解析：
判斷詐欺案件屬於分類/判別任務，是鑑別式 AI；自動生成調查報告是內容生成任務，屬於生成式 AI。兩者分別對應不同的 AI 技術類型。
你有沒有想過，文章、圖片、聲音可以先由 AI 打草稿？
你可以把內容生成想成「幫你產出新內容的引擎」：你給主題和條件，它就生成文字、圖像、音訊或影片草稿。
它重要，因為很多創作工作不是從零開始，而是先有草稿再修正，內容生成能把起步速度大幅拉高。
容易混淆
內容生成 vs 搜尋結果 vs 內容改寫
內容生成：從零產出新的內容
搜尋結果：從資料庫找現成內容，不是創作
內容改寫：基於既有內容重新整理，創造性通常較低
最關鍵的區別：內容生成是在「生出新東西」，不是把現成東西搬出來。
記住這句就好
給主題，它幫你先產出草稿。
實際案例
行銷文案
前：團隊每篇貼文都從零寫，時間被吃掉
後：先用 AI 生出多版標題和內文，再由編輯挑選和修正
圖像素材
前：設計師為了示意圖，得花很多時間找素材或手繪
後：先用圖像生成做出草圖，再進一步修圖與品牌化
算法與應用
內容生成常見於自然語言生成、文字生成圖像、語音生成和影片生成
它依賴大型語言模型、擴散模型或生成對抗網路等方法，根據提示產出新內容
真正的關鍵是品質控管，因為生成速度快，但內容可能不準、不一致或不合規
情境判斷
Q1（直覺題）： 你要先做一版課程簡介，內容生成有幫助嗎？
→ 有，因為它能快速產出可修改的初稿。
Q2（判斷題）： 如果 AI 生成一篇看起來很順的文章，就代表內容一定正確嗎？
→ 不代表。語氣順不等於事實對，還是要人工查核。
常見問題
內容生成和聊天機器人是一樣的嗎？
不一樣，聊天機器人是互動形式，內容生成是輸出內容的能力。
AI 生成內容可以直接商用嗎？
要看授權、風險和品質，不能只看速度。
內容生成只會寫文字嗎？
不是，圖片、音訊和影片也都是常見目標。
範例考題
某保險公司想建立智慧理賠系統，包含兩個功能：(1)自動判斷理賠案件是否為詐欺案件 (2)自動生成理賠調查報告。請問這兩個功能分別屬於哪種 AI 技術類型？
- A. (1)鑑別式 AI (2)生成式 AI ✓ 正確答案
- B. (1)生成式 AI (2)鑑別式 AI
- C. 兩者都是鑑別式 AI
- D. 兩者都是生成式 AI
在生成式 AI 文字生成模型設計中，Encoder-Decoder 與 Decoder-only 為常見架構。下列何者最能正確說明兩者在資訊處理與生成機制上的核心差異？
- A. Encoder-Decoder 透過編碼與解碼階段處理序列，Decoder-only 則以單一模型完成處理
- B. Encoder-Decoder 區分輸入理解與內容生成階段，Decoder-only 以單一模型同時處理上下文與生成 ✓ 正確答案
- C. Decoder-only 架構主要依賴外部知識檢索，Encoder-Decoder 則不需要
- D. Encoder-Decoder 架構僅適用於翻譯任務，Decoder-only 架構較適合對話任務
解析：
Encoder-Decoder 架構將輸入理解（編碼）與內容生成（解碼）分為兩個階段；Decoder-only 架構以單一模型同時處理上下文理解與內容生成，是兩者在資訊處理機制上的核心差異。