---
title: "生成式 AI（Generative AI）"
slug: generative-ai
language: zh-TW
source: https://aiterms.tw/terms/generative-ai
updated_at: 2026-04-29
tags: [生成式AI, LLM, Diffusion, iPAS初級, iPAS中級]
ipas_term: true
---

# 生成式 AI（Generative AI）

> **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
> **Q：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。
>
> **Q：它和提示工程有關嗎？**
> 很有關，提示常是最直接的控制方式。
>
> **Q：幻覺是什麼？**
> 模型生成看似合理但其實不正確的內容。
>
> **Q：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。

### 相關術語
> - **大型語言模型**：文字型生成式 AI 最常見的核心。
> - **基礎模型**：很多生成式能力都建立在它上面。
> - **提示工程**：控制生成式 AI 的主要入口之一。
> - **生成式預訓練轉換器**：理解它，會更清楚生成式 AI 的語言基礎。
> - **機器學習**：先把大框架放穩，生成式 AI 才有位置。

---

來源：https://aiterms.tw/terms/generative-ai
快查頁：https://aiterms.tw/terms/generative-ai
最後更新：2026/04/29
深度解說：https://aiterms.tw/learning/what-is-generative-ai