你有沒有用過 AI 幫你寫字、畫圖或改程式碼？
你可以把生成式 AI 想成會創作新內容的系統，不只是判斷對錯，而是直接產生文字、圖像、音訊或程式碼。
它重要，是因為這種能力已經變成很多產品的核心介面，從寫作到客服都在用。
你可以把它想成一個把抽象概念拉回日常判斷的提示，先知道它解決什麼問題，再看技術細節。
容易混淆
生成式 AI vs 傳統辨識式 AI 傳統 AI 常做分類、偵測和預測。 生成式 AI 則直接產生新內容。
生成式 AI vs 大型語言模型 大型語言模型是生成式 AI 的常見核心。 但生成式 AI 不只文字，也包括圖像、音訊和多模態。
記住這句就好
不是只回答問題，而是能直接創作內容。
實際案例
文案草稿 你輸入產品特色，模型先產出多版文案，再由人挑選修改。
圖片生成 你描述場景，模型直接生成一張新圖，這就是生成式能力的代表。
算法與應用
它常建立在大型預訓練模型之上，再透過提示、微調或對齊來產生符合需求的輸出。 實務上最常見的挑戰是幻覺、可控性和版權風險，所以不能只看生成速度。
iPAS 考題
Q：生成式 AI 和傳統分類 AI 最大差別是什麼？ → 生成式 AI 會產生新內容，傳統分類 AI 主要是判斷或預測。
Q：生成式 AI 常見輸出有哪些？ → 文字、圖像、音訊、影片和程式碼都算。
情境判斷
Q1： 如果系統會幫你寫文章草稿，這算生成式 AI 嗎？
算，因為它在產生新內容，不只是分類。
Q2： 只要能聊天的模型，都一定是生成式 AI 嗎？
不一定，要看它是否真的在生成內容，還是只是做規則式回應。
常見問題
生成式 AI 一定要很大嗎？
不一定，但目前很多代表性系統都依賴大模型。
它和提示工程有關嗎？
很有關，提示常是最直接的控制方式。
幻覺是什麼？
模型生成看似合理但其實不正確的內容。
生成式 AI 會取代人嗎？
不會直接取代整個工作，但會改變很多內容產製流程。