什麼是生成式AI？

你早已用過的AI在為事物分類，生成式AI則在創造事物

過去二十年間，日常生活中的AI大多隱而不見，並且在做分類。垃圾郵件過濾器判斷是不是垃圾郵件。相簿App判斷哪張臉是誰的。銀行判斷是不是詐騙。推薦引擎排序接下來該顯示什麼。這些每一項，都是拿一個已經存在的東西，貼上一個標籤或分數。什麼是AI涵蓋了這個更廣的家族。

生成式AI則反其道而行。它不是把一張圖片輸出成「貓」，而是把「一隻在黃昏窗台上的貓」輸出成一張圖片。它不是為一封郵件評分，而是寫出一封郵件。這個模型已經從數百萬個範例中學到足夠的模式，能夠產出一個符合模式的新樣本。

這個反轉正是這項技術走向大眾的全部原因。分類是別人產品裡的一項功能。生成則是一個獨立的產品：輸入一個請求，得到一個東西。ChatGPT於2022年11月30日上線，並在2023年1月，也就是上線兩個月後，達到估計一億月活躍使用者，根據UBS的分析，路透社在2023年2月1日報導，這是當時消費性應用程式達到這個里程碑最快的紀錄，因為這是第一次，模型的輸出本身就是重點。

接下來發生的並非涓涓細流。模型發布時間軸追蹤了自那天以來的41次重大發布，其中31次是在2025年和2026年出現的。橘色標示的是推理模型或搭載思考模式的系列；陰影區段從o1-preview開始。

每一個生成式模型都先學會什麼樣的範例算合理，然後才產出一個

每一個生成式模型從根本上都以同樣的方式訓練：給它看大量範例，讓它學會一個合理的範例長什麼樣子。接著，在使用時，請它產出一個符合模式和提示詞的新樣本。

以文字來說，模型學會預測下一個詞元，並一次生成一個詞元來組成答案。什麼是LLM有完整的說明。至於圖像和影片，主流方法是擴散：模型學會分步驟從一張圖片中移除雜訊，而在生成時則從純粹的雜訊出發，一步步移除雜訊，同時由一段文字描述引導最終產出的樣貌。多數圖像模型採用的作法，來自Ho、Jain和Abbeel在2020年發表的Denoising Diffusion Probabilistic Models論文；它取代的做法，也就是生成對抗網路，則源自Goodfellow等人在2014年的研究。音樂生成工具大多借用這兩者之一。

值得記住的關鍵是，它們產出的全都是符合模式的內容，而不是真實的內容。文字模型會產出一個形狀像引用來源的引用，圖像模型會產出一隻符合手部模式的手，有時候會有六根手指。流暢度和錯誤來自同一個源頭，什麼是AI幻覺詳細說明了文字版本的情況。

四種媒介、四種模型，一個視窗

在2022年，生成式AI指的是文字，以及分開來看的圖像。到了2026年，一個單一的聊天產品會導向四種生成器，而每一種背後的模型都不一樣。

背後的產品決策是，這些之所以以不同方式計量，是因為它們的運算成本不同。一則文字回答只花費不到一分錢。圖像則另外計次。影片和音樂是成本最高的項目，屬於最高階方案。

根據Whizi點數如何運作，圖像生成不包含在Starter方案中，Pro方案每月100次，Powerhouse方案每月500次，而影片和音樂生成則是Powerhouse方案專屬功能。一則文字回答和一段影片短片之間的差距，就是生成500個詞元和生成好幾秒畫面幀數之間的差距，而定價正是跟著運算量走。

生成式AI擅長什麼，以及它誠實的極限在哪裡

它擅長為任何形狀明確的東西寫初稿：一封郵件、一份摘要、一個函式、一張商品照片、一段背景音樂。它擅長轉換，把一個已經存在的東西，轉換成另一種形式：翻譯、精簡、為不同讀者改寫、改變風格。它也擅長量產，在一個人只能產出兩個版本的時間裡，產出二十個版本。

從本質上來說，它有三件事做得不好。它沒被給予過的事實，因為它產出的是符合模式的內容，而不是真實的內容。長尾情境中的精確度：第六根手指、能編譯但做錯事的程式碼。以及對輸出好壞的判斷，這仍然留給提出請求的人。如何使用AI指南是在這些限制下實際操作的版本。

判斷原則是：當你能比自己產出一個好結果更快地辨認出好結果時，生成式AI就是對的工具。如果你分辨不出好的輸出和差的輸出，那它目前還不是適合這項任務的工具。

生成式AI是機器學習的一個分支，而機器學習又是AI的一個分支

人工智慧是總稱：任何如果由人來做，會被我們稱為有智慧的軟體。機器學習是現今大多數AI採用的方法，從資料中學習規則，而不是被寫進規則。生成式AI是機器學習中輸出為全新內容的分支。大型語言模型是文字的生成式模型。聊天機器人是包在其外的應用程式。每一個都是前一個的子集，AI詞彙表把所有這些詞彙整理在同一個地方。

實際運用的判讀方式是：當一個產品說它「使用AI」，要問它是哪一種。如果它是在分類、排序或預測，那是舊有的一種，通常運作良好。如果它是在生成，那是新的一種，需要有人檢查輸出結果。