AI 術語學習

生成式人工智慧 是什麼?

生成式人工智慧(Generative AI)的定義、完整說明、相關概念與資料來源。

英文
Generative AI
內容定位
完整解說 alternate
最後更新
2026-04-16

生成式人工智慧是指能夠自主產生新內容(文字、圖像、影片、程式碼等)的 AI 系統,以大型語言模型和擴散模型為核心技術代表。

什麼是生成式 AI?

生成式 AI 是一類能夠創造新內容的人工智慧系統。它透過學習大量現有資料的統計規律,在推論時產出從未出現過的新內容。不同於傳統 AI 只能「分類」或「預測」,生成式 AI 能「創作」。

生成式 AI vs. 鑑別式 AI

比較維度 生成式 AI 鑑別式 AI
核心任務 創造新內容 分類/預測標籤
學習目標 資料分佈 P(X) 條件機率 P(Y
輸出形式 文字、圖片、影片... 類別標籤、數值
典型例子 GPT-4、Stable Diffusion 垃圾郵件過濾、人臉辨識

主要類型

大型語言模型(LLM)

GPT-4、Claude、Gemini 等,能生成文字、程式碼、翻譯、摘要。核心架構為 Transformer,預訓練於數兆字元的文本資料。

圖像生成模型

使用擴散模型(Diffusion Model)逐步去除雜訊來生成圖像。代表作:Stable Diffusion(開源)、DALL-E 3(OpenAI)、Midjourney。

影片生成模型

Sora(OpenAI)、Runway Gen-3、Kling 等,能根據文字描述生成影片片段。技術挑戰在於時序一致性與物理規律的維持。

多模態生成模型

同時理解並生成多種形式內容(文字+圖像+語音),如 GPT-4o、Gemini 1.5 Pro。

應用場景

  1. 內容創作:文案撰寫、圖像設計、影片剪輯腳本
  2. 軟體開發:程式碼生成、除錯、文件撰寫(GitHub Copilot、Cursor)
  3. 教育訓練:個人化學習素材生成、考題出題
  4. 客服自動化:智能客服、FAQ 回答
  5. 醫療輔助:病歷摘要、醫學報告生成

iPAS 考試重點

生成式 AI 是 iPAS 初級 L11 科目的核心考點,佔比約 10%。常見考題方向:

  • 生成式 AI 與鑑別式 AI 的本質差異(佔 45%)
  • 主流生成式 AI 工具的分類與特性(佔 30%)
  • 生成式 AI 的風險與治理(如深偽技術、著作權問題)(佔 25%)

生成式人工智慧 在 iPAS 考試中的重點

根據歷年統計,生成式人工智慧 相關題目 平均佔 AI 技術類考題 10%, 屬於高頻考範圍。

常見出題方向:生成式 AI 與鑑別式 AI 差異(45%)、主流工具分類與特性(30%)、風險與治理(25%)。

閱讀這頁時的常見誤區

只背中英文對照,無法判斷術語的適用情境。先確認定義,再對照完整說明與相關概念,頁面中的考試比重或出題方向,必須和下方標示的資料來源一起閱讀。

相關術語

包含

先理解這些

相關術語

常見問題

生成式 AI 和傳統 AI 有什麼不同?

傳統 AI(鑑別式 AI)主要用於分類和預測,例如判斷圖片是否為貓。生成式 AI 則能創造新內容,例如根據文字描述生成一張貓的圖片。兩者的學習目標不同:前者學習「如何區分」,後者學習「資料長什麼樣子」。

生成式 AI 的主要風險是什麼?

主要風險包括:1. 幻覺(Hallucination):生成看似合理但不正確的資訊;2. 深偽(Deepfake):生成假冒他人的圖像或影片;3. 著作權爭議:訓練資料可能涉及未授權使用;4. 偏見放大:若訓練資料存在偏見,生成內容也可能有偏見。

生成式 AI 一定要有大量算力才能使用嗎?

使用(推論)不需要。透過 API 呼叫 ChatGPT、Claude 等雲端服務,一般消費者電腦即可使用。但從頭訓練生成式 AI 模型確實需要大量 GPU 算力,成本極高,通常只有大型企業或研究機構才能負擔。

資料來源