來寫出一篇新文章。從評分者變成創作者，這就是差別。
跟判別式 AI 差在哪
| 比較項目 | 傳統 AI（判別式） | 生成式 AI |
|---|---|---|
| 目標 | 判斷、預測、分類 | 生成全新的內容 |
| 方法 | 從資料的特徵來做判斷 | 學習資料的分佈規律再生成 |
| 輸出 | 標籤、分類結果、數值 | 文字、圖片、音樂、程式碼等 |
| 例子 | 垃圾郵件分類、人臉辨識、需求預測 | 寫文章、畫插圖、作曲、寫程式 |
它是怎麼運作的
流程可以拆成五步。先透過大量資料訓練，學習其中的模式與規律；接著理解資料的結構與關係，建立內部的知識表示。
然後接收使用者的指令，也就是提示詞；再根據學到的模式生成新內容；最後輸出結果供使用者使用或調整。整條路上沒有任何一步是去查資料庫，這點很重要。
實際用例
內容創作是最普及的一類，包含文章、行銷文案與腳本。設計與藝術這一塊，則會用到圖片生成與局部改圖，像是 Inpainting 局部重繪。
在工作場景裡，它也大量出現在程式開發、教育學習與商業分析。要讓輸出能直接接進系統，通常還會搭配 Structured Output 結構化輸出 來綁住格式。
延伸學習
ChatGPT 很強，但真正讓你下班的是 Google
六小時完整實錄。從「AI 很厲害，為什麼你還是每天加班」這個問題出發，把 Google Workspace 當成真正的工作平台重新設計一次流程 ── Sheets 的資料結構、Drive 與 Docs 的文件流、Gmail 與 Calendar 的通知系統，再用 Apps Script 讓它自己跑起來，最後收斂成一張屬於你自己的 AI 工作能力地圖。
NT$ 4,599
HE201｜Harness Engineering System Design（6 小時）
六小時的實作課：從 Blueprint 走到可以跑的規格，再用 No-code、n8n 低程式碼與程式碼三條路各做一次同一個 harness，最後處理可靠度——重試、錯誤處理、人工覆核。7 章 54 課，含常見坑與排錯、Capstone 實作，附學員講義 PDF。
NT$ 5,999