說到生成式AI，你可能會想問AI、分辨式AI和機器學習的關聯和差異為何？讓我們一步一步分解！

🤖何為AI?
AI (Artificial Intellegence) 人工智慧有種說法是為一門學科，就像物理、化學、生物學科一樣，他是計算機科學的一個分支，並擁有自主推理、學習和運作的系統。AI的用意是為了創造像人類一樣的思考及行為模式。

📈何為機器學習？
ML (Machine Learning) 機器學習為AI領域的分支，他是根據輸入數據模型來運作的程式或系統。他可以用於將同組數據中的數據提取，訓練模型，得出新的數據並加以利用。

🛠️機器學習的種類？
機器學習是AI的子領域，又分為監督式學習與非監督式學習，兩個最大差異是輸入的資料。前者使用標籤過的資料，後者則使用未標籤的資料當作輸入資料。

監督式學習簡單來說就是給你資料當作input，他會透過函式運算，得出答案，給出output。而其中的模型是需要我們經過訓練，目的是讓模型能夠給出我們想要的正確答案。

非監督式學習一樣給資料，但是中間通過的是複雜的神經網絡，並且得出的結果為創新的文本。

舉例來說，監督式學習會運用在解決根據給定的數據做分析的問題，可以使用在天氣預測、交通路況預測。非監督學習則是適合預測新的模型，比如疾病分類、商品個人喜好預測等。

🗣️深度學習有哪些應用?
在深度學習的領域中，常聽到DNN、CNN、RNN，以常見的模型CNN模型為例，CNN模型有圖像與語音的辨識能力，可以用於圖像識別、文本分析、物件偵測等等。資料會透過神經元訓練資料，經過輸入層、隱藏層訓練，使得模型能夠提取資料特徵，最後再經由輸出層預測資料結果（如圖片為貓或狗之類的）。

(圖一): AI四大領域的從屬關係

🧠分辨式AI與生成式AI的差別是什麼？
分辨式AI以及生成式AI是機器學習裡重要的兩大類模型，兩者的主要不同在於分辨式AI主要用於辨別資料的不同、並做分群；而生成式AI是利用資料，理解資料核心，學習生成資料。
舉例來說，有一群貓貓資料集和一群狗狗資料集，將資料匯進分辨式AI模型，模型可以辨別新的資料是貓還是狗；而在生成式AI模型裡則是可以生成新的貓或狗的圖片。

(圖二): 左圖為生成式AI，可自行生成狗貓圖片；右圖為分辨式AI，可辨別貓狗

總的來說，生成式 AI 是深度學習的一個子領域，可以自己生成新的文本和影像成為一大亮點，生成式AI學習的模式也更聰明、人性化，因此有更多領域可以讓AI幫助人類提高效率，並發展新的科技應用。

圖片來源:
(圖一) AI 進化設計世界：設計師與 AI 的未來共舞:
https://medium.com/uxcircles/ai-%E9%80%B2%E5%8C%96%E8%A8%AD%E8%A8%88%E4%B8%96%E7%95%8C-%E8%A8%AD%E8%A8%88%E5%B8%AB%E8%88%87-ai-%E7%9A%84%E6%9C%AA%E4%BE%86%E5%85%B1%E8%88%9E-4efc0e1bfa0d
(圖二) Generative vs Discriminative Models: Examples:
https://vitalflux.com/generative-vs-discriminative-models-examples/